基于Tent混沌映射改进的麻雀搜索算法SSA优化BP神经网络预测

1 普通BP网络

代码如有需要，联系 596520206
%构建网络net=newff(inputn,outputn,hiddennum);% 网络参数net.trainParam.epochs=100;         % 训练次数net.trainParam.lr=0.01;                   % 学习速率net.trainParam.goal=0.0001;        % 训练目标最小误差% 网络训练net=train(net,inputn,outputn);an0=sim(net,inputn);  %仿真结果mse0=mse(outputn,an0);  %仿真的均方误差disp(['隐含层节点数为',num2str(hiddennum),'时，训练集的均方误差为：',num2str(mse0)])隐含层节点的确定过程...
隐含层节点数为4时，训练集的均方误差为：0.18502
隐含层节点数为5时，训练集的均方误差为：0.25439
隐含层节点数为6时，训练集的均方误差为：0.15501
隐含层节点数为7时，训练集的均方误差为：0.33841
隐含层节点数为8时，训练集的均方误差为：0.18279
隐含层节点数为9时，训练集的均方误差为：0.23381
隐含层节点数为10时，训练集的均方误差为：0.15169
隐含层节点数为11时，训练集的均方误差为：0.16844
隐含层节点数为12时，训练集的均方误差为：0.5154
隐含层节点数为13时，训练集的均方误差为：0.35645
最佳的隐含层节点数为：10，相应的均方误差为：0.15169标准的BP神经网络：
平均绝对误差mae为：              0.10768
均方误差mse为：                    0.03105
均方误差根rmse为：                0.17621
平均绝对百分比误差mape为：   11.9947 %

2 使用Tent-SSA优化网络

%% Tent混沌映射初始化种群位置
k=3;   %k为1到n的正整数，Tent映射初始化k*popsize个种群，从中选出适应度最好的popsize个个体作为初始种群
X0 = tentInitialization(popsize*k,dim,ub,lb);
X=X0;% 计算初始适应度值
fit = zeros(1,popsize*k);
for i = 1:popsize*kfit(i) =  fitness(X(i,:),inputnum,hiddennum_best,outputnum,net,inputn,outputn,output_train,inputn_test,outputps,output_test);
end
平均绝对误差mae为：              0.074413
均方误差mse为：                    0.012718
均方误差根rmse为：                0.11278
平均绝对百分比误差mape为：   8.7977 %