【lssvm回归预测】基于鲸鱼算法优化最小二乘支持向量机lssvm实现数据回归预测附matlab代码

简介: 【lssvm回归预测】基于鲸鱼算法优化最小二乘支持向量机lssvm实现数据回归预测附matlab代码

✅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

井下动液面是抽油井的一个重要生产参数,能够反映抽油井的生产效率.采用基于时间序列分析的方法对动液面进行预测,首先由最小二乘支持向量机(LSSVM)方法建立预测模型,对其中的正则化参数和核函数参数采用鲸鱼算法(WOA)进行优化选取.实例验证了本文所提出算法的有效性.

⛄ 部分代码

while t<Max_iter

   t

   for i=1:size(Positions,1)

       % Return back the search agents that go beyond the boundaries of the search space

       Flag4ub=Positions(i,:)>ub;

       Flag4lb=Positions(i,:)<lb;

       Positions(i,:)=(Positions(i,:).*(~(Flag4ub+Flag4lb)))+ub.*Flag4ub+lb.*Flag4lb;

       % Calculate objective function for each search agen

     

      gam=Positions(i,1);

   sig2=Positions(i,2);

   model=initlssvm(train_x,train_yy,type,gam,sig2,kernel,proprecess);

   model=trainlssvm(model);

   %求出训练集和测试集的预测值

   [train_predict_y,zt,model]=simlssvm(model,train_x);

   [test_predict_y,zt,model]=simlssvm(model,test_x);

   %预测数据反归一化

   train_predict=postmnmx(train_predict_y ,miny,maxy);%预测输出

   test_predict=postmnmx(test_predict_y ,miny,maxy); %测试集预测值

   %计算均方差

   

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

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

   fitness=trainmse; %以测试集的预测值计算的均方差为适应度值

       % Update the leader

       if fitness<Leader_score % Change this to > for maximization problem

           Leader_score=fitness; % Update alpha

           Leader_pos=Positions(i,:);%最佳参数

           YPred_best=test_predict;

       end

   end

   a=-t*((2)/Max_iter); % a decreases linearly fron 2 to 0 in Eq. (2.3)

   % a2 linearly dicreases from -1 to -2 to calculate t in Eq. (3.12)

   a2=t*((-1)/Max_iter);

   % Update the Position of search agents

   for i=1:size(Positions,1)

       r1=rand(); % r1 is a random number in [0,1]

       r2=rand(); % r2 is a random number in [0,1]

       A=2*a*r1-a;  % Eq. (2.3) in the paper

       C=2*r2;      % Eq. (2.4) in the paper

       

       b=1;               %  parameters in Eq. (2.5)

       l=(a2-1)*rand+1;   %  parameters in Eq. (2.5)

       p = rand();        % p in Eq. (2.6)

       for j=1:size(Positions,2)

           if p<0.5

               if abs(A)>=1

                   rand_leader_index = floor(SearchAgents_no*rand()+1);

                   X_rand = Positions(rand_leader_index, :);

                   D_X_rand=abs(C*X_rand(j)-Positions(i,j)); % Eq. (2.7)

                   Positions(i,j)=X_rand(j)-A*D_X_rand;      % Eq. (2.8)

                   

               elseif abs(A)<1

                   D_Leader=abs(C*Leader_pos(j)-Positions(i,j)); % Eq. (2.1)

                   Positions(i,j)=Leader_pos(j)-A*D_Leader;      % Eq. (2.2)

               end

               

           elseif p>=0.5

               

               distance2Leader=abs(Leader_pos(j)-Positions(i,j));

               % Eq. (2.5)

               Positions(i,j)=distance2Leader*exp(b.*l).*cos(l.*2*pi)+Leader_pos(j);

               

           end

       end

   end

   t=t+1;

   Convergence_curve(t)=Leader_score;

   %     [t Leader_score]

end

⛄ 运行结果

⛄ 参考文献

[1]郑威迪, 李志刚, 贾涵中,等. 基于改进型鲸鱼优化算法和最小二乘支持向量机的炼钢终点预测模型研究[J]. 电子学报, 2019, 47(3):700-706.

