%%  清空环境变量 warning off             % 关闭报警信息 close all               % 关闭开启的图窗 clear                   % 清空变量 clc                     % 清空命令行

%% 导入数据 % 训练集— P_train = xlsread('data','training set','B2：G191')'; T_train= xlsread('data','training set','H2：H191')'; % 测试集——44个样本 P_test=xlsread('data','test set','B2:G45')'; T_test=xlsread('data','test set','H2:H45')';

M = size(P_train,2); % 测试集—200个 N = size(T_test,2); outdim = 1;                                  % 最后一列为输出 f_ = size(P_train,1);                  % 输入特征维度 %%  数据归一化 [P_train, ps_input] = mapminmax(P_train, 0, 1); P_test = mapminmax('apply', P_test, ps_input);

[t_train, ps_output] = mapminmax(T_train, 0, 1); t_test = mapminmax('apply', T_test, ps_output);%%  数据平铺 %   将数据平铺成1维数据只是一种处理方式 %   也可以平铺成2维数据，以及3维数据，需要修改对应模型结构 %   但是应该始终和输入层数据结构保持一致 P_train =  double(reshape(P_train, f_, 1, 1, M)); P_test  =  double(reshape(P_test , f_, 1, 1, N));

t_train = t_train'; t_test  = t_test' ;

%%  数据格式转换 for i = 1 : M     p_train{i, 1} = P_train(:, :, 1, i); end

for i = 1 : N     p_test{i, 1}  = P_test( :, :, 1, i); end

智能算法及其模型预测