SSA-DNN回归 基于麻雀搜索算法(SSA)-深度神经网络(DNN)的数据回归预测(可更换为分类，单变量和多变量时序预测，前私)，Matlab代码，可直接运行，适合小白新手 无需更改代码替换数据集即可运行 数据格式为excel 可以根据需要定制更换算法例如24年最新算法CPO,BKA,RBMO等，或者PSO,WOA,GA,GWO,ABC等都可以 1、运行环境要求MATLAB版本为2019b及其以上 2、评价指标包括:R2、MAE、MSE、RMSE等，图很多，符合您的需要 3、代码中文注释清晰，质量极高 4、测试数据集，可以直接运行源程序 替换你的数据即可用 适合新手小白 5、 保证源程序运行，
手把手教你用麻雀算法调DNN做预测（附代码）
最近在折腾时序预测，发现用麻雀搜索算法（SSA）优化深度神经网络（DNN）的套路挺有意思。简单来说，就是让这群"麻雀"帮DNN找最优参数，比手动调参快多了。下面直接上代码，顺便聊聊怎么用。
先看效果
跑完代码后，命令行会直接输出R²、MAE这些指标，比如：
text
R2: 0.956
MAE: 0.0234
MSE: 0.0017 同时自动弹出预测对比图、误差分布直方图、麻雀收敛曲线（图1-3）。效果够直观，适合汇报用。
代码怎么跑？
- 准备数据
把Excel数据扔进data.xlsx，第一列是时间戳，后面几列是特征，最后一列是输出变量。比如：
| 时间 | 温度 | 湿度 | 风速 | 功率 |
|---|---|---|---|---|
| 1 | 25 | 60 | 3 | 100 |
代码里改这两个参数就能适配：
matlab
inputSize = 3; % 输入特征数（温度、湿度、风速）
outputSize = 1; % 输出变量（功率） - 点运行
主程序就30行，核心逻辑就三块：
matlab
% 麻雀参数设置
ssa_params.MaxIt = 50; % 迭代次数
ssa_params.nPop = 20; % 麻雀数量
ssa_params.varSize = [hiddenLayerSize, inputSize + 1]; % DNN权重矩阵大小
% 调用SSA找最优权重
[bestWeights, ~] = SSA(@(w) dnnFitness(w, XTrain, YTrain, hiddenLayerSize), ssa_params);
% 用最优权重重建DNN
net = buildDNN(bestWeights, hiddenLayerSize); 这里SSA函数是算法本体，dnnFitness计算当前权重下的损失值。
想换算法？
比如用鲸鱼算法（WOA），只要改两行：
matlab
% 把SSA替换成WOA
[bestWeights, ~] = WOA(@(w) dnnFitness(...), woa_params); 其他算法同理，仓库里已经内置了PSO、GWO的接口。
代码亮点
- 数据自动归一化
matlab
[XTrain, PS_X] = mapminmax(XTrain'); % 输入归一化
XTrain = XTrain'; 预处理藏在函数里，小白不用操心量纲问题。
- DNN结构可视化
用view(net)可以直接看网络结构（图4），默认是1个隐藏层，节点数在hiddenLayerSize里改。
踩坑指南
- MATLAB版本必须≥2019b
因为用了dlarray加速计算，老版本会报错。
- Excel数据别留空行
读取用的是xlsread，遇到空单元格直接崩。
- 迭代次数别瞎调
50次迭代在i5笔记本上大概跑2分钟，加到200次的话------建议泡杯咖啡。
完整代码和测试数据已打包，关注后回复【麻雀DNN】自动发链接。懒得调试参数的同学直接换个数据就能交差，亲测好用。
（代码获取方式及测试数据略）
