程序为MSGWO-LSTM、GWO-LSTM、LSTM、BP神经网络在序列数据上的预测对比。

同时包括MSGWO的函数测试，测试性能优越

仅售程序

完整理论在GZH：KAU的云实验台

本期文章将介绍LSTM的原理及其优化实现

序列数据有一个特点，即“没有曾经的过去则不存在当前的现状”，这类数据以时间为纽带，将无数个历史事件串联，构成了当前状态，这种时间构筑起来的事件前后依赖关系称其为时间依赖，利用这类依赖关系进行建模是对其进行学习的关键。

近年来，越来越多的神经网络模型被用于序列数据的预测，如股票、电力负荷、风电功率、心电信号等场景，并取得了不错的效果。