数学建模社区-数学中国

标题: BP神经网络预测遇到一个疑问，麻烦过来看看 [打印本页]
作者: 数学不烦    时间: 2013-9-8 17:22
标题: BP神经网络预测遇到一个疑问，麻烦过来看看
本帖最后由 数学不烦 于 2013-9-9 21:56 编辑 % b2 E# x# ?+ W& _, z: a7 _& z' c6 O

- ~3 K+ R) o5 y6 e9 W" t& m各位朋友，有一个问题请教你们。   我用BP神经网络做预测的时候（下面是我的代码）遇到一个问题。  首先我尝试在代码里面不把数据归一化，这样的出来的结果很差（R=0.46）.但我把数据作归一化 与 反归一化 之后 确实R提高了很多（R=0.99），这时问题就来了，请看最下面的测试结果代码，那里只有输入（没有输出，因为是预测），premnmx 归一化要有输出的变量T，但我只有输入数据，没有输出数据，因此反归一的结果（最后的预测结果）也无法做到。那么我的预测就不是做不了吗？  很纠结，查了很多资料了，还是不知道怎么解决。
& {( s0 N0 ?& Z1 @. _; G% n1 o国赛准备到了，希望热心的朋友懂的不吝赐教，我把问题写得很认真，希望各位能帮我解决这个问题，谢谢了。- `0 n5 b& i; z6 i: a

# H6 }3 c3 q  ^$ ]- }: tclear
" w1 Q* ?: H- h$ Tclc
. y. w& b6 w) t, `  Y, y%输入数据--以一列作为一个输入数据! a5 q: d# v% Y
x1=[227.5 286.9 236.3 300.6 243.0];
" p6 X5 w9 o6 v; v& X- Vx2=[286.9 236.3 300.6 243.0 354.1];
" h1 q4 ]4 f0 r" g% s- Wx3=[236.3 300.6 243.0 354.1 294.1];
* |) E' c( O; l6 rx4=[300.6 243.0 354.1 294.1 361.4];9 u$ s1 T. {. W+ P
x5=[243.0 354.1 294.1 361.4 333.7];
4 G6 z5 |5 j  n7 ^# c9 a' W+ z; `x6=[354.1 294.1 361.4 333.7 426.4];; k: @. r& h" ^) q- ]9 _$ ]. P
x7=[294.1 361.4 333.7 426.4 434.4];* i' [  ^: _( b: x' F# M
x8=[361.4 333.7 426.4 434.4 449.9];
* \) c  p5 F& `4 R- z0 g" N7 m+ yx9=[333.7 426.4 434.4 449.9 431.9];
" c# n! K% i2 A5 {" F
1 g8 y( c/ U( [P=[x1;x2;x3;x4;x5;x6;x7;x8;x9]';
: {$ H8 i& @7 _( Y' L%输出数据--以一列作为一个输出数据) g& ~( ~4 a# F2 K; e- @  y# A
y1=[354.1 294.1 361.4 333.7 426.4];
6 t+ U! n( I7 ~& P" h6 Ay2=[294.1 361.4 333.7 426.4 434.4];: q! s( o" ?9 y+ u+ h- Z0 C
y3=[361.4 333.7 426.4 434.4 449.9];
. t: I0 v. v4 h9 H3 ~4 Qy4=[333.7 426.4 434.4 449.9 431.9];5 |0 u6 n7 g# Y1 G* X
y5=[426.4 434.4 449.9 431.9 454.0];' b) k$ c; X  u2 U% U" a
y6=[434.4 449.9 431.9 454.0 655.6];/ d9 g. C4 i& }7 M1 X* o& [$ K
y7=[449.9 431.9 454.0 655.6 907.0];
- k! G1 ?  \% w2 L( k. ^7 G" Sy8=[431.9 454.0 655.6 907.0 1112.5];; s6 `6 z$ I9 `, p& y* a: m3 s
y9=[454.0 655.6 907.0 1112.5 1401.1];2 x% H* C- U2 r) F' S1 S# b9 ?

