JCR一区级 | Matlab实现SO-Transformer-LSTM多变量回归预测（蛇群算法优化）

JCR一区级 | Matlab实现SO-Transformer-LSTM多变量回归预测（蛇群算法优化）

目录

• • JCR一区级 | Matlab实现SO-Transformer-LSTM多变量回归预测（蛇群算法优化）
  • • 效果一览
    • 基本介绍
    • 程序设计
    • 参考资料

效果一览

基本介绍

1.【JCR一区级】Matlab实现SO-Transformer-LSTM多变量回归预测，蛇群算法（SO）优化Transformer-LSTM组合模型（程序可以作为JCR一区级论文代码支撑，目前尚未发表）；

2.优化参数为：学习率，隐含层节点，正则化参数，运行环境为Matlab2023b及以上；

3.data为数据集，输入多个特征，输出单个变量，多变量回归预测，main.m为主程序，运行即可,所有文件放在一个文件夹；

4.命令窗口输出R2、MSE、RMSE、MAE、MAPE、MBE等多指标评价；

5.模型只是提供一个衡量数据集精度的方法，因此无法保证替换数据就一定得到您满意的结果。

程序设计

• 完整程序和数据下载私信博主回复Matlab实现SO-Transformer-LSTM多变量回归预测（蛇群算法优化）。

  %%  清空环境变量 warning off             % 关闭报警信息 close all               % 关闭开启的图窗 clear                   % 清空变量 clc                     % 清空命令行    %%  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);  %%  数据平铺 P_train =  double(reshape(P_train, f_, 1, 1, M)); P_test  =  double(reshape(P_test , f_, 1, 1, N));  t_train = t_train'; t_test  = t_test' ;  %%  数据格式转换 for i = 1 : M     p_train{i, 1} = P_train(:, :, 1, i); end  for i = 1 : N     p_test{i, 1}  = P_test( :, :, 1, i); end   

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