2023年算法SAO-CNN-BiLSTM-ATTENTION回归预测(matlab)
SAO-CNN-BiLSTM-Attention雪消融优化器优化卷积-长短期记忆神经网络结合注意力机制的数据回归预测 Matlab语言。
雪消融优化器( SAO) 是受自然界中雪的升华和融化行为的启发,开发了一种新的基于物理的雪消融优化器(SAO)算法,模拟雪的升华和融化行为。该成果于2023年9月最新发表在中科院1区 Expert Systems with Applications。参考文献如下:
Lingyun Deng, Sanyang Liu, Snow ablation optimizer: A novel metaheuristic technique for numerical optimization and engineering design, Expert Systems with Applications,Volume 225,
它是一种自适应的优化算法,能够根据环境的变化自动调整参数和策略。具有较强的鲁棒性,能够应对各种复杂的优化问题。
代码介绍如下:
1.多变量单输出,优化的参数为:卷积核的大小,隐藏单元数目,最大训练周期,初始学习率。评价指标包括:R2、MAE、RMSE和MAPE等,图很多,出图结果如图所示,可完全满足您的需求
2.雪消融优化器也可以替换成其他算法,比如麻雀、鹈鹕、蜣螂等等,也可定制改进~
3.直接替换Excel数据即可用,适合新手小白
4.附赠风力发电功率测试数据,可直接运行
5.商品只是提供模型,价格不包含讲解,发货后可保证运行,但程序类商品不支持退换
6.由于每个人的数据集都是独一无二的,因此预测效果不同,无法保证替换数据就一定得到您满意的结果~
实验结果如下:
部分主函数代码如下:
clc;clear; close all
% SAO_CNN_BiLSTM_ATTENTION预测
X = xlsread('风电场预测.xlsx');
X = X(5665:6665,:); %选取部分数据
disp('…………………………………………………………………………………………………………………………')
disp('SAO_CNN_BiLSTM_ATTENTION预测')
disp('由于数据量大,程序运行较慢,请耐心等待!')
disp('…………………………………………………………………………………………………………………………')
% SAO参数设置
pop=6; % 种群数量
Max_iter=5; % 最大迭代次数
dim=4; % 优化4个超参数参数 卷积核的大小 隐藏单元数目 最大训练周期 初始学习率
lb = [32, 15,30,0.001];%下边界
ub = [128,150,500,0.1];%上边界
fobj = @(x) fun(x,X) ;
[Best_score,Best_pos,curve]=SAO(pop,Max_iter,lb,ub,dim,fobj);
% 绘制进化曲线
figure
plot(curve,'r-','linewidth',1)
xlabel('进化代数')
ylabel('均方根误差MSE')
legend('最佳适应度')
title('SAO-CNN-BiLSTM-ATTENTION的收敛曲线')
disp('')
disp(['卷积核的大小为 ',num2str(round(Best_pos(1)))]);
disp(['最优隐藏单元数目为 ',num2str(round(Best_pos(2)))]);
disp(['最优最大训练周期为 ',num2str(round(Best_pos(3)))]);
disp(['最优初始学习率为 ',num2str((Best_pos(4)))]);
%% 将最佳参数回带
num_samples = length(X); % 样本个数
kim = 6; % 延时步长(kim个历史数据作为自变量)
zim = 1; % 跨zim个时间点进行预测
or_dim = size(X,2);
% 重构数据集
for i = 1: num_samples - kim - zim + 1res(i, :) = [reshape(X(i: i + kim - 1,:), 1, kim*or_dim), X(i + kim + zim - 1,:)];
end