0 引言
? ? ? ? 基于LSTM进行时间序列预测方法简单有效。LSTM的出现为时间序列预测提供了一个新的研究方向。然而，与大部分网络模型一样，LSTM效果受其超参数设置的影响。为此，本文采用HHO/GTO/EO/SCA/BOA/WOA/HBA/PSOBOA/HPSOBOA等9种优化算法分别优化LSTM网络超参数，建立优化的LSTM模型?, ?实例验证表明 , 优化后的LSTM 模型相较于未优化模型的预测效果明显提高。
1 原理
1.1 LSTM原理
? ? ? ? 该处不做过多 介绍！
1.2 9种优化算法
? ? ? ?①哈里斯霍克优化HHO算法
? ? ? ?②人工大猩猩群体优化器GTO算法
? ? ? ?③平衡优化器EO算法
? ? ? ?④正余弦SCA算法
? ? ? ?⑤蝴蝶优化BOA算法
? ? ? ?⑥鲸鱼优化WOA算法
? ? ? ?⑦混合蝙蝠HBA算法
? ? ? ?⑧粒子群混合蝴蝶优化PSOBOA算法
? ? ? ?⑨混沌粒子群混合蝴蝶优化HPSOBOA算法
? ? ? ? 各算法具体原理请参考相关文献说明，此处不做介绍！
?1.3 优化LSTM原理
? ? ? ? 以最小化LSTM网络的误差为适应度函数，优化算法的作用就是尽量去找一组最优超参数使得网络误差最小化。本文中LSTM的主要几个超参数分别是：学习率lr，batchsize，训练次数K，两个隐含层的节点数L1和L2。
?
2 代码实现
? ? ? ? 基于MATLAB2020b，进行模型搭建与优化。数据结构为时间序列，我们采用前n个时刻的值为输入，n+1时刻?的值为输出这样来进行滚动建模。
2.1 LSTM结果
2.2 优化后LSTM结果
? ? ? ? 由于是最小化网络误差，因此适应度曲线是一条下降的曲线。图1-9分别为各优化算法的寻优结果。
图1? 哈里斯霍克优化HHO算法
? ? ? ?图2? 人工大猩猩群体优化器GTO算法
? ? ? ?图3? 平衡优化器EO算法
? ? ? ?图4? ?正余弦SCA算法
图5? ?蝴蝶优化BOA算法
图6? ?鲸鱼优化WOA算法
??
图7? ? 混合蝙蝠HBA算法
? ? ? ?图8? ?粒子群混合蝴蝶优化PSOBOA算法
? ? ? ?图9? ?混沌粒子群混合蝴蝶优化HPSOBOA算法
3 结论
? ? ? ? 从以上分析可以看出，优化后的LSTM具有更好的精度。