目录

多维时序 | Matlab基于SSA-SVR麻雀算法优化支持向量机的数据多变量时间序列预测

多维时序 | Matlab基于SSA-SVR麻雀算法优化支持向量机的数据多变量时间序列预测

目录

    • [多维时序 | Matlab基于SSA-SVR麻雀算法优化支持向量机的数据多变量时间序列预测](#多维时序 | Matlab基于SSA-SVR麻雀算法优化支持向量机的数据多变量时间序列预测)

效果一览









基本介绍

1.Matlab基于SSA-SVR麻雀算法优化支持向量机的数据多变量时间序列预测(完整源码和数据)

2.SSA选择最佳的SVM核函数参数c和g;

3.输入多个特征,输出单个变量,考虑历史特征的影响,多变量时间序列预测;程序内注释详细,excel数据,直接替换数据就可以用。

4.程序语言为matlab,程序可出预测效果图,迭代优化图,相关分析图,运行环境matlab2020b及以上。评价指标包括:R2、RPD、MSE、RMSE、MAE、MAPE等。

5.代码特点:参数化编程、参数可方便更改、代码编程思路清晰、注释明细。

程序设计

  • 完整程序和数据下载私信博主回复Matlab基于SSA-SVR麻雀算法优化支持向量机的数据多变量时间序列预测
matlab 复制代码
%%  划分数据集
for i = 1: num_samples - kim - zim + 1
    res(i, :) = [reshape(result(i: i + kim - 1, :), 1, kim * or_dim), result(i + kim + zim - 1, :)];
end

%%  数据集分析
outdim = 1;                                  % 最后一列为输出
num_size = 0.7;                              % 训练集占数据集比例
num_train_s = round(num_size * num_samples); % 训练集样本个数
f_ = size(res, 2) - outdim;                  % 输入特征维度

%%  划分训练集和测试集
P_train = res(1: num_train_s, 1: f_)';
T_train = res(1: num_train_s, f_ + 1: end)';
M = size(P_train, 2);

P_test = res(num_train_s + 1: end, 1: f_)';
T_test = res(num_train_s + 1: end, f_ + 1: end)';
N = size(P_test, 2);

%%  数据归一化
[p_train, ps_input] = mapminmax(P_train, 0, 1);
p_test = mapminmax('apply', P_test, ps_input);

[t_train, ps_output] = mapminmax(T_train, 0, 1);
t_test = mapminmax('apply', T_test, ps_output);

%%  转置以适应模型
p_train = p_train'; p_test = p_test';
t_train = t_train'; t_test = t_test';

%%  参数设置
fun = @getObjValue;    % 目标函数
dim = 2;               % 优化参数个数
lb  = [0.1, 0.1];      % 优化参数目标下限
ub  = [ 800,  800];    % 优化参数目标上限
pop = 20;              % 种群数量
Max_iteration = 30;    % 最大迭代次数   

%%  优化算法
[Best_score,Best_pos, curve] = SSA(pop, Max_iteration, lb, ub, dim, fun); 

%%  获取最优参数
bestc = Best_pos(1, 1);  
bestg = Best_pos(1, 2); 

参考资料

1\] https://blog.csdn.net/kjm13182345320/article/details/128163536?spm=1001.2014.3001.5502 \[2\] https://blog.csdn.net/kjm13182345320/article/details/128151206?spm=1001.2014.3001.5502

本文是转载文章,点击查看原文
如有侵权,请联系 xyy@jishuzhan.net 删除
相关推荐
人工干智能1 天前
科普:One-Class SVM和SVDD
人工智能·机器学习·支持向量机
唔皇万睡万万睡5 天前
Matlab人脸识别考勤系统【PCA(主成分分析)+ SVM(支持向量机)】
机器学习·支持向量机·matlab
代码骑士5 天前
聚类(Clustering)基础知识3
算法·支持向量机·聚类
Suc_zhan5 天前
实验一 基于支持向量机实现激酶抑制剂的分类
python·算法·支持向量机·分类
电科_银尘5 天前
【Matlab】-- 基于MATLAB的灰狼算法优化支持向量机的分类算法
算法·支持向量机·matlab
电科_银尘5 天前
【Matlab】-- 基于MATLAB的灰狼算法优化支持向量机的回归算法
算法·支持向量机·matlab
max5006007 天前
遗传算法优化支持向量机分类是一种将遗传算法与支持向量机相结合的方法
算法·支持向量机·分类
Hole_up8 天前
【机器学习】支持向量机
算法·机器学习·支持向量机
奋斗者1号8 天前
SVM在机器学习与声学音频处理中的应用:理论与实践
机器学习·支持向量机·音视频