人工神经网络导论（蒋宗礼），灰色预测资料

李食其

. x4 r+ V/ j! j  Z$ Y# @
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
) H& A. Y8 E5 L3 w) ~我的神经网络程序如下
2 ]7 w8 v0 C4 v6 ]% vT=[...];
$ V; I6 _& g" ]: x! xn=length(T);
3 Y; s8 W4 a, Y+ H! ]- j% _) `P=1:n;
%  创建一个新的前向神经网络
net_1=newff(minmax(P),[49,1],{'tansig','purelin'},'traingdm')
, X5 g+ ~4 i- e%  当前输入层权值和阈值
inputWeights=net_1.IW{1,1};
$ d& R. U) o% n, S# S1 T6 Binputbias=net_1.b{1};
%  当前网络层权值和阈值
layerWeights=net_1.LW{2,1};
layerbias=net_1.b{2};
7 z9 M. I6 D( {%  设置训练参数
net_1.trainParam.show = 50;
: s8 |5 a/ |" _net_1.trainParam.lr = 0.05;
net_1.trainParam.mc = 0.9;
net_1.trainParam.epochs = 3000;
  {% U) I) p: N$ A" R+ r' _net_1.trainParam.goal = 0.0001;
$ R4 J: W7 T( ], D: Z9 D# P1 o%  调用 TRAINGDM 算法训练 BP 网络
4 l2 j: h+ s9 o$ G' ?* z[net_1,tr]=train(net_1,P,T);
%  对 BP 网络进行仿真
A = sim(net_1,P)
) i0 |" w) C& W3 L$ y; U%  计算仿真误差
& W! s) L/ C# _5 J. }; o" aE = T - A;
! M: U/ o5 W' k5 ?" {$ N! M$ BMSE=mse(E)
3 ?& p' A* F4 ]8 E" i2 o: A( j& T% Lx=[n+1];%测试
. Q4 b/ ]# f& v: Wkn=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
; M( W: \- P) [9 |* \) @4 r/ X- i有没有懂得，帮帮我。
) J/ R- C1 c3 O" u+ I* A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
5 W  j+ L) `( h# r: m- 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。
  J! I. H! f$ ?$ r7 B* N3 ]有没有理论支持说，对一个准的，对后面的也准？