企业官网建设流程全解析

餐饮网站建设策划书,网站上截小屏幕 怎么做,专业的深圳网站建设,微信公众号免费导入wordpressHHO哈里斯鹰算法优化BP神经网络#xff08;HHO-BPNN#xff09;回归预测MATLAB代码#xff08;有优化前后的对比#xff09; 代码注释清楚。 main为运行主程序#xff0c;可以读取本地EXCEL数据。 很方便#xff0c;容易上手。 #xff08;以电厂运行数据为例#xf…HHO哈里斯鹰算法优化BP神经网络HHO-BPNN回归预测MATLAB代码有优化前后的对比 代码注释清楚。 main为运行主程序可以读取本地EXCEL数据。 很方便容易上手。 以电厂运行数据为例 温馨提示联系请考虑是否需要程序代码商品一经售出概不退换。咱们先看数据加载这块。MATLAB读取Excel确实方便关键是要处理好归一化data xlsread(plant_data.xlsx); input data(:,1:6); % 六个特征炉膛温度/蒸汽压力... output data(:,7); % 目标值锅炉热效率 % 归一化直接上mapminmax [inputn, inputps] mapminmax(input); [outputn, outputps] mapminmax(output);这里有个坑工业数据经常有异常值建议预处理时加个3σ原则过滤。我之前测试时发现某列蒸汽流量数据有十几个超范围的点直接喂给网络会带偏权重。传统BPNN的初始化大家应该都熟重点在HHO怎么改权重% HHO参数设置 pop_size 30; % 鹰群数量 max_iter 50; % 别设太大实测50代足够收敛 dim inputnum*hiddennum hiddennum hiddennum*outputnum outputnum; % 权阈值总维度 % 初始化鹰群位置就是随机权阈值 positions lb (ub - lb).*rand(pop_size, dim);这个dim计算是关键假设输入层6节点、隐层10节点、输出1节点那么总参数量是61010101181个需要优化的参数。HHO就是在81维空间里找最优解比手动调参科学多了。来看看HHO的核心迭代逻辑for t1:max_iter % 猎物能量计算 E1 2*(1 - (t/max_iter)); E 2*E1*(rand()-0.5); % 随机扰动 for i1:pop_size % 适应度计算就是BPNN的预测误差 [fitness, net] BPNN_fitness(positions(i,:), inputn, outputn); % 四种围捕策略 if abs(E) 1 % 全局探索阶段 if rand()0.5 positions(i,:) best_pos - rand()*abs(best_pos - 2*rand()*positions(i,:)); else positions(i,:) (best_pos - mean_pos) - rand()*(ub - lb)*rand() lb; end else % 局部开发阶段 q rand(); if q 0.5 abs(E)0.5 positions(i,:) best_pos - E*abs(best_pos - positions(i,:)); elseif q 0.5 abs(E)0.5 positions(i,:) best_pos - rand()*abs(best_pos - positions(i,:)) randn()*0.01; end end end end这里有个小技巧每次迭代时其实都在训练一个BPNN所以把net对象也返回了后面直接拿最优net做预测省得重新初始化。优化前后对比看几个硬指标指标原始BPNNHHO-BPNNMAPE8.72%5.13%训练时间(s)12.428.7迭代次数18650虽然训练时间翻倍但预测精度提升明显且HHO的50代迭代远少于BP自己折腾的次数。实际工程中宁可多花点时间训练也要保证上线后的预测准度。最后预测阶段记得反归一化% 用优化后的权阈值重建网络 net newff(inputn, outputn, hiddennum); net configure(net, inputn, outputn); net.iw{1,1} reshape(best_weights(1:inputnum*hiddennum),... hiddennum, inputnum); % ...其他权阈值赋值略 % 预测并还原量纲 predn sim(net, test_inputn); pred mapminmax(reverse, predn, outputps);实测某电厂数据预测热效率HHO-BPNN的波动明显小于传统方法。不过要注意如果输入特征间存在强多重共线性建议先做PCA处理否则容易过拟合。需要完整代码的同行注意看数据接口部分Excel里前6列是特征第7列是输出值。运行main.m会自动划分训练集测试集默认7:3想改比例的直接搜divid函数那里改参数。