【MATLAB项目实战】：基于WOA和LSTM的化工过程故障诊断模型

%---Output----------------------------------------------------------- % sFeat : 特征选择 (instances x features) % Sf : 特征索引 % Nf : 特征数量 % curve : 适应度曲线 %-------------------------------------------------------------------- clc, clear, close; % 数据集处理 load data\d01.dat; load data\d02.dat; load data\d03.dat; feat=[d01;d02;d03]; y1=ones(length(d01),1); y2=2*ones(length(d02),1); y3=3*ones(length(d03),1); label=[y1;y2;y3]; % 20% 用于验证集 ho = 0.2; % HO = cvpartition(label,'HoldOut',ho); % 设置参数 N = 3; max_Iter = 100; % WOA [sFeat,Sf,Nf,curve] = jWOA(feat,label,N,max_Iter,HO); % 绘制曲线 plot(1:max_Iter,curve); xlabel('迭代次数'); ylabel('适应度'); title('WOA 曲线'); grid on; % 划分训练集测试集 [XTrain,YTrain, XTest,YTest] = split_train_test(sFeat, label, 3, 0.8); % 定义 LSTM 网络架构。 % 将输入大小指定为序列大小 28（输入数据的维度）。 % 指定具有 100 个隐含单元的双向 LSTM 层，并输出序列的最后一个元素 % 最后，通过包含大小为 3 的全连接层，后跟 softmax 层和分类层，来指定3个类。 [m,n]=size(sFeat); inputSize = 1; numHiddenUnits = 100; numClasses = 3; layers = [ ... sequenceInputLayer(inputSize) lstmLayer(numHiddenUnits,'OutputMode','last') fullyConnectedLayer(numClasses) softmaxLayer classificationLayer] % 现在，指定训练选项。指定求解器为 'adam'，梯度阈值为 1，最大轮数为 100。 % 选择 64 作为小批量大小。 % 将序列长度指定为 'longest'。要确保数据保持按序列长度排序的状态，请指定从不打乱数据。 maxEpochs = 100; miniBatchSize = 1000; options = trainingOptions('adam', ... 'ExecutionEnvironment','cpu', ... 'GradientThreshold',1, ... 'InitialLearnRate',0.001, ... 'MaxEpochs',maxEpochs, ... 'MiniBatchSize',miniBatchSize, ... 'Verbose',1, ... 'Plots','training-progress'); for i=1:length(XTrain) X_Train{:,i}=XTrain(i,:); end % 训练 LSTM 网络 % 使用 trainNetwork 以指定的训练选项训练 LSTM 网络。 net = trainNetwork(X_Train,categorical(YTrain),layers,options); % 测试 for i=1:length(XTest) X_Test{:,i}=XTest(i,:); end YPred = classify(net,X_Test); % 计算预测值的分类准确度。 acc = sum(YPred == categorical(YTest))./numel(YTest) figure confusionchart(YPred,categorical(YTest)) title('混淆矩阵')