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
%6月6位于第28行
! f3 w* d4 }9 Y2 E6 }' kclc,clear
: u& c* y7 x6 w; [3 gload ('data.mat')%原始数据以列向量的方式存放在workplace文件中
$ h0 c- _" D6 J; |PA=PA(2:29,：）;
9 W4 v5 P6 s; s! \9 h8 z/ ^%数据的标准化
8 w, h# i# `' q. @N=size(PA);
6 h/ q: A4 G$ R; a2 Qfor j=1:N(1,2)
% [6 Z. O) n& p$ H5 |9 Y, j  I    PAHminmax=minmax(PA(:,j)');
7 V- p3 h- [% a6 D. I& k    for i=1:N(1,1)
) S6 ?% [) [( i1 J% r        PA(i,j)=(PA(i,j)-PAHminmax(1,1))/(PAHminmax(1,2)-PAHminmax(1,1));
    end
# p6 X: [8 z  P: v# a$ ]: Cend
: T  ^! e' F% Y( g% h. z& f%以每天的从0时计数起，每隔十五分钟作为输入
& F4 Q- ~: j) W% dP=PA(7:27,：）;
, W! x) D  G: P  y% o; E%以6月6的间隔十五分钟的发电量作为目标向量
, y1 z% Z/ A/ r! k& B1 iT=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，
%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，
%训练函数为梯度下降函数，即标准学习算法
0 i: i/ @, V+ X/ q" D" m$ W9 Dfor i=1:21
5 n+ P( J+ ^/ F  w    a(i,1)=0;
; `' a$ S0 ]" i; R" k  n2 e    a(i,2)=1;
end
net=newff(a,[21,1],{'tansig','logsig'},'traingd');
7 S( \/ B7 z4 s8 u5 z2 onet.trainParam.epochs=30000;
  M' W+ J9 |5 R0 Cnet.trainParam.goal=0.01;
: ]* c; w  `0 T6 s/ d. F%设置学习速率为0.1
LP.lr=0.1;
- d. y3 B$ ]* d% |; q- I3 @%训练网络
net=train(net,P,T);
%预测6月6的发电量数据
5 ?" p5 [, b" ]! bT1=sim(net,P);%预测值
%PA.6月6日发电量真实值
T0=PA(28,：）;
2 {+ C: m/ v/ `( U1 A%预测值与实际值的误差
" s0 T" j7 j& v4 q  i, c; K' H9 L. X7 ~for i=1:N(1,2)
, a* i5 O6 \0 V    error(1,i)=T1(1,i)-T0(1,i);
9 V- t" m# V0 O4 T* R9 P# Rend
: W7 A8 R! s% j8 `9 |%绘制误差图
figure(1)
0 b) `1 y8 L) c1 u8 r7 m* Uplot(1:N(1,2),error(1,1:N(1,2)),'-*')
grid on
- T7 k1 [7 s6 }, kxlabel('时点x'),ylabel('发电功率误差y');
, Y9 R* g9 M% qtitle('PA6.6.0.0-6.6.23.45发电功率误差图像')
4 b. w) c3 x# w& k0 v%绘制实时函数图
figure(2)
plot(1:N(1,2),T0(1,：）,1:N(1,2),T1(1,：）,'r')
grid on
legend('实际值','预测值',2)
xlabel('时点x'),ylabel('发电功率y');
title('PA6.6.0.0-6.6.23.45发电功率实时函数图像')
5 ~7 p" Q  y: b" }/ n( {1 E: ~+ h0 x2 ~ web('http://www.ilovematlab.cn/forum-238-1.html','-browser')
) c8 q5 j7 @( W  _


2 ?8 }9 _+ ]3 e% B7 k' p
% f  B) t& J. I# n' s) P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？

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

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。

木__易

杨地雷

为了验证神经网络的准确度吧