人工神经网络导论（蒋宗礼），灰色预测资料

李食其

  K9 h3 M' D5 i6 c" Q& t$ z现在已知一种产品的库存记录，预测下个月的库存
/ h0 E1 M" m3 f6 f- n- @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
/ r" r) p- j3 J, S4 W: F# o# S) f我的神经网络程序如下
# w+ W( Y7 O# d0 }T=[...];
  f; u0 K$ ~$ c1 l. h8 M% Qn=length(T);
  D6 y6 i0 E" N' L8 P0 MP=1:n;
%  创建一个新的前向神经网络
net_1=newff(minmax(P),[49,1],{'tansig','purelin'},'traingdm')
) D7 m8 `: W2 _, A6 b9 D: s%  当前输入层权值和阈值
inputWeights=net_1.IW{1,1};
7 W; v5 U5 d" Hinputbias=net_1.b{1};
%  当前网络层权值和阈值
layerWeights=net_1.LW{2,1};
$ I0 I1 M, j8 a% h, a6 B% ulayerbias=net_1.b{2};
% ~% R  H+ g3 s8 k4 \4 F4 i3 z%  设置训练参数
; S! q% h. l9 |7 j- z( l4 ^net_1.trainParam.show = 50;
net_1.trainParam.lr = 0.05;
9 A1 t9 {! ]. W7 ?net_1.trainParam.mc = 0.9;
9 m! A6 r, r$ D% m: s& j/ pnet_1.trainParam.epochs = 3000;
net_1.trainParam.goal = 0.0001;
%  调用 TRAINGDM 算法训练 BP 网络
[net_1,tr]=train(net_1,P,T);
%  对 BP 网络进行仿真
) y8 P3 m  k5 B# Y3 Z& e( hA = sim(net_1,P)
%  计算仿真误差
# @! ?9 `9 y2 e% V& Z" x( q# yE = T - A;
# V0 z- X0 E# O: x, Z* u1 O0 c, tMSE=mse(E)
, |0 W) ?$ A6 j3 k8 v" u) `x=[n+1];%测试
kn=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
# n( l+ X  }9 ^# M1 d8 _' B+ s9 c有没有懂得，帮帮我。
: d8 ?! ?* h$ S  D' l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
+ i; ?+ G8 D/ R% q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。
, m, u% [8 T+ I) s$ A有没有理论支持说，对一个准的，对后面的也准？