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
目录
- 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
- 程序设计
- 参考资料
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');