💥💥💞💞欢迎来到本博客❤️❤️💥💥
🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。
⛳️座右铭：行百里者，半于九十。
📋📋📋本文目录如下：🎁🎁🎁
目录
💥1 概述
📚2 运行结果
🎉3 参考文献
🌈4 Python代码实现
💥1 概述
多种优化算法优化LSTM（Python代码实现）
【包括：粒子群、蝙蝠、正余旋、多元宇宙、正余弦、JAYA、哈里斯鹰、萤火虫、布谷鸟、非洲秃鹫、麻雀优化、灰狼优化、蜣螂优化】
📚2 运行结果
这里仅展现萤火虫：
trainPredict = model.predict(X_train) testPredict = model.predict(X_test) trainPredict = scaler.inverse_transform(trainPredict) trainY = scaler.inverse_transform(y_train) testPredict = scaler.inverse_transform(testPredict) testY = scaler.inverse_transform(y_test) testScore = math.sqrt(mean_squared_error(testY, testPredict[:, 0])) print('RMSE %.3f ' %(testScore)) testScore = mean_absolute_error(testY, testPredict[:, 0]) print('MAE %.3f ' %(testScore)) testScore = r2_score(testY, testPredict[:, 0]) print('R2 %.3f ' %(testScore)) plt.plot(history.history['loss']) plt.title('model loss') plt.ylabel('loss') plt.xlabel('epoch') plt.show() plt.figure(figsize=(10, 4),dpi=200) plt.plot(range(len(train),len(dataset)),N, label="Actual", color='r',linewidth=1) plt.plot(testPredictPlot, color='b',label='Prediction',linewidth=1,linestyle="--") plt.title('FFA-LSTM Prediction', size=10) plt.ylabel('AQI',size=10) plt.xlabel('time/day',size=10) plt.legend() plt.show()
🎉3 参考文献
部分理论来源于网络，如有侵权请联系删除。