7 ~: S- d0 b! ~& Q' `T=[y1;y2;y3;y4;y5;y6;y7;y8;y9]';7 ^. s. Q6 z  j( @  K8 q

: @  C: c) P! Y. d& ~" b# \# I3 D%归一化6 }$ C. e- g6 y: u
% [P,minp,maxp,T,mint,maxt] = premnmx(P,T);
1 Y, L6 ~: [4 I/ _%建立网络% e3 }. y! _& Z% {! C
%其中[10,3]代表有一个隐含层，里面有10个神经元；“3”代表有三个输出数据& M, C1 Q& E. O0 [
%{'tansig','purelin'}与[10,3]对应，意思为隐含层 与 输出层0 N( U7 B) O- c. C, [7 r6 A
%'traingdm' 表示调整权重，缩小误差的数学函数' f) c6 _( a7 a1 o2 k9 q% o
%↓创建一个新的前向神经网络  ' T1 _/ i# O' E/ A$ H  d
net = newff(minmax(P),[6,5],{'tansig','purelin'},'traingdm')
  A, t/ p/ U% i8 Z& V; O2 Q( C4 X$ |! I; Y/ m% X3 u
%  当前输入层权值和阈值
# E. {2 `2 A1 z6 iinputWeights = net.IW(1,1)
, Q2 y) e0 s* ?; {$ q5 O& [inputbias = net.b(1), B; L7 r6 J; m

+ z3 [! H2 |+ \; G%  当前网络层权值和阈值
' z3 N: H# x! `% A1 G4 M- D3 |layerWeights = net.LW(2,1)2 o% G+ M5 L( o5 Y( e3 a
layerbias = net.b(2)# x- m0 Y* Z- q6 |/ x' j/ W/ B
7 P: C% z& q( M4 [$ @' T' g
%  设置训练参数1 H8 Z" \+ m* i9 }# W
net.trainParam.show = 50;
" z' t: f' p  k$ ]5 enet.trainParam.lr = 0.05;
& g! t9 R# V2 {5 p) Y$ @net.trainParam.mc = 0.9;; }* h3 I0 J' {8 }; D# v4 z+ b
net.trainParam.epochs = 10000;  %每计算10000次出一次结果
& T; t  ]% z4 q4 O3 xnet.trainParam.goal = 1e-6;     %期望达到的误差（认为是合适的误差）
' U- x9 K" z  R* I! J
5 P6 i4 K3 D5 z) l1 e; ^%  调用 TRAINGDM 算法训练 BP 网络# s% D  l7 y$ H- m9 i
[net,tr] = train(net,P,T);      
9 e+ f. s) A( G  l( g
$ h/ y; Z$ N; s%  对 BP 网络进行仿真1 R8 p1 _. J6 Q5 ]% c. m4 Q
A = sim(net,P);                 %A为输出结果: D$ t; X& d1 W: G7 ]0 D
- }& G6 n2 f! d2 T7 ~4 L
%反归一化
% c8 _6 k" c  t" D% f" b2 O/ d%  A = postmnmx(A,mint,maxt);
% M9 `/ e& K5 E8 {2 ^5 ^! |" @  U& k! @( h6 \7 A4 C
%  计算仿真误差  
$ C4 m% N1 L# s( X" T, t5 ~& z* U# DE = T-A;                        %原来的输出 - 训练输出 = 误差6 n( Y7 Q$ o# V# ?9 r- w
MSE = mse(E)                    %输出误差
0 P" M- L+ X1 m( _, h  p
9 O% x& c8 ?$ x! S/ V  U1 B4 i%下面是输入数据，测试结果/ V* @$ b7 L% m+ m  Z3 Z/ J
x=[454.0 655.6 907.0 1112.5 1401.1]';+ Y. q3 y! }" n3 l' d/ s- l
Y = sim(net,x)
( L' o8 I' F$ _8 O7 ~3 `
作者: magic2728    时间: 2013-9-9 13:06
要进行预测，必须有对应的新的输入量，你的在哪里？
作者: kaito1412    时间: 2013-9-9 18:51
用mapminmax可以对P,T分别归一化
作者: 狼之魂汪洋    时间: 2014-8-11 09:51
不知道你最后是怎么解决的，感觉你最后预测的时候没有把输入数据进行归一化，即要对x进行归一化，再对y进行反归一化，这是我的看法，不知道对不对



欢迎光临 数学建模社区-数学中国 (http://www.madio.net/) Powered by Discuz! X2.5