人工神经网络导论（蒋宗礼），灰色预测资料

李食其

* c9 N  G( A* ^2 I, h( R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
. p* U. S0 p3 m我的神经网络程序如下
T=[...];
n=length(T);
P=1:n;
% ]. F% m4 M. f3 l# H4 q%  创建一个新的前向神经网络
net_1=newff(minmax(P),[49,1],{'tansig','purelin'},'traingdm')
%  当前输入层权值和阈值
! q0 L% C- k& f* L- }4 D6 e2 oinputWeights=net_1.IW{1,1};
$ W1 k) U, N" p, Zinputbias=net_1.b{1};
/ c, S- u: `& s" V5 ]) g. k8 c%  当前网络层权值和阈值
layerWeights=net_1.LW{2,1};
layerbias=net_1.b{2};
%  设置训练参数
net_1.trainParam.show = 50;
net_1.trainParam.lr = 0.05;
: Y4 p+ O! N% y! @! rnet_1.trainParam.mc = 0.9;
0 h# K- m* t0 f4 K. Wnet_1.trainParam.epochs = 3000;
2 H" }" B7 Y! L5 F2 B1 C0 p6 cnet_1.trainParam.goal = 0.0001;
%  调用 TRAINGDM 算法训练 BP 网络
: y! E- M% \4 z/ e$ z1 A; X[net_1,tr]=train(net_1,P,T);
%  对 BP 网络进行仿真
  l" F7 r; U* F, U  u" h, Y  ?A = sim(net_1,P)
9 i( W6 r1 _( R%  计算仿真误差
& V( m: [6 e" B! g6 ^* FE = T - A;
MSE=mse(E)
7 I. ~$ g. X: }" S: ]! L' D! zx=[n+1];%测试
7 c! h7 w& j# Ckn=sim(net_1,x)

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。
我的数据量挺大的，从2007年至今，而且数字比较大
! S, i4 d( S+ s. }7 f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
- E$ s2 L& r. g% i+ D4 C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
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。
有没有理论支持说，对一个准的，对后面的也准？