人工神经网络导论（蒋宗礼），灰色预测资料

李食其

# N/ S, j+ |  V% T# t$ m. q" |
& m8 q8 o: |+ o& @9 O8 r& s% t现在已知一种产品的库存记录，预测下个月的库存
- |, t$ n7 I9 C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
6 N2 o2 j; r( _% @& F2 M% q! i7 |我的神经网络程序如下
T=[...];
n=length(T);
7 H# f0 P5 _" A! |& s$ IP=1:n;
%  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
6 s2 q8 p3 j, k: [: ^2 _+ LinputWeights=net_1.IW{1,1};
% P, @6 R& q0 [- D- {; Dinputbias=net_1.b{1};
%  当前网络层权值和阈值
3 B6 q5 J/ X8 \: l' |  clayerWeights=net_1.LW{2,1};
* T3 {/ y4 X5 I. W3 l: Y7 z8 v/ ?1 u$ flayerbias=net_1.b{2};
. w+ V8 g& B6 c4 h2 K3 P%  设置训练参数
net_1.trainParam.show = 50;
) v) w) G! {' B8 q5 knet_1.trainParam.lr = 0.05;
1 Y/ ~' Z% X* I; n' H7 C7 T7 \net_1.trainParam.mc = 0.9;
net_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
+ X0 S5 S* e  V* ?A = sim(net_1,P)
  h1 m7 i( R+ x) F. m%  计算仿真误差
E = T - A;
MSE=mse(E)
& v  S' ]8 I* r6 W; n1 yx=[n+1];%测试
! ^* Y  n5 g" v4 i5 b( Mkn=sim(net_1,x)
: {0 Y+ L5 }1 e0 i$ o
3 D7 W/ X, ~7 a; u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。
& _* a! i# x0 h7 Y我的数据量挺大的，从2007年至今，而且数字比较大
. ~# Z% w( l$ y  M5 f2 o! O) A有没有懂得，帮帮我。
! Y& M1 Q3 N; P- p& C$ H, O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
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？