基于鲸鱼算法优化双向长短期记忆网络(WOA-BiLSTM)的时间序列预测。优化参数为学习率，隐藏层节点个数，正则化参数，要求2019及以上版本，matlab代码。评价指标包括:R2、MAE、M_基于鲸鱼优化算法的双向长短时记忆网络模型

%%  清空环境变量
warning off             % 关闭报警信息
close all               % 关闭开启的图窗
clear                   % 清空变量
clc                     % 清空命令行
tic
% restoredefaultpath

%% 导入数据
f = xlsread('windspeed.xls','Sheet1','B2:B1001');
[x,y]=data_process(f,12);   %步长为12

n=size(x,1);
m=round(n*0.7);        %前70%训练，对最后30%进行预测

P_train=x(1:m,:)';
T_train=y(1:m,:)';

P_test=x(m+1:end,:)';
T_test=y(m+1:end,:)';

f_=size(P_train, 1);                  % 输入特征维度
outdim = 1;                                  % 最后一列为输出

%%  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);
%%  划分训练集和测试集
M = size(P_train, 2);
N = size(P_test, 2);

%%  优化算法参数设置
SearchAgents_no = 6;                   % 数量
Max_iteration = 8;                    % 最大迭代次数
dim = 3;                               % 优化参数个数
lb = [1e-3, 10, 1e-4];                 % 参数取值下界(学习率，隐藏层节点，正则化系数)
ub = [1e-2, 30, 1e-1];                 % 参数取值上界(学习率，隐藏层节点，正则化系数)

fitness = @(x)fical(x,p_train,t_train,f_);

[Best_score,Best_pos,Convergence_curve]=WOA(SearchAgents_no,Max_iteration,lb ,ub,dim,fitness)
 

智能算法及其模型预测