时序预测 | MATLAB实现IWOA-BiLSTM和BiLSTM时间序列预测(改进的鲸鱼算法优化双向长短期记忆神经网络)

时序预测 | MATLAB实现IWOA-BiLSTM和BiLSTM时间序列预测(改进的鲸鱼算法优化双向长短期记忆神经网络)

预测效果

基本介绍

MATLAB实现IWOA-BiLSTM和BiLSTM时间序列预测(改进的鲸鱼算法优化双向长短期记忆神经网络)

算法的基本步骤如下：
步骤1：实验数据分为训练集和测试集．
步骤2：把BiLSTM模型中学习率、训练次数、正则化率、神经网络隐藏层单元数目作为优化对象，初始化IWOA算法．
步骤3：计算每个个体的适应度值．以各鲸鱼对应参数构建BiLSTM神经网络模型，通过训练数据进行训练，测试数据进行预测，将预测结果的平均绝对百分比误差作为各鲸鱼的适应度值．
步骤4：根据鲸鱼的适应度值确定全局最优位置和局部最优位置．
步骤5：根据WOA算法式更新A和C．
步骤6：根据WOA算法的对鲸鱼的位置进行更新；
步骤7：判断终止条件．若满足终止条件，则输出最优解；否则，返回步骤3．
步骤8：用最优参数构建BiLSTM神经网络模型并进行预测．

程序设计

• 完整程序私信博主。

%% 搭建BiLSTM模型
inputSize = 1;
numHiddenUnits = 100;
layers = [ ...sequenceInputLayer(inputSize)bilstmLayer(numHiddenUnits,'OutputMode','last')bilstmLayer(numHiddenUnits-30)bilstmLayer(numHiddenUnits-60)fullyConnectedLayer(1)regressionLayer]options = trainingOptions('adam',... 'InitialLearnRate',1e-3,...% 学习率'MiniBatchSize', 8, ...'MaxEpochs',50, ...'Plots','training-progress');[net1,info1] = trainNetwork(TF,output_train',layers,options);

参考资料

[1] Mirjalili S，Lewis A． The whale optimization algorithm［J］． Advancesin Engineering Software，2016，95( 5) : 51-67．
[2] https://blog.csdn.net/article/details/126086399?spm=1001.2014.3001.5501