麻雀优化算法SSA优化广义神经网络GRNN在单输入单输出时间序列拟合预测建模中
的应用
时间序列预测这玩意儿总让新手发懵，传统方法要么调参麻烦要么预测效果玄学。今儿咱们玩点刺
激的——用麻雀优化算法给广义神经网络调参，直接在Matlab里搞单输入单输出的预测模型。不说废话，先
上硬货！
先看核心代码结构：
```matlab
% 主程序入口
data = xlsread('你的数据集.xlsx'); % 这里换成自己的时序数据
[trainData, testData] = splitData(data, 0.8); % 8成训练
% SSA参数配置
ssa_params.N = 20; % 麻雀种群数量
ssa_params.T = 50; % 迭代次数
ssa_params.dim = 1; % 优化参数维度（GRNN的平滑因子）
% 运行优化
[best_param, convergence_curve] = SSA(@(x)fitness_func(x,trainData), ssa_params);
% 构建优化后的GRNN
net = newgrnn(trainData(:,1)', trainData(:,2)', best_param);
% 预测与可视化
pred = sim(net, testData(:,1)');
plotResults(testData(:,2), pred);
```
重点来了！麻雀算法在代码里怎么折腾？看这段适应度函数：
```matlab
function rmse = fitness_func(param, data)
try
net = newgrnn(data(:,1)', data(:,2)', param); % 临时网络
pred = sim(net, data(:,1)'); % 回代预测
rmse = sqrt(mean((pred - data(:,2)').^2)); % 计算误差
