基于粒子群算法优化长短期神经网络的时间序列预测，PSO-LSTM的时间序列预测，粒子群算法详细原理，LSTM原理

目录

完整代码，数据，注释下载链接：基于粒子群算法优化长短期神经网络lstm的时间序列预测,PSO-LSTM(代码完整，数据齐全)资源-CSDN文库 https://download.csdn.net/download/abc991835105/88229212
摘要
背影
改进思路
shubett测试函数
函数代码
函数图像
测试ispso算法性能
测试代码
测试效果图像
pso-lstm回归分析
代码
测试效果
分析
展望

摘要

针对基本粒子群算法容易发生早熟收敛,陷入局部最优,等缺点,提出了基于莱维飞行的改进粒子群算法.在粒子位置更新公式中,防止后期速度项对微敛速度的影响太小，粒子群飞行太忙，跳不出局部最优，,利用莱维飞行改变粒子位置移动方向,防止粒子陷入局部最优值,通过贪婪的更新评价策略.选择最优解,从而得到全局最优.实验结果表明,与基本粒子群算法,所提出的基于莱维飞行的改进粒子群算法能够有效地提高解的精度并加快收敛速度,寻优效果更优，并将其应用到lstm的参数优化上，并用改进的lstm进行客流量预测

背影

客流预测是指对未来客运交通需求量的预测。考虑经济社会发展，交通设施的建设及相关因素，预计采用某种交通方式的客运交通需求量规模，为客运交通运输规划提供科学的依据。对未来年将发生的交通总量，包括流量、流向以及在时间、空间方式上的分布所作的预估。交通分析中的重要内容，本文用莱维飞行改进的粒子群ISPSO优化LSTM进行客流量预测

基于莱维飞行的改进粒子群算法思路及测试函数shubert的检验

<