【lssvm回归预测】基于灰狼算法优化最小支持向量机GWO-LSSVM数据预测模型含Matlab源码

✅作者简介:热爱科研的Matlab仿真开发者,修心和技术同步精进,matlab项目合作可私信。

个人主页:Matlab科研工作室

个人信条:格物致知。

更多Matlab仿真内容点击

智能优化算法  神经网络预测 雷达通信  无线传感器

信号处理 图像处理 路径规划 元胞自动机 无人机  电力系统

⛄ 内容介绍

【lssvm回归预测】基于灰狼算法优化最小支持向量机GWO-LSSVM数据预测模型含Matlab源码_第1张图片

【lssvm回归预测】基于灰狼算法优化最小支持向量机GWO-LSSVM数据预测模型含Matlab源码_第2张图片

【lssvm回归预测】基于灰狼算法优化最小支持向量机GWO-LSSVM数据预测模型含Matlab源码_第3张图片

【lssvm回归预测】基于灰狼算法优化最小支持向量机GWO-LSSVM数据预测模型含Matlab源码_第4张图片

【lssvm回归预测】基于灰狼算法优化最小支持向量机GWO-LSSVM数据预测模型含Matlab源码_第5张图片

1) 构建数据集( 即训练集与测试集) ,并对数据预处理,

得到路段的历史交通流量数据的时间序列.

2) 利用改进灰狼优化算法对 LSSVM 参数优化( 即惩罚

因子 γ 和核函数参数 σ) ,主要步骤如下:

Step 1. 参数初始化.

Step 2. 初始化种群并计算函数目标值,选择最优个体 α、β 和 η.

Step 3. 计算 a、A 和 C 的值,根据式( 7) 计算种群个体与最优个体的距离并根据式( 8) 、式( 9) 更新个体位置.

Step 4. 由式( 12) -式( 14) 对当前种群执行变异、交叉和选择操作,计算个体的目标函数值.

Step 5. 更新最优个体位置.

Step 6. 判断是否达到要求. 如果达到设定值,则运行结束,否则转至 Step 3 继续迭代.

3) 根据最优参数得到最优模型后进行交通流量预测.

⛄ 部分代码

%灰狼算法优化LSSVM代码

addpath('LSSVMlabv1_8_R2009b_R2011a')%添加工具箱

clear

clc

tic

%% 导入训练数据

data = xlsread('data.xlsx')';

[data_m,data_n] = size(data);%获取数据维度

P = 80;  %百分之P的数据用于训练,其余测试

Ind = floor(P * data_m / 100);

train_data = data(1:Ind,1:end-1); %训练样本输入集

train_result = data(1:Ind,end);   %训练样本输出集

test_data = data(Ind+1:end,1:end-1);% 测试样本输入集

test_result = data(Ind+1:end,end);  %测试样本输出集

%% 数据归一化

[train_x,PS_i] =mapminmax(train_data',0,1);

test_x=mapminmax('apply',test_data',PS_i);

[train_y,PS_o] = mapminmax(train_result',0,1);

train_x=train_x';

test_x=test_x';

train_y=train_y';

%% 参数初始化

type='f';

kernel= 'RBF_kernel';

%计算均方差

trainmse=sum((train_predict-train_result).^2)/length(train_result);

%testmse=sum((test_predict-test_y).^2)/length(test_y)

disp(['best gam = ',num2str(gam),' best sig2 = ',num2str(sig2)])

figure

subplot(1,2,1);

plot(train_predict,':og')

hold on

plot(train_result,'- *')

legend('实际值','拟合值')

title('拟合图')

ylabel('函数输出')

xlabel('样本')

subplot(1,2,2);

plot(test_predict,'r-o')

hold on

plot(test_result,'g:s')

legend('实际值','预测值')

title('预测图')

ylabel('函数输出')

xlabel('样本')

hold off

toc   %计算时间

⛄ 运行结果

【lssvm回归预测】基于灰狼算法优化最小支持向量机GWO-LSSVM数据预测模型含Matlab源码_第6张图片

【lssvm回归预测】基于灰狼算法优化最小支持向量机GWO-LSSVM数据预测模型含Matlab源码_第7张图片

⛄ 参考文献

[1]顾凯冬. 基于灰狼算法优化最小二乘支持向量机的调制信号识别研究[D]. 南京邮电大学.

[2]伍轶鸣, 孙博文, 成荣红,等. 基于灰狼算法的LSSVM模型预测凝析气藏露点压力研究[J]. 西安石油大学学报:自然科学版, 2020, 35(2):7.

⛄ Matlab代码关注

❤️部分理论引用网络文献,若有侵权联系博主删除

❤️ 关注我领取海量matlab电子书和数学建模资料

你可能感兴趣的:(预测模型,matlab,算法,回归)