关于BP神经网络预测

hanyunxiang

2 Q$ o  O; J" l0 y! M7 E' @0 D) A关于BP神经网络预测
; p2 s$ u' [7 w9 }% j5 |
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
% r6 u+ g$ Z  c: Q1 X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：
, q. R" N2 I3 c# i! S: Px=[13369.2 14873.7 17137.3 17432.5 24193.5 28435.1....
    33197.3 38758.6 40576.2 48606.3];
( P* g  q+ l$ `7 e9 [X(1,=(x(1,-min(x(1,))/(max(x(1,)-min(x(1,));（归一化）
* D. I3 z  e" K0 X; t! qfor i=1:7
: m2 `' N3 o5 U' i7 n8 j0 ]    X1(i,=[X(i) X(i+1) X(i+2) X(i+3)];
/ H& F5 W( M- ^. w4 Send
X2=(X1(:,1:3))';
T2=(X1(:,4))';
6 O, T" Z8 W7 Q( E3 b& p, GX3=X2(:,1:6);
T3=T2(:,1:6);
net=newff(minmax(X3),[7 1],{'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  ~, }/ l4 `; i5 kx_test=X2(:,7);
y_test=sim(net,x_test)
; {& K. C  [0 p' Q# X% F; Z% [Y_test=y_test*(max(x(1,)-min(x(1,))+min(x(1,)（反归一化）
# S. P, j& K0 B9 _! p; [7 ]检验效果还不错；
2 j. n5 P1 b' N0 V5 L" M
- x" I& H3 ?% O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？？
% r, H2 G# K8 C8 s( v* L6 }
7 d4 U5 @0 y0 x0 G- D' |yc1=[0.7205 0.7721 1.0000]';
jg1_test=sim(net,yc1(:,1))
! k6 E2 o5 `7 ~1 nJg1_test=jg1_test*(max(x(1,)-min(x(1,))+min(x(1,)（反归一化）

zerodingying

感谢楼主，很不错的说。。。。。

haoren1990

y1=sim(net,X3);

haoren1990

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。

沙漠海滩

这是什么啊？楼主

KuaitouKid

改改参数应该就不一样了，神经网络的结果就是有点蛋疼……

1578233196

1578233196

1578233196