多种优化算法优化LSTM——【包括：粒子群、蝙蝠、正余旋、多元宇宙、正余弦、JAYA、哈里斯鹰、萤火虫、布谷鸟、非洲秃鹫、麻雀优化、灰狼优化、蜣螂优化】（Python代码实现）

 👨‍🎓个人主页：研学社的博客     

💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

💥1 概述

📚2 运行结果

🎉3 参考文献

🌈4 Python代码实现

---

💥1 概述

多种优化算法优化LSTM（Python代码实现）

【包括：粒子群、蝙蝠、正余旋、多元宇宙、正余弦、JAYA、哈里斯鹰、萤火虫、布谷鸟、非洲秃鹫、麻雀优化、灰狼优化、蜣螂优化】

📚2 运行结果

 这里仅展现萤火虫：

trainPredict = model.predict(X_train)
testPredict = model.predict(X_test)
trainPredict = scaler.inverse_transform(trainPredict)
trainY = scaler.inverse_transform(y_train)
testPredict = scaler.inverse_transform(testPredict)
testY = scaler.inverse_transform(y_test)

testScore = math.sqrt(mean_squared_error(testY, testPredict[:, 0]))
print('RMSE %.3f ' %(testScore))
testScore = mean_absolute_error(testY, testPredict[:, 0])
print('MAE %.3f ' %(testScore))
testScore = r2_score(testY, testPredict[:, 0])
print('R2 %.3f ' %(testScore))

plt.plot(history.history['loss'])
plt.title('model loss')
plt.ylabel('loss')
plt.xlabel('epoch')
plt.show()

plt.figure(figsize=(10, 4),dpi=200)
plt.plot(range(len(train),len(dataset)),N, label="Actual", color='r',linewidth=1)
plt.plot(testPredictPlot, color='b',label='Prediction',linewidth=1,linestyle="--")
plt.title('FFA-LSTM Prediction', size=10)
plt.ylabel('AQI',size=10)
plt.xlabel('time/day',size=10)
plt.legend()
plt.show()

🎉3 参考文献

部分理论来源于网络，如有侵权请联系删除。

🌈4 Python代码实现