【回声状态网络ESN预测】基于粒子群优化回声状态网络ESN实现数据预测附matlab代码

1 简介

回声状态网络因其结构简单、收敛速度快等优点(Echo State Network, ESN)时间序列预测已广泛应用于预测.针对回声状态网络中随机生成权值矩阵不适用于特定时间序列的问题，本文提出利用粒子群优化算法优化回声状态网络的随机权值..实验结果表明，本文提出的方法可以进一步提高回声状态网络对时间序列的预测精度.

2 部分代码

function MGS = createmg(LEN, SUBS, ALPHA, BETA, GAMA, TAU, INITDUMMY)% create Mackey-GLass time series% LEN   - sequence length% SUBS  - subsampling% ALPHA, BETA, GAMA, TAU - Mackey-GLass time series parameters% INITDUMMY - initial steps to supress (subsampling not taken into account)% set default valuesif nargin < 2, SUBS = 10; end;if nargin < 3, ALPHA = 0.2; end;if nargin < 4, BETA = 10; end;if nargin < 5, GAMA = 0.1; end;if nargin < 6, TAU = 17; end;if nargin < 7, INITDUMMY = 1000; end;% set positionsstart = SUBS * TAU   1;stop  = SUBS * (INITDUMMY   TAU   LEN   1);delay = SUBS * TAU;% preallocate array and set up initial conditionsS = zeros(1,  stop);S(start) = 1;% create Mackey-Glass time seriesfor SI=(start:stop-1),    NOM1 = ALPHA * S(SI-delay);    DEN1 = 1   S(SI-delay)^BETA;    S(SI 1) = S(SI)   (NOM1 / DEN1 - GAMA * S(SI)) / SUBS;end;% remove dummy steps and take samples into output sequenceS(1:SUBS * (INITDUMMY   TAU)) = [];MGS = S(1:SUBS:SUBS*LEN);

3 仿真结果

4 参考文献

[1]张亚楠， 赵丽娜. 基于改进粒子群算法优化回声状态网络的时间序列预测[J]. 计算机科学与应用， 2021, 11(8):10.

博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等领域Matlab仿真，相关matlab私信可以交换代码问题。

如些理论引用网络文献，如有侵权联系博主删除。