多输入多输出 | Matlab实现WOA-LSSVM鲸鱼算法优化最小二乘支持向量机多输入多输出预测

多输入多输出 | Matlab实现WOA-LSSVM鲸鱼算法优化最小二乘支持向量机多输入多输出预测

预测效果

基本介绍

Matlab实现WOA-LSSVM鲸鱼算法优化最小二乘支持向量机多输入多输出预测
1.data为数据集，10个输入特征，3个输出变量。
2.main.m为主程序文件,运行即可，其余为函数文件，无需运行。
3.命令窗口输出RMSE、MBE、MSPE、MAE和R2，可在下载区获取数据和程序内容。

程序设计

• 完整程序和数据下载方式：私信博主回复Matlab实现WOA-LSSVM鲸鱼算法优化最小二乘支持向量机多输入多输出预测。

%%  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
addpath(genpath('LSSVMlabv'));
%%  导入数据
res = xlsread('data.xlsx');

%%  划分训练集和测试集
temp = randperm(600);

P_train = res(temp(1: 500), 1 : 10)';
T_train = res(temp(1: 500), 11: 13)';
M = size(P_train, 2);

P_test = res(temp(501: end), 1 : 10)';
T_test = res(temp(501: end), 11: 13)';
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);

%%  转置以适应模型
p_train = p_train'; p_test = p_test';
t_train = t_train'; t_test = t_test';

%%  参数设置
pop = 5;               % 种群数目
Max_iter = 20;         % 迭代次数
dim = 2;               % 优化参数个数
lb = [10,   10];       % 下限
ub = [1000, 1000];     % 上限

往期精彩

MATLAB实现RBF径向基神经网络多输入多输出预测
MATLAB实现BP神经网络多输入多输出预测
MATLAB实现DNN神经网络多输入多输出预测

参考资料

[1] https://blog.csdn.net/kjm13182345320/article/details/116377961
[2] https://blog.csdn.net/kjm13182345320/article/details/127931217
[3] https://blog.csdn.net/kjm13182345320/article/details/127894261