关于BP神经网络预测
本帖最后由 hanyunxiang 于 2010-5-25 17:03 编辑关于BP神经网络预测
注：里面的笑脸代表冒号（不知道会出现笑脸）
关于BP时间序列预测
程序中x是已知的运输量数值（2000年-2009年），以4个数据为一组，前三个数据作为输入，第四个作为输出，共分7组，前六组训练，隐层节点为7，最后一组检验：
x=[13369.2 14873.7 17137.3 17432.5 24193.5 28435.1....
33197.3 38758.6 40576.2 48606.3];
X(1,:)=(x(1,:)-min(x(1,:)))/(max(x(1,:))-min(x(1,:)));（归一化）
for i=1:7
X1(i,:)=;
end
X2=(X1(:,1:3))';
T2=(X1(:,4))';
X3=X2(:,1:6);
T3=T2(:,1:6);
net=newff(minmax(X3),,{'logsig','tansig'},'trainlm');
net.trainParam.epochs=1000;
net.trainParam.goal=0.000001;
LP.lr=0.1;
net=train(net,X3,T3);
y1=sim(net,X3);
以下是检验：
x_test=X2(:,7);
y_test=sim(net,x_test)
Y_test=y_test*(max(x(1,:))-min(x(1,:)))+min(x(1,:))（反归一化）
检验效果还不错；
但运用以下命令在预测2010年运输量时，向量yc1为2007、2008、2009年运输量归一化的数值；
为什么反归一化输出和2009年数值一样，怎么回事呢？？？初学者盼解答？？
yc1=';
jg1_test=sim(net,yc1(:,1))
Jg1_test=jg1_test*(max(x(1,:))-min(x(1,:)))+min(x(1,:))（反归一化）
感谢楼主，很不错的说。。。。。 y1=sim(net,X3); X3不是你的训练数据吗，前面的网络是根据X3和目标输出来训练的，结果你又把X3作为最后的网络输出，结果肯定是目标输出啊（已知的2009的值）与归不归一没有关系。 这是什么啊？楼主 改改参数应该就不一样了，神经网络的结果就是有点蛋疼…… {:3_48:}{:3_48:} {:3_41:}{:3_41:} {:3_64:}{:3_64:}
页:
[1]
2