时序预测 | Matlab实现BO-LSSVM贝叶斯算法优化最小二乘支持向量机时间序列预测-Toy模板网

这篇具有很好参考价值的文章主要介绍了时序预测 | Matlab实现BO-LSSVM贝叶斯算法优化最小二乘支持向量机时间序列预测。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

时序预测 | Matlab实现BO-LSSVM贝叶斯算法优化最小二乘支持向量机时间序列预测

预测效果

时序预测 | Matlab实现BO-LSSVM贝叶斯算法优化最小二乘支持向量机时间序列预测,时序预测,BO-LSSVM,最小二乘支持向量机,时间序列预测,贝叶斯算法优化

基本介绍

Matlab实现BO-LSSVM贝叶斯算法优化最小二乘支持向量机时间序列预测（完整源码和数据)
1.data为数据集，单列时间序列数据，excel数据，方便替换。
2.main.m为程序主文件，其余为函数文件无需运行。
3.命令窗口输出MAE、MAPE、RMSE和R2，可在下载区获取数据和程序内容。
4.贝叶斯算法最小二乘支持向量机,优化RBF 核函数gam和sig。
注意程序和数据放在一个文件夹，运行环境为Matlab2020及以上.
代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。

时序预测 | Matlab实现BO-LSSVM贝叶斯算法优化最小二乘支持向量机时间序列预测,时序预测,BO-LSSVM,最小二乘支持向量机,时间序列预测,贝叶斯算法优化

程序设计

完整源码和数据获取方式资源出下载Matlab实现BO-LSSVM贝叶斯算法优化最小二乘支持向量机时间序列预测。

% 训练集和测试集划分
outdim = 1;                                  % 最后一列为输出
num_size = 0.7;                              % 训练集占数据集比例
num_train_s = round(num_size * num_samples); % 训练集样本个数
f_ = size(res, 2) - outdim;                  % 输入特征维度


P_train = res(1: num_train_s, 1: f_)';
T_train = res(1: num_train_s, f_ + 1: end)';
M = size(P_train, 2);

P_test = res(num_train_s + 1: end, 1: f_)';
T_test = res(num_train_s + 1: end, f_ + 1: end)';
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);
%%  相关指标计算
%  R2
R1 = 1 - norm(T_train - T_sim1)^2 / norm(T_train - mean(T_train))^2;
R2 = 1 - norm(T_test -  T_sim2)^2 / norm(T_test -  mean(T_test ))^2;

disp(['训练集数据的R2为：', num2str(R1)])
disp(['测试集数据的R2为：', num2str(R2)])

%  MAE
mae1 = sum(abs(T_sim1 - T_train)) ./ M ;
mae2 = sum(abs(T_sim2 - T_test )) ./ N ;

disp(['训练集数据的MAE为：', num2str(mae1)])
disp(['测试集数据的MAE为：', num2str(mae2)])

%  MAPE
maep1 = sum(abs(T_sim1 - T_train)./T_train) ./ M ;
maep2 = sum(abs(T_sim2 - T_test )./T_test) ./ N ;

disp(['训练集数据的MAPE为：', num2str(maep1)])
disp(['测试集数据的MAPE为：', num2str(maep2)])

%  RMSE
RMSE1 = sqrt(sumsqr(T_sim1 - T_train)/M);
RMSE2 = sqrt(sumsqr(T_sim2 - T_test)/N);

disp(['训练集数据的RMSE为：', num2str(RMSE1)])
disp(['测试集数据的RMSE为：', num2str(RMSE2)])

参考资料

[1] https://blog.csdn.net/kjm13182345320/article/details/128577926?spm=1001.2014.3001.5501
[2] https://blog.csdn.net/kjm13182345320/article/details/128573597?spm=1001.2014.3001.5501文章来源地址https://www.toymoban.com/news/detail-834008.html

到了这里，关于时序预测 | Matlab实现BO-LSSVM贝叶斯算法优化最小二乘支持向量机时间序列预测的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！