基于BiLSTM的回归预测方法

0、前言

        采用BiLSTM算法实现回归预测，并对BiLSTM的学习率，迭代次数，batchs ize，和各层节点数进行优化。

1、BiLSTM原理

        请参考大佬的模型讲解，本文不再赘述，请点击原理

 2、性能影响参数

        神经网络的学习性能都会受学习率，迭代次数，batchs ize，和各层节点数的影响。合理设置参数才能取得较为理想的结果。可以采用优化算法进行参数寻优替代经验设置的局限性。

        下图是直接依据经验设置参数后的预测结果

 性能指标：

根均方差(RMSE)：7.8549
平均绝对误差（MAE）：6.1429
平均相对百分误差（MAPE）：1.3486%
R平方决定系数（R2）：0.79258
纳什系数（NSE）：0.78745

        采用麻雀优化算法对BiLSTM的学习率，迭代次数，batchs ize，和各层节点数进行优化，结果如下：

 SSA-BiLSTM
根均方差(RMSE)：5.6401
平均绝对误差（MAE）：4.4521
平均相对百分误差（MAPE）：0.97865%
R平方决定系数（R2）：0.89432
纳什系数（NSE）：0.89041