人工神经网络导论（蒋宗礼），灰色预测资料

李食其

现在已知一种产品的库存记录，预测下个月的库存
我查找了各种预测的资料，也编程算了，用了灰度预测，神经网络，拟合，时间序列，能用的都用了，可是没一个准的。我要疯了
我的神经网络程序如下
4 Q1 I) M$ }# T  k" U/ \T=[...];
n=length(T);
P=1:n;
! ]- w) z4 F2 v7 ^7 S" K1 S%  创建一个新的前向神经网络
4 \3 ~9 f% R; [; e- ~net_1=newff(minmax(P),[49,1],{'tansig','purelin'},'traingdm')
- ~* v! I5 a# t6 }* L! B( D/ k%  当前输入层权值和阈值
inputWeights=net_1.IW{1,1};
: y: n* o; _* q! x% _( iinputbias=net_1.b{1};
1 |" f9 m6 M. T, p4 p, S%  当前网络层权值和阈值
7 ^# V! S( v* b0 f5 I+ KlayerWeights=net_1.LW{2,1};
# f+ e- p1 p1 c! _; i/ x7 flayerbias=net_1.b{2};
/ D) l: I* F* g9 s8 F; _%  设置训练参数
# j$ y& m) y9 J7 A& ]net_1.trainParam.show = 50;
net_1.trainParam.lr = 0.05;
( \) p2 Q1 S' X: F: C0 U8 T1 @net_1.trainParam.mc = 0.9;
net_1.trainParam.epochs = 3000;
+ K3 G9 O" k8 |+ V) V  _net_1.trainParam.goal = 0.0001;
# P6 _* B9 `/ _* b%  调用 TRAINGDM 算法训练 BP 网络
4 d  z# Z7 V: A* S/ y) z[net_1,tr]=train(net_1,P,T);
( h9 s8 W/ l. `% G& U9 z7 I8 d%  对 BP 网络进行仿真
& h! Z4 h4 j9 T& K2 C2 mA = sim(net_1,P)
4 a" V2 n/ o- o9 \& @%  计算仿真误差
6 u4 }& r! t- h# ?& NE = T - A;
/ ~9 @! m4 c! G/ }8 x/ v; U* F, ^MSE=mse(E)
. u/ u: I; d; R0 z( o& S/ U7 ex=[n+1];%测试
; O/ K9 N+ |0 ~* A! |- vkn=sim(net_1,x)

8 r+ n* P0 J6 a每一次运行的结果都不一样，而且没一次准的，有的时候差的还特别多。
2 W* T' L% E+ r( s我的数据量挺大的，从2007年至今，而且数字比较大
/ [8 y% i$ y0 y! P9 |( ^有没有懂得，帮帮我。
献上资料先

何挺

这么难啊    ^^^

anonymous123

我看你还是自己做吧

wl_850357290

不知我能不能帮上你啊

xypfs21

数据的噪声？

xypfs21

数据的噪声？

wphls

虚心学习好东西

narutoxcb

感谢4楼资料

mcmzy

感谢4楼资料.

李食其

我有点懂了
' J6 P7 w! E& ^& @- A$ \  x# ]神经网络做的预测就是变化的，不是一个常数，这是由于初值的影响
) Q* z& r/ h4 r: c; M, @2 N7 J这样可以吗？如果已知n组数据，欲预测第n+1个的值，可以用前n-1个数据做训练数据，用第n个做检验，对算得比较准的网络进行保存，用这个网络计算第n+1。
4 ?1 J& ]( |, j9 i有没有理论支持说，对一个准的，对后面的也准？