查看: 2545|回复: 1

[代码资源] 请问这个代码错在哪里，如何进行修改，谢谢

字体大小: 正常放大

昌辉9

3 主题	13 听众	72 积分

升级 70.53%

TA的每日心情

	开心 2016-5-23 22:22

签到天数: 54 天

[LV.5]常住居民I

自我介绍: 初学者

群组: Matlab讨论组

电梯直达

1^#

发表于 2014-9-3 11:10 |只看该作者 |倒序浏览

|招呼Ta 关注Ta

10体力

clear
day=[8.6187,8.3507,8.3142,8.2898,8.2791,8.2796,8.2784,8.2770,8.2770,8.2774,8.2780,8.1013,7.8087,7.3872,6.85,6.81,6.622,6.61,6.25,6.07];
dayhistory=day(1:20);%取其中三十天作为历史数据样本
dayhismod=reshape(dayhistory,5,4);% 将历史数据分为6个样本，每个大小为5，其中reshape是以列排序的
dayday=day(1:15);% 取其中的前25天
daypost=day(6:20);%取其中的随后25天
p=reshape(dayday,3,5);% 将前25天数据分为5行5列矩阵作为网络的训练输入样本
t=reshape(daypost,3,5); %将随后的25天分为5行5列矩阵作为网络的目标输出向量
daylast=day(16:20);
h3=reshape(daylast,5,1);% 将倒数第二个样本作为网络测试时的输入样本
r=6:20;
rr=reshape(r,5,3);
%%%%%%%%%%%%%% 新建网络bp %%%%%%%%%%%%%%%%
net=newff(minmax(p),[5,3],{'purelin' 'purelin'},'trainlm');
y1=sim(net,p);
% 新建网络，其中minmax(p)为p的没一次输入的最大最小值向量
% 两层的传递函数均为purelin
% 训练函数为trainlm
% 所训练的网络大小为[5,5]
% 仿真训练前的网络

%%%%%%%%%%%  进行网络训练  %%%%%%%%%%%%%%
% network parameters:
% epochs--epochs of the train
% goal--errors goal of the network
% lr--learning rate
% shows--epochs between the displays
% time--Maximum time to train in seconds
net.trainParam.epochs=200000;  % 训练次数
nettrainParam.goal=0.0001;  % 误差期望值
% returns of the train:
% net--New network
% tr--Training record (epoch and perf).
%    Y--Network outputs.
%    E--Network errors.
[net,tr,Y,E]=train(net,p,t);
%%%%%%%%%%%  网络测试 %%%%%%%%%%%%%%%%
% input the testing points here %
title('神经网络训练结果');
xlabel('时间（天）');
ylabel('仿真输出结果');
legend('仿真模拟值','实际值','神经网络预测值');
%%%%%%%%%%%%%%%%%%  绘制误差曲面 %%%%%%%%%%%%%
x=1:5;
y=1:5;
y21=sim(net,p);
y2=reshape(y21,1,15);
clf
plot(r,y2,'b-^')
hold on
plot(1:20,day,'r-*')
%%%%%%%%%%%%% 预测 %%%%%%%%%%%%%%%
y3=sim(net,h3);
plot(21:25,y3,'-*')
hold on
title('神经网络训练结果');
xlabel('时间（天）');
ylabel('仿真输出结果');
legend('仿真模拟值','实际值','神经网络预测值');
%%%%%%%%%%%%%%%%%%  绘制误差曲面 %%%%%%%%%%%%%
x=1:5;
y=1:5;
plot3(x,y,E(x,y))

