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
5 E% ?6 r- n& z%6月6位于第28行
- Z8 ?1 r- B: U# @0 [clc,clear
load ('data.mat')%原始数据以列向量的方式存放在workplace文件中
6 C: I+ O2 c+ S: aPA=PA(2:29,：）;
5 v1 a4 _3 X) l! `9 Z0 r%数据的标准化
" n0 N% f: ?/ j* B& {N=size(PA);
for j=1:N(1,2)
: [- P7 ~& T  l/ b! U% r' }& [0 n- V    PAHminmax=minmax(PA(:,j)');
! U7 r! w  @) c, o    for i=1:N(1,1)
) l4 E! w& W6 [: N        PA(i,j)=(PA(i,j)-PAHminmax(1,1))/(PAHminmax(1,2)-PAHminmax(1,1));
    end
end
%以每天的从0时计数起，每隔十五分钟作为输入
P=PA(7:27,：）;
%以6月6的间隔十五分钟的发电量作为目标向量
T=PA(28,：）;
- u/ o: Q7 x2 H; K4 y%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，
$ w% }7 P( O* F/ v8 c%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
. n) N2 H* v: D- j  t+ z; Nfor i=1:21
8 L4 q' D4 g. k0 G8 Y  S6 o: E. T    a(i,1)=0;
* ~5 q; s$ x; f# y1 F; Z( s, L    a(i,2)=1;
end
net=newff(a,[21,1],{'tansig','logsig'},'traingd');
net.trainParam.epochs=30000;
) r7 E% c/ z# q8 U6 _' Knet.trainParam.goal=0.01;
%设置学习速率为0.1
9 V5 e! u$ S1 s* z" Y; S) yLP.lr=0.1;
- r3 G; m1 }+ X" `+ P' w6 z$ n, a%训练网络
* N0 T, l% [6 z, xnet=train(net,P,T);
%预测6月6的发电量数据
) E7 y3 g+ \. ^T1=sim(net,P);%预测值
  R1 ]3 N0 x' P! L" p( E; ^) N, x%PA.6月6日发电量真实值
  k- U0 h. _% o% d1 E+ nT0=PA(28,：）;
%预测值与实际值的误差
for i=1:N(1,2)
    error(1,i)=T1(1,i)-T0(1,i);
9 Y- E0 Z: \# X# H$ @. Send
%绘制误差图
figure(1)
' D$ B: }: M" Hplot(1:N(1,2),error(1,1:N(1,2)),'-*')
grid on
xlabel('时点x'),ylabel('发电功率误差y');
title('PA6.6.0.0-6.6.23.45发电功率误差图像')
- W, b' k5 H# |# |: E%绘制实时函数图
+ ~+ y, x. B& h: i  ~  `) bfigure(2)
plot(1:N(1,2),T0(1,：）,1:N(1,2),T1(1,：）,'r')
5 H3 e# ]1 z- [grid on
! I4 W4 C0 ?! c  o3 M: t6 A, H, mlegend('实际值','预测值',2)
xlabel('时点x'),ylabel('发电功率y');
5 T" @. d5 z( \' ptitle('PA6.6.0.0-6.6.23.45发电功率实时函数图像')
3 ?9 a* R. M! j+ V# R" s2 } web('http://www.ilovematlab.cn/forum-238-1.html','-browser')

5 y/ c5 a) o8 _+ }; i  Z: i4 m


8 n8 m: ^# G* S& {+ k# O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？

- w, v9 V( b- F; a) w/ Q/ _

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。
3 b: M: _  k+ q

木__易

杨地雷

为了验证神经网络的准确度吧