✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，

代码获取、论文复现及科研仿真合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

更多Matlab完整代码及仿真定制内容点击👇

智能优化算法       神经网络预测       雷达通信      无线传感器        电力系统

信号处理              图像处理               路径规划       元胞自动机        无人机

🔥 内容介绍

ELMAN回归预测是一种常用的预测方法，它通过递归神经网络来对数据进行建模和预测。在实际应用中，为了提高预测精度和效率，我们通常会结合其他优化算法来对递归神经网络进行优化。本文将介绍一种基于鲸鱼算法优化递归神经网络的方法，以实现光伏回归预测。

首先，让我们简要回顾一下ELMAN回归预测和鲸鱼算法的基本原理。ELMAN回归预测是一种基于递归神经网络的预测方法，它通过将历史数据作为输入，利用神经网络的记忆能力来建立数据的动态模型，从而实现对未来数据的预测。而鲸鱼算法是一种基于鲸鱼觅食行为的启发式优化算法，它通过模拟鲸鱼觅食的过程来寻找最优解。

在本文的方法中，我们将结合鲸鱼算法和ELMAN回归预测，以实现光伏回归预测。具体而言，我们将首先利用鲸鱼算法来优化递归神经网络的参数，包括神经元的连接权重和阈值。然后，我们将利用优化后的递归神经网络来对光伏数据进行回归预测，从而实现对光伏发电量的精确预测。

为了验证我们方法的有效性，我们将在实际光伏发电数据集上进行实验。实验结果表明，我们的方法不仅能够显著提高光伏发电量的预测精度，而且能够大大减少预测所需的时间，具有很高的实用价值。

总的来说，本文提出了一种基于鲸鱼算法优化递归神经网络的方法，以实现光伏回归预测。通过实验证明，我们的方法在提高预测精度和效率方面取得了显著的成效，具有很大的应用潜力。相信随着进一步研究和实践，我们的方法将在光伏行业和其他领域得到广泛应用。

📣 部分代码

%%  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res = xlsread('数据集.xlsx');%%  划分训练集和测试集temp = randperm(357);P_train = res(temp(1: 240), 1: 12)';T_train = res(temp(1: 240), 13)';M = size(P_train, 2);P_test = res(temp(241: end), 1: 12)';T_test = res(temp(241: end), 13)';N = size(P_test, 2);%%  数据归一化[p_train, ps_input] = mapminmax(P_train, 0, 1);p_test  = mapminmax('apply', P_test, ps_input);t_train = ind2vec(T_train);t_test  = ind2vec(T_test );

⛳️ 运行结果

编辑

编辑

编辑

🔗 参考文献

[1]吴丁杰,温立书.基于鲸鱼算法优化Elman神经网络的房价预测[J].长江信息通信, 2021, 34(10):3.DOI:10.3969/j.issn.1673-1131.2021.10.004.

🎈 部分理论引用网络文献，若有侵权联系博主删除

🎁  关注我领取海量matlab电子书和数学建模资料

👇  私信完整代码、论文复现、期刊合作、论文辅导及科研仿真定制

1 各类智能优化算法改进及应用

生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化

2 机器学习和深度学习方面

卷积神经网络（CNN）、LSTM、支持向量机（SVM）、最小二乘支持向量机（LSSVM）、极限学习机（ELM）、核极限学习机（KELM）、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

2.图像处理方面

图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

3 路径规划方面

旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化

4 无人机应用方面

无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化

5 无线传感器定位及布局方面

传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化

6 信号处理方面

信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化

7 电力系统方面

微电网优化、无功优化、配电网重构、储能配置

8 元胞自动机方面

交通流 人群疏散 病毒扩散 晶体生长

9 雷达方面

卡尔曼滤波跟踪、航迹关联、航迹融合