基于麻雀算法(SSA)优化卷积神经网络-长短期记忆网络(CNN-LSTM)回归预测，SSA-CNN-LSTM多输入单输出模型。

优化参数为：学习率，隐含层节点，正则化参数。评价指标包括:R2、MAE、MSE、RMSE和MAPE等，代码质量极高，方便学习和替换数据。

%% CNN-LSTM多变量回归预测

%% 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

% restoredefaultpath

tic

%% 加载数据与数据集划分

%% 导入数据

P_train = xlsread('data','training set','B2：G191')';

T_train= xlsread('data','training set','H2：H191')';

% 测试集——44个样本

P_test=xlsread('data','test set','B2:G45')';

T_test=xlsread('data','test set','H2:H45')';

f_ = size(P_train, 1); % 输入特征维度

%% 划分训练集和测试集

M = size(P_train, 2);

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);

%% 创建元胞或向量，长度为训练集大小；

XrTrain = cell(size(p_train,2),1);

YrTrain = zeros(size(t_train,2),1);

for i=1:size(p_train,2)

XrTrain{i,1} = p_train(:,i);

YrTrain(i,1) = t_train(:,i);

end

% 创建元胞或向量，长度为测试集大小；

XrTest = cell(size(p_test,2),1);

YrTest = zeros(size(t_test ,2),1);

for i=1:size(p_test,2)

XrTest{i,1} = p_test(:,i);

YrTest(i,1) = t_test (:,i);

end

%% 优化算法参数设置

SearchAgents_no = 8; % 数量

Max_iteration = 5; % 最大迭代次数

dim = 3; % 优化参数个数