最佳答案

madio 查看完整内容

是维数不一致造成的，我只能把代码调试的能运行，但是可能结果不一定对，你需要对前面的输入数据和网络结构做一些深入的了解

zan

转播0 淘帖0 分享0 收藏0 支持0 反对0 微信

使用道具举报

madio

3万主题	1312 听众	5万积分

TA的每日心情

	奋斗 2024-7-1 22:21

签到天数: 2014 天

[LV.Master]伴坛终老

自我介绍: 数学中国站长

群组: 数学建模培训课堂1

群组: 数学中国美赛辅助报名

群组: Matlab讨论组

群组: 2013认证赛A题讨论群组

群组: 2013认证赛C题讨论群组

2^#

发表于 2014-9-3 11:10 |只看该作者 |招呼Ta 关注Ta |邮箱已经成功绑定

是维数不一致造成的，我只能把代码调试的能运行，但是可能结果不一定对，你需要对前面的输入数据和网络结构做一些深入的了解

clear9 S( o6 O' _$ x! h
day=[8.6187,8.3507,8.3142,8.2898,8.2791,8.2796,8.2784,8.2770,8.2770,8.2774,8.2780,8.1013,7.8087,7.3872,6.85,6.81,6.622,6.61,6.25,6.07];
8 V+ b4 g8 v8 Y3 J
dayhistory=day(1:20);%取其中三十天作为历史数据样本
/ P' |, N/ z* S
dayhismod=reshape(dayhistory,5,4);% 将历史数据分为6个样本，每个大小为5，其中reshape是以列排序的
$ ], r% P |/ W8 a1 J7 J6 q\" ~3 V
dayday=day(1:15);% 取其中的前25天) I3 e( _; A0 |( e, n6 J\" M
daypost=day(6:20);%取其中的随后25天
. g/ P; y& |9 r% J( ~- c, j
p=reshape(dayday,3,5);% 将前25天数据分为5行5列矩阵作为网络的训练输入样本
* p( O2 [. C\" o! c V6 o
t=reshape(daypost,3,5); %将随后的25天分为5行5列矩阵作为网络的目标输出向量( K7 T. Y. S' k g
daylast=day(16:20);0 H ]/ j ^# K
h3=reshape(daylast,5,1);% 将倒数第二个样本作为网络测试时的输入样本* m2 O1 n; w\" a, J+ H
r=6:20;
% n) X3 V# l# H\" n
rr=reshape(r,5,3);
$ }! t$ y8 b8 H, ]1 O
%%%%%%%%%%%%%% 新建网络bp %%%%%%%%%%%%%%%%
, Z& }4 U\" m6 Z1 V1 W: @ ?7 r
net=newff(minmax(p),[5,3],{'purelin' 'purelin'},'trainlm');
( R2 p/ N, v+ j4 |/ b/ ~' v+ t
y1=sim(net,p);$ ^' l& T( K5 s$ ^+ m- L
% 新建网络，其中minmax(p)为p的没一次输入的最大最小值向量
+ h# z7 G' [# G, ~
% 两层的传递函数均为purelin% q; Z1 z, e4 @- `
% 训练函数为trainlm U7 ?3 x; e5 u- l; L
% 所训练的网络大小为[5,5]
9 X- d6 u8 b9 ~- E6 N
% 仿真训练前的网络8 h0 M) F' C! j+ @. ]
$ f: X5 I) \5 @9 P0 r
%%%%%%%%%%% 进行网络训练 %%%%%%%%%%%%%%
4 K5 b4 p: |' j4 v) t
% network parameters:\" F\" Q' c) V2 l
% epochs--epochs of the train ?4 r0 p$ c# l1 q; j9 }
% goal--errors goal of the network
6 Y. s+ j4 e. P# C
% lr--learning rate
6 q' p$ ~. M' G3 |+ u! Y% E
% shows--epochs between the displays( h5 u2 _0 \# n4 K/ O [
% time--Maximum time to train in seconds
# { _! v5 @7 }8 i: I& m9 U
net.trainParam.epochs=200000; % 训练次数
/ O# @\" Q% E2 X0 c
nettrainParam.goal=0.0001; % 误差期望值
- a7 {4 _# m9 Y$ T$ f b
% returns of the train:4 u9 J/ {+ ~' Y! K8 k8 {6 \. t
% net--New network
! a5 D7 P! [4 z4 J! Q; o7 @+ |& I! D
% tr--Training record (epoch and perf).
/ X) }7 }7 @, U
% Y--Network outputs.+ U7 ?8 q4 d6 I& P
% E--Network errors.
: d' U# o: \6 w8 W$ V6 p
[net,tr,Y,E]=train(net,p,t); ' T6 O$ U& K0 R2 J1 j0 c\" a2 ~
%%%%%%%%%%% 网络测试 %%%%%%%%%%%%%%%%4 i0 J3 ~+ [6 R) u6 M\" U, Z
% input the testing points here %
, a0 W( i5 {- o K4 v
title('神经网络训练结果');1 ~4 f: m- O, T, Z; r6 ^
xlabel('时间（天）');
: ^\" B V4 v/ C, ?
ylabel('仿真输出结果');$ {3 c0 _& N5 m4 E0 J6 s5 h. Q
legend('仿真模拟值','实际值','神经网络预测值');
( s\" v. J1 l5 C5 n9 |- d
%%%%%%%%%%%%%%%%%% 绘制误差曲面 %%%%%%%%%%%%%
0 x0 E- [+ i- M) b6 ^% K3 s
x=1:5;
* t\" V- B4 k% j, N/ o/ ^ \
y=1:5;1 H& e% a. E6 E2 j
y21=sim(net,p);
* ]8 [/ [. R* ]4 a3 U7 m% I
y2=reshape(y21,1,15);
( {0 j5 O- \( P3 a0 y V# U N
clf6 {( h$ w) z5 ?1 _% o+ z
plot(r,y2,'b-^')- a) l- Z! k5 e2 i. r' w5 s! E! c
hold on7 I; H! [; f. y% d' w
plot(1:20,day,'r-*')8 k% R; J, E' Q' i5 h
%%%%%%%%%%%%% 预测 %%%%%%%%%%%%%%%
\" `- H6 u, _* k( u! l7 m
y3=sim(net,h3);0 R) z+ w. a* ~3 h# y( V3 T5 t
plot(21:21,y3,'-*')
3 i; }- L6 U& d
hold on
\" @% d7 w4 T3 }* |/ n% D) k' x
title('神经网络训练结果');+ J8 v0 g2 \! {( @& r9 `
xlabel('时间（天）');
2 A+ Q4 x. k+ s3 c
ylabel('仿真输出结果');, y% s# q. S y
legend('仿真模拟值','实际值','神经网络预测值');
2 b' w, _9 `$ M0 G3 J5 A
%%%%%%%%%%%%%%%%%% 绘制误差曲面 %%%%%%%%%%%%%
# {& h; i* ~& f- Z/ J E
x=1:5;; Q\" A# r n& I& u0 M
y=1:5;1 z- u) x- _\" U; g$ I
plot3(x(1:3),y(1:3),E(x(1:3),y(1:3)))