⛄ 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


相关文章
|
4天前
|
存储 监控 NoSQL
Redis处理大量数据主要依赖于其内存存储结构、高效的数据结构和算法,以及一系列的优化策略
【5月更文挑战第15天】Redis处理大量数据依赖内存存储、高效数据结构和优化策略。选择合适的数据结构、利用批量操作减少网络开销、控制批量大小、使用Redis Cluster进行分布式存储、优化内存使用及监控调优是关键。通过这些方法,Redis能有效处理大量数据并保持高性能。
22 0
|
2天前
|
算法
MATLAB|【免费】融合正余弦和柯西变异的麻雀优化算法SCSSA-CNN-BiLSTM双向长短期记忆网络预测模型
这段内容介绍了一个使用改进的麻雀搜索算法优化CNN-BiLSTM模型进行多输入单输出预测的程序。程序通过融合正余弦和柯西变异提升算法性能,主要优化学习率、正则化参数及BiLSTM的隐层神经元数量。它利用一段简单的风速数据进行演示,对比了改进算法与粒子群、灰狼算法的优化效果。代码包括数据导入、预处理和模型构建部分,并展示了优化前后的效果。建议使用高版本MATLAB运行。
|
3天前
|
机器学习/深度学习 算法 数据挖掘
【机器学习】聚类算法中,如何判断数据是否被“充分”地聚类,以便算法产生有意义的结果?
【5月更文挑战第14天】【机器学习】聚类算法中,如何判断数据是否被“充分”地聚类,以便算法产生有意义的结果?
|
3天前
|
机器学习/深度学习 运维 算法
【机器学习】可以利用K-means算法找到数据中的离群值吗?
【5月更文挑战第14天】【机器学习】可以利用K-means算法找到数据中的离群值吗?
|
4天前
|
机器学习/深度学习 算法 数据挖掘
基于GWO灰狼优化的CNN-LSTM-Attention的时间序列回归预测matlab仿真
摘要: 本文介绍了使用matlab2022a中优化后的算法,应用于时间序列回归预测,结合CNN、LSTM和Attention机制,提升预测性能。GWO算法用于优化深度学习模型的超参数,模拟灰狼社群行为以求全局最优。算法流程包括CNN提取局部特征,LSTM处理序列依赖,注意力机制聚焦相关历史信息。GWO的灰狼角色划分和迭代策略助力寻找最佳解。
|
4天前
|
数据采集 机器学习/深度学习 人工智能
【机器学习】在使用K-means算法之前,如何预处理数据?
【5月更文挑战第12天】【机器学习】在使用K-means算法之前,如何预处理数据?
|
4天前
|
数据安全/隐私保护
地震波功率谱密度函数、功率谱密度曲线,反应谱转功率谱,matlab代码
地震波格式转换、时程转换、峰值调整、规范反应谱、计算反应谱、计算持时、生成人工波、时频域转换、数据滤波、基线校正、Arias截波、傅里叶变换、耐震时程曲线、脉冲波合成与提取、三联反应谱、地震动参数、延性反应谱、地震波缩尺、功率谱密度
|
4天前
|
数据安全/隐私保护
耐震时程曲线,matlab代码,自定义反应谱与地震波,优化源代码,地震波耐震时程曲线
地震波格式转换、时程转换、峰值调整、规范反应谱、计算反应谱、计算持时、生成人工波、时频域转换、数据滤波、基线校正、Arias截波、傅里叶变换、耐震时程曲线、脉冲波合成与提取、三联反应谱、地震动参数、延性反应谱、地震波缩尺、功率谱密度
基于混合整数规划的微网储能电池容量规划(matlab代码)
基于混合整数规划的微网储能电池容量规划(matlab代码)
|
4天前
|
算法 调度
面向配电网韧性提升的移动储能预布局与动态调度策略(matlab代码)
面向配电网韧性提升的移动储能预布局与动态调度策略(matlab代码)