时序预测 | Matlab实现PSO-CNN粒子群优化卷积神经网络时间序列预测

时序预测 | Matlab实现PSO-CNN粒子群优化卷积神经网络时间序列预测

预测效果

基本介绍

Matlab实现PSO-CNN粒子群优化卷积神经网络时间序列预测（完整源码和数据）

1.data为数据集，单变量一维数据。

2.main.m为程序主文件，其他为函数文件无需运行。

3.命令窗口输出MAE、MSE、RMSEP、R^2、RPD和MAPE，可在下载区获取数据和程序内容。

4.优化参数为学习率、批处理样本大小和、正则化参数。

程序设计

• 完整程序和数据下载方式私信博主回复Matlab实现PSO-CNN粒子群优化卷积神经网络时间序列预测。

%%  构造网络结构
layers = [imageInputLayer([f_, 1, 1])     % 输入层 输入数据规模[f_, 1, 1]convolution2dLayer([1, 1], 16)  % 卷积核大小 3*1 生成16张特征图batchNormalizationLayer         % 批归一化层reluLayer                       % Relu激活层convolution2dLayer([1, 1], 32)  % 卷积核大小 3*1 生成32张特征图batchNormalizationLayer         % 批归一化层reluLayer                       % Relu激活层dropoutLayer(0.2)               % Dropout层fullyConnectedLayer(1)          % 全连接层regressionLayer];               % 回归层%%  参数设置
% % 参数设置
options = trainingOptions('sgdm', ...                % 梯度下降算法adam'MaxEpochs',500, ...                            % 最大训练次数 1000'MiniBatchSize',MiniBatchSize, ...'GradientThreshold', 1, ...                     'InitialLearnRate', InitialLearnRate, ...       'LearnRateSchedule', 'piecewise', ...          'LearnRateDropPeriod',400, ...                  % 经过800次训练后 学习率为 0.01*0.1'LearnRateDropFactor',0.2, ...                 'L2Regularization', L2Regularization, ...         'ExecutionEnvironment', 'cpu',...               'Verbose', 0, ...                                 'Plots', 'training-progress');      

参考资料

[1] https://blog.csdn.net/article/details/126072792?spm=1001.2014.3001.5502
[2] https://blog.csdn.net/article/details/126044265?spm=1001.2014.3001.5502