人工神经网络导论（蒋宗礼），灰色预测资料

李食其

现在已知一种产品的库存记录，预测下个月的库存
2 T3 Q6 o4 [, e" e- ^0 ]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
我的神经网络程序如下
5 z. x! m2 E& ]& C8 t5 lT=[...];
n=length(T);
0 T" d, |, A  z0 p) I  k  A1 VP=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
inputWeights=net_1.IW{1,1};
: s+ o9 C9 D1 S' i7 O9 Ginputbias=net_1.b{1};
%  当前网络层权值和阈值
! I) W- D$ U: F" n5 S1 M& ]layerWeights=net_1.LW{2,1};
, u; l4 Q# W, o, |layerbias=net_1.b{2};
/ F% x5 F( T, K8 k/ V%  设置训练参数
+ y; O9 R% @* f% }* Cnet_1.trainParam.show = 50;
net_1.trainParam.lr = 0.05;
net_1.trainParam.mc = 0.9;
( v9 d( N6 o+ xnet_1.trainParam.epochs = 3000;
+ |2 C2 ]9 |# y* Z- a# a' knet_1.trainParam.goal = 0.0001;
%  调用 TRAINGDM 算法训练 BP 网络
# f: f, k3 U  g; [. }; |[net_1,tr]=train(net_1,P,T);
%  对 BP 网络进行仿真
  g) Z# N5 c% N. p' M0 xA = sim(net_1,P)
' ^* s3 o8 H" t%  计算仿真误差
E = T - A;
* w' _0 w* U1 J4 l+ WMSE=mse(E)
) [3 T  X7 P7 w8 y- Wx=[n+1];%测试
) r5 ~, Q/ g: V2 U, B8 E6 ^5 tkn=sim(net_1,x)

0 g  y+ c9 C  N% q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
. B6 G3 @9 v6 u/ i4 k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
' s8 }$ m. k4 q8 C; J% x% @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
4 N8 S, a* G$ b! h0 t3 C* O- L$ C  }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？