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
$ b8 ?4 [$ X7 x' i
; \1 o$ a) K' L1 J, x- k) K
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。
5 B& a' j, J) Z) a$ d
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。
) L& p1 T0 i1 ^+ z! y
4 u# L' E5 T- ?9 R7 Q
clear
; o+ ]$ v6 V% P( Q+ c& F6 e- x! m& f
clc
! h: s$ N; K$ M7 c* V8 @, v5 S
%输入数据--以一列作为一个输入数据
- f4 Y& T" M+ ~/ H0 U
x1=[227.5 286.9 236.3 300.6 243.0];
0 j! S& {3 [. \, n) L
x2=[286.9 236.3 300.6 243.0 354.1];
: r6 T5 M" j1 Q+ x4 F
x3=[236.3 300.6 243.0 354.1 294.1];
/ D8 j% x0 | L* q, y8 h$ M3 ~9 L4 \8 `0 @
x4=[300.6 243.0 354.1 294.1 361.4];
/ S$ f) L' i1 C: {6 u% ]/ h
x5=[243.0 354.1 294.1 361.4 333.7];
2 u" d4 `1 | I2 X/ ~
x6=[354.1 294.1 361.4 333.7 426.4];
1 z1 ^5 r8 E( M5 X. t
x7=[294.1 361.4 333.7 426.4 434.4];
9 K% |4 X' t) l- ^8 j
x8=[361.4 333.7 426.4 434.4 449.9];
0 W4 S, S2 x! w- G6 _7 a! m; e
x9=[333.7 426.4 434.4 449.9 431.9];
" o: d. I( S' E N+ _. h- i Z1 |1 v
# m i; C! h8 }
P=[x1;x2;x3;x4;x5;x6;x7;x8;x9]';
% \. ^+ O/ Q5 y8 k( \
%输出数据--以一列作为一个输出数据
- x. d/ n1 H9 N/ \
y1=[354.1 294.1 361.4 333.7 426.4];
1 |0 I+ |) D# P- \( S$ b. L7 f3 N
y2=[294.1 361.4 333.7 426.4 434.4];
" {2 e' b9 J4 g& e0 I, k2 ^
y3=[361.4 333.7 426.4 434.4 449.9];
5 ~7 |- n4 a+ X- [3 U, c& ?6 Z
y4=[333.7 426.4 434.4 449.9 431.9];
' `5 k3 u5 c a v7 p q4 h
y5=[426.4 434.4 449.9 431.9 454.0];
; r& z& b& c* w' l/ T
y6=[434.4 449.9 431.9 454.0 655.6];
: E4 O" O) @/ q+ r3 S0 N, U9 G$ v
y7=[449.9 431.9 454.0 655.6 907.0];
' j& f5 v0 E1 K7 |
y8=[431.9 454.0 655.6 907.0 1112.5];
0 b2 R6 M% L1 Q$ D7 y
y9=[454.0 655.6 907.0 1112.5 1401.1];
4 c2 N1 F3 O, k z w* K
5 F7 N: Z, g9 _+ T' Z( X+ l
T=[y1;y2;y3;y4;y5;y6;y7;y8;y9]';
/ n6 o' @+ c# l; ]9 q$ o
/ w+ [( j) ~- m. E, L
%归一化
# @ Z& T# r( m1 M
% [P,minp,maxp,T,mint,maxt] = premnmx(P,T);
# Z, h% Y% M3 ~: s3 j+ X- j+ q4 J
%建立网络
' ?+ j6 v2 Y# A" E8 k( T$ o' I6 ?
%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
- P8 n9 y$ s% F1 S1 }
%{'tansig','purelin'}与[10,3]对应，意思为隐含层 与 输出层
2 h! G4 e H" S7 l* ^
%'traingdm' 表示调整权重，缩小误差的数学函数
+ b& y r T1 m* Z0 |
%↓创建一个新的前向神经网络
A* U b( I* |7 o5 b
net = newff(minmax(P),[6,5],{'tansig','purelin'},'traingdm')
9 ?( U0 f0 l+ V( f
# \8 u* n$ b: F( J! I, _
% 当前输入层权值和阈值
2 \9 e8 A. w8 L9 |
inputWeights = net.IW(1,1)
3 ]3 r/ D8 m6 u2 M
inputbias = net.b(1)
! T2 [) Y R" o* c2 K
* [: a! A# D7 o3 Z1 V
% 当前网络层权值和阈值
; {' I; z* m0 @! w" v: U# m4 Q
layerWeights = net.LW(2,1)
t# N# f# |& G; X8 g
layerbias = net.b(2)
4 v0 p7 h0 L2 f6 ?8 O. [+ [6 d& S
( B: V7 x8 P( b& _
% 设置训练参数
# J9 x" A( s9 U3 |0 E
net.trainParam.show = 50;
6 o5 b/ o* x' }9 b! T
net.trainParam.lr = 0.05;
3 D! ^' a: t( W2 X6 \1 T: {
net.trainParam.mc = 0.9;
, s9 h, ~9 e2 W* q& q- D- ~
net.trainParam.epochs = 10000; %每计算10000次出一次结果
1 @7 F' h% g" G% B7 Z6 `) @& n: q
net.trainParam.goal = 1e-6; %期望达到的误差（认为是合适的误差）
$ Q# n/ Y; L" P1 e1 `
/ D5 l& Z( |% K# \( E4 t; n
% 调用 TRAINGDM 算法训练 BP 网络
6 r: }8 L6 d9 a4 e* O" u
[net,tr] = train(net,P,T);
( e* s) Q) H! E5 Q( B# J: l& A! N
' Y' x! n% i6 m: V2 v
% 对 BP 网络进行仿真
* y9 D5 N. J' ]
A = sim(net,P); %A为输出结果
# l( Q/ R$ ~# [
, B" ~$ |' B: y- X
%反归一化
8 x9 q6 {7 y. Y; ]
% A = postmnmx(A,mint,maxt);
% R- U7 y0 e: X4 n+ X: b
) w/ W' ` i. L4 X; E& X
% 计算仿真误差
- E; O$ ~: p1 b3 {# _5 ]4 v: e; ?
E = T-A; %原来的输出 - 训练输出 = 误差
/ t1 Z) q2 j- N0 i1 q
MSE = mse(E) %输出误差
5 Z+ e0 v$ z$ l
3 f6 N+ [! J" {5 n% d
%下面是输入数据，测试结果
4 O" F d0 E! G) k1 h) p7 s
x=[454.0 655.6 907.0 1112.5 1401.1]';
+ w$ e3 M8 T+ L& X
Y = sim(net,x)
% l6 R* o% @, k( Q2 m2 I, F! \% d
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