回归预测基于matlab麻雀搜索算法优化SVM回归预测含Matlab源码 1625期

Posted 2022-01-12 紫极神光

一、麻雀算法优化SVM简介

1 SSA的基本原理
SSA算法是一种模拟麻雀觅食行为和反捕食行为的新型群体智能优化算法，其基本原理如下：
在SSA中，每只麻雀位置对应其中的一个解。麻雀在觅食过程中有3种行为：①作为发现者寻找食物；②作为加入者跟随发现者觅食；③作为警戒者决定种群是否继续觅食。其中，发现者和加入者两者的身份是动态变化的，可相互转换，但两者比例保持恒定。发现者作为种群觅食的引导者，拥有更高的适应度值，可以获得更加广阔的搜索区域。而加入者为获取更高的适应度值跟随发现者进行觅食，同时一些加入者可能会不断地监控发现者并夺取食物资源来提高自身的捕食率。种群会随机选取一部分麻雀作为警戒者进行监视和预警，这些麻雀大概占整个种群的10%～20%，当种群边缘的麻雀在觅食过程中察觉到危险时，会迅速提醒整个种群做出反捕食行为。

2 SSA-SVM预测流程

二、部分源代码

%% 清空环境变量
tic;
close all;
clear;
clc;
format compact;
%% 数据的提取和预处理

% 载入测试数据上证指数(1990.12.19-2009.08.19)
% 数据是一个4579*6的double型的矩阵,每一行表示每一天的上证指数
% 6列分别表示当天上证指数的开盘指数,指数最高值,指数最低值,收盘指数,当日交易量,当日交易额.
load chapter_sh.mat;

% 提取数据
[m,n] = size(sh);
ts = sh(2:m,1);
tsx = sh(1:m-1,:);

% 画出原始上证指数的每日开盘数
figure;
plot(ts,'LineWidth',2);
title('上证指数的每日开盘数(1990.12.20-2009.08.19)','FontSize',12);
xlabel('交易日天数(1990.12.19-2009.08.19)','FontSize',12);
ylabel('开盘数','FontSize',12);
grid on;

% 数据预处理,将原始数据进行归一化
ts = ts';
tsx = tsx';

% mapminmax为matlab自带的映射函数	
% 对ts进行归一化
[TS,TSps] = mapminmax(ts,1,2);	

% 画出原始上证指数的每日开盘数归一化后的图像
figure;
plot(TS,'LineWidth',2);
title('原始上证指数的每日开盘数归一化后的图像','FontSize',12);
xlabel('交易日天数(1990.12.19-2009.08.19)','FontSize',12);
ylabel('归一化后的开盘数','FontSize',12);
grid on;
% 对TS进行转置,以符合libsvm工具箱的数据格式要求
TS = TS';

% mapminmax为matlab自带的映射函数
% 对tsx进行归一化
[TSX,TSXps] = mapminmax(tsx,1,2);	
% 对TSX进行转置,以符合libsvm工具箱的数据格式要求
TSX = TSX';
%% 适应度函数，以回归mse作为适应度值
function [fitness] = fun(x,TS,TSX)
    cmd = ['-c ', num2str(x(1)), ' -g ', num2str(x(2)) , ' -s 3 -p 0.01'];
    model = libsvmtrain(TS,TSX,cmd);
   [predict,mse,~] = libsvmpredict(TS,TSX,model);
    if size(mse,1) == 0
        fitness = 1;
    else
        fitness = mse(2);
    end
end

三、运行结果

四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1] 包子阳,余继周,杨杉.智能优化算法及其MATLAB实例（第2版）[M].电子工业出版社，2016.
[2]张岩,吴水根.MATLAB优化算法源代码[M].清华大学出版社，2017.
[3]周品.MATLAB 神经网络设计与应用[M].清华大学出版社，2013.
[4]陈明.MATLAB神经网络原理与实例精解[M].清华大学出版社，2013.
[5]方清城.MATLAB R2016a神经网络设计与应用28个案例分析[M].清华大学出版社，2018.
[6]魏鹏飞,樊小朝,史瑞静,王维庆,程志江.基于改进麻雀搜索算法优化支持向量机的短期光伏发电功率预测[J].热力发电. 2021,50(12)