【BP预测】基于Tent混沌映射改进的麻雀搜索算法SSA优化BP神经网络回归预测附matlab代码

1 简介

针对目前农村公路造价估算存在的问题,结合神经网络和麻雀搜索算法各自的特点,提出了一种基于改进型麻雀搜索算法优化BP神经网络(improved sparrow search agorithm optimized BP neural network,Tent-SSA-BP)的模型,对公路造价进行预测.为提高预测算法的搜索和跳出局部最优的能力,在标准麻雀搜索算法(sparrow search algorithm,SSA)中借助混沌的思想,使加入者以一定的概率向发现者靠近,缩短了算法的运行时间,保证了全局收敛和种群的多样性.最后将算法模型与BP神经网络模型和麻雀搜索算法优化BP神经网络(sparrow search algorithm BP,SSA-BP)模型进行对比,使用三种评价指标对三种算法模型进行评价,结果表明的tent-SSA-BP模型能够及时准确的公路数据进行预测,ISSA-BP模型的均方误差(MSE),平均绝对误差(MAE)和决定系数(R2)分别为2.511E-11,1.969E-06和0.99989.​

2 部分代码

function [fMin , bestX, Convergence_curve] = SSA(X, N, M, c, d, dim, fobj)

P_percent = 0.2;    % 发现者的种群规模占总种群规模的百分比

pNum = round(N*P_percent);    % 发现者数量20%

SD = pNum/2;      % 警戒者数量10%

ST = 0.8;           % 安全阈值

lb = c.*ones(1, dim);     % 下限

ub = d.*ones(1,dim);    % 上限

% 初始化

for i = 1:N

%     X(i, :) = lb + (ub - lb) .* rand(1, dim);