数模小白关于BP的一些问题

ChildofAtlantis

%PA 6月6:0:0   计算的MATLAB 程序如下：BP神经网络预测
% _" V# ~6 |) {$ U, C' r%6月6位于第28行
clc,clear
5 P& F  A6 |' Z  @  [; Oload ('data.mat')%原始数据以列向量的方式存放在workplace文件中
PA=PA(2:29,：）;
%数据的标准化
N=size(PA);
5 _8 e3 U4 g7 R& U+ T; n$ N8 I! r  Qfor j=1:N(1,2)
/ S! Y; R# Q' a2 k& R8 I4 l    PAHminmax=minmax(PA(:,j)');
) a- N( P  A3 z8 u" j! _3 d" z    for i=1:N(1,1)
        PA(i,j)=(PA(i,j)-PAHminmax(1,1))/(PAHminmax(1,2)-PAHminmax(1,1));
    end
end
* w4 {1 A; i5 Y7 X$ \%以每天的从0时计数起，每隔十五分钟作为输入
P=PA(7:27,：）;
%以6月6的间隔十五分钟的发电量作为目标向量
! Z9 ]1 D8 L: ET=PA(28,：）;
%创建一个BP神经网络，每一个输入向量的取值范围为[0 ,1]，隐含层有22个神经元，
% T- Q' Q' n3 k$ E' h$ h6 T  D%输出层有一个神经元，隐含层的激活函数为tansig，输出层的激活函数为%logsig，
3 ?4 t  v% }% k* d& ?5 B: f%训练函数为梯度下降函数，即标准学习算法
for i=1:21
0 G8 }' X  E# {# ?    a(i,1)=0;
/ B- N4 l4 W9 Q+ j$ [* Z" X- I+ I    a(i,2)=1;
end
9 y1 x) t' f) ^* {$ D9 {7 |3 Unet=newff(a,[21,1],{'tansig','logsig'},'traingd');
. u% w& C- N0 ]4 E$ Z) J8 Mnet.trainParam.epochs=30000;
8 ^' C* B1 J" ~" Pnet.trainParam.goal=0.01;
%设置学习速率为0.1
0 E. i3 R3 q7 e# T. `+ J. ELP.lr=0.1;
%训练网络
' j' J  p" ~# B0 V2 B9 M7 ]net=train(net,P,T);
%预测6月6的发电量数据
T1=sim(net,P);%预测值
%PA.6月6日发电量真实值
0 k* Q% q. T' i* CT0=PA(28,：）;
5 G0 A1 M& \' |$ S8 l  c+ E%预测值与实际值的误差
for i=1:N(1,2)
    error(1,i)=T1(1,i)-T0(1,i);
4 Q9 B" J: R- x9 y  dend
%绘制误差图
figure(1)
plot(1:N(1,2),error(1,1:N(1,2)),'-*')
grid on
5 G3 v$ i; Q. k! ^; ?( Uxlabel('时点x'),ylabel('发电功率误差y');
$ {- J% U" b' Gtitle('PA6.6.0.0-6.6.23.45发电功率误差图像')
' S! t' ^' F- B5 f/ F%绘制实时函数图
figure(2)
0 w6 m, P) _3 G9 a- xplot(1:N(1,2),T0(1,：）,1:N(1,2),T1(1,：）,'r')
grid on
3 n, y' t9 R! a: z5 tlegend('实际值','预测值',2)
) k' e. E3 W# v. ~xlabel('时点x'),ylabel('发电功率y');
( H7 u1 E5 u& P" Otitle('PA6.6.0.0-6.6.23.45发电功率实时函数图像')
' ~' @1 H0 _1 U& p0 |) A/ v web('http://www.ilovematlab.cn/forum-238-1.html','-browser')


: p. ]9 d0 Y$ G: E5 k6 `5 q0 d

一本书关于预测发电量的BP的程序。我稍微有点纳闷，既然你已经知道了6月6日的实际值，并且都拿相应的数据来作目标向量了，还利用神经网络来预测6月6日的发电量，意义何在？
5 P+ Y& P+ V0 d# e% r+ h$ E6 I

fg8741142

你要明白神经网络是干嘛用的，你这个代码做出来的网络，可能是预测那些不知道实际发电量的，6月6日的数据是用来训练网络的，同时对比误差查看网络的性能
3 J/ B5 @. H" e) C, f( i! t- y

蘑菇先生

误差也有分为训练误差和测试误差的，具体你可以参考统计学习方法相关资料。
, Q/ `: k3 j: m: b  G$ S

木__易

+ m0 M. V2 p/ o: o# x; l& i% r( U& v! J

杨地雷

为了验证神经网络的准确度吧
% p/ `$ }# `$ d6 J