复制代码

收起(1)

昌辉9 :clear
day=[8.6187,8.3507,8.3142,8.2898,8.2791,8.2796,8.2784,8.2770,8.2770,8.2774,8.2780,8.1013,7.8087,7.3872,6.85,6.81,6.622,6.61,6.25,6.07];
dayhistory=day(1:16);%取其中三十天作为历史数据样本
dayhismod=reshape(dayhistory,4,4);% 将历史数据分为6个样本，每个大小为5，其中reshape是以列排序的
dayday=day(1:12);% 取其中的前25天
daypost=day(5:16);%取其中的随后25天
p=reshape(dayday,3,4);% 将前25天数据分为5行5列矩阵作为网络的训练输入样本
t=reshape(daypost,3,4); %将随后的25天分为5行5列矩阵作为网络的目标输出向量
daylast=day(13:16);
h3=reshape(daylast,4,1);% 将倒数第二个样本作为网络测试时的输入样本
r=5:16;
rr=reshape(r,4,3);
%%%%%%%%%%%%%% 新建网络bp %%%%%%%%%%%%%%%%
net=newff(minmax(p),[4,3],{\'purelin\' \'purelin\'},\'trainlm\');
y1=sim(net,p);
% 新建网络，其中minmax(p)为p的没一次输入的最大最小值向量
% 两层的传递函数均为purelin
% 训练函数为trainlm
% 所训练的网络大小为[5,5]
% 仿真训练前的网络

%%%%%%%%%%%  进行网络训练  %%%%%%%%%%%%%%
% network parameters:
% epochs--epochs of the train
% goal--errors goal of the network
% lr--learning rate
% shows--epochs between the displays
% time--Maximum time to train in seconds
net.trainParam.epochs=200000;  % 训练次数
nettrainParam.goal=0.0001;  % 误差期望值
% returns of the train:
% net--New network
% tr--Training record (epoch and perf).
%    Y--Network outputs.
%    E--Network errors.
[net,tr,Y,E]=train(net,p,t);
%%%%%%%%%%%  网络测试 %%%%%%%%%%%%%%%%
% input the testing points here %
title(\'神经网络训练结果\');
xlabel(\'时间（天）\');
ylabel(\'仿真输出结果\');
legend(\'仿真模拟值\',\'实际值\',\'神经网络预测值\');
%%%%%%%%%%%%%%%%%%  绘制误差曲面 %%%%%%%%%%%%%
x=1:4;
y=1:4;
y21=sim(net,p);
y2=reshape(y21,1,12);
clf
plot(r,y2,\'b-^\')
hold on
plot(1:20,day,\'r-*\')
%%%%%%%%%%%%% 预测 %%%%%%%%%%%%%%%
y3=sim(net,h3);
plot(17:2:20,y3,\'-*\')
hold on
title(\'神经网络训练结果\');
xlabel(\'时间（天）\');
ylabel(\'仿真输出结果\');
legend(\'仿真模拟值\',\'实际值\',\'神经网络预测值\');
%%%%%%%%%%%%%%%%%%  绘制误差曲面 %%%%%%%%%%%%%
x=1:4;
y=1:4;
plot3(x(1:3),y(1:3),E(x(1:3),y(1:3)))
如果是这样，应该怎样改呢，再麻烦你一下，谢谢

2014-09-03 15:40 回复