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
) C8 _) F( W, I! [; R
1 o- X. w1 X% p
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。
, |' Z- w& h \. S
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。
# G; T6 ~. t3 z9 q
9 z0 j; x/ A. V: w0 J
clear
1 s% [& e R+ Y. {3 L# P
clc
1 D+ H/ q! D% U( D5 R" P! c9 |5 i
%输入数据--以一列作为一个输入数据
3 j: A' D( |5 k; J0 B& r
x1=[227.5 286.9 236.3 300.6 243.0];
1 y. z& N# F4 w4 v- ~' k6 {
x2=[286.9 236.3 300.6 243.0 354.1];
/ j5 Z# b" i0 m5 v$ y# a1 |
x3=[236.3 300.6 243.0 354.1 294.1];
8 ]% x6 ^* N: X" x: r
x4=[300.6 243.0 354.1 294.1 361.4];
! ~% m; z7 n( f, P& D3 D
x5=[243.0 354.1 294.1 361.4 333.7];
* C* n, {7 t# v5 g6 e* N! [
x6=[354.1 294.1 361.4 333.7 426.4];
1 {# o% p# s1 n6 R; {
x7=[294.1 361.4 333.7 426.4 434.4];
8 y4 G/ G+ w g8 p& A
x8=[361.4 333.7 426.4 434.4 449.9];
) f9 ?2 ?( O# {" q3 O
x9=[333.7 426.4 434.4 449.9 431.9];
. b) u1 p' j9 h1 v( o
% r9 ]6 a5 ^3 a0 `% b' z0 k
P=[x1;x2;x3;x4;x5;x6;x7;x8;x9]';
" k9 T) }& G+ q7 W
%输出数据--以一列作为一个输出数据
( K8 Z) T5 Y( ~4 Y
y1=[354.1 294.1 361.4 333.7 426.4];
6 E+ P" F4 y+ _+ X; i
y2=[294.1 361.4 333.7 426.4 434.4];
. C: f' ^0 N3 {+ Q" s# _
y3=[361.4 333.7 426.4 434.4 449.9];
/ J- H( e3 e% b& d
y4=[333.7 426.4 434.4 449.9 431.9];
( c( @6 b1 y/ V) E% W' K2 P
y5=[426.4 434.4 449.9 431.9 454.0];
' C% ? {2 N f$ G
y6=[434.4 449.9 431.9 454.0 655.6];
! K. L6 Y9 B; V. i
y7=[449.9 431.9 454.0 655.6 907.0];
1 _% J* S; Y- Z u7 I
y8=[431.9 454.0 655.6 907.0 1112.5];
1 B- L8 o. p7 u9 A: {* O N* S
y9=[454.0 655.6 907.0 1112.5 1401.1];
2 \/ q% M+ B7 O
; Q# a6 T) z& K) @ a
T=[y1;y2;y3;y4;y5;y6;y7;y8;y9]';
# T3 F, O0 W: Y& s4 O
# o8 J7 {$ d9 N. ?' ]6 q
%归一化
2 ?9 y$ J7 [ Z1 F1 `3 n; q" v
% [P,minp,maxp,T,mint,maxt] = premnmx(P,T);
/ Q0 X5 I, x" @ `& G
%建立网络
# ]7 `: S8 j- R7 \' D4 I0 v( J9 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
8 S: e3 W y& G. q: H( n9 x
%{'tansig','purelin'}与[10,3]对应，意思为隐含层 与 输出层
5 A4 {; P; M$ T- }
%'traingdm' 表示调整权重，缩小误差的数学函数
) G: }1 U3 P/ P* L
%↓创建一个新的前向神经网络
* z( b5 B: k) Y# n
net = newff(minmax(P),[6,5],{'tansig','purelin'},'traingdm')
. U& C) b% X* Y( X7 D
* V1 H; T; |( O9 Q2 A! [" N5 j3 H
% 当前输入层权值和阈值
9 m" M/ T6 g T8 d' X9 ]& W
inputWeights = net.IW(1,1)
) _& s2 Y1 n, M
inputbias = net.b(1)
1 _( J9 @4 G$ ^( J4 j/ l- U4 k
Z4 x4 t$ @4 ]) _* I2 M/ ]
% 当前网络层权值和阈值
( b1 |* B" t( _% ^! @- E" Y
layerWeights = net.LW(2,1)
8 `/ U6 z* k( ?# v
layerbias = net.b(2)
6 ~ |/ H" ?* r u3 G; W7 ~. o. t
# f3 }. _* P! y! L, S
% 设置训练参数
' B. X t. ?/ g- a0 L! v
net.trainParam.show = 50;
. I! a2 L$ l, f; ]
net.trainParam.lr = 0.05;
+ q# ~1 d# a) U# r+ y( Z
net.trainParam.mc = 0.9;
7 y- b: \8 B" }
net.trainParam.epochs = 10000; %每计算10000次出一次结果
2 e4 q5 p/ M) k8 n1 }
net.trainParam.goal = 1e-6; %期望达到的误差（认为是合适的误差）
! D( h" v4 ]9 ~7 b% i) h
y7 h) }, A' I* ] [. t' ?1 e
% 调用 TRAINGDM 算法训练 BP 网络
8 |8 z$ i! O7 Y; D. x! A5 c
[net,tr] = train(net,P,T);
$ t& h( j/ U3 X6 M
8 E2 c9 P/ O, B6 s1 W4 Z5 W
% 对 BP 网络进行仿真
B* G `7 ~7 _; j- J
A = sim(net,P); %A为输出结果
- X l C4 J9 T. o, U
. f2 b4 l5 {3 [9 S- o3 ]0 F
%反归一化
8 r, {3 ~& R+ Y; J" r
% A = postmnmx(A,mint,maxt);
2 @9 T* @7 }. R# \& }$ X, s) F/ n
1 X5 G8 v/ R( N( d( B
% 计算仿真误差
4 |6 v, l+ `2 ~" X
E = T-A; %原来的输出 - 训练输出 = 误差
! l; W" C: y; z3 k
MSE = mse(E) %输出误差
1 w' ]0 ]5 Q. ]1 p# q
( w- ~ I c3 X8 L3 z: l
%下面是输入数据，测试结果
- U2 D) b/ {# v5 K! Y0 L
x=[454.0 655.6 907.0 1112.5 1401.1]';
+ ?5 [9 o& u, j
Y = sim(net,x)
. M9 c3 g# b) b( d" E1 \
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