人工神经网络导论（蒋宗礼），灰色预测资料

李食其

  T/ d' v, f! p; ~
$ H. r, K9 q! @! y6 t$ ~8 v; D7 W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
3 N+ K: v2 O% s我的神经网络程序如下
T=[...];
n=length(T);
P=1:n;
0 A' i2 A$ T* v%  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};
' j1 Z* r5 ?& u+ e% Binputbias=net_1.b{1};
/ R5 K" P& h1 F4 u8 J! Y8 m+ K%  当前网络层权值和阈值
8 G: P3 [* q$ S- }7 LlayerWeights=net_1.LW{2,1};
  _: [  W* A% H& Ilayerbias=net_1.b{2};
/ q( [+ K2 ]' [%  设置训练参数
, v- L+ ?0 f0 ]) u4 s9 Knet_1.trainParam.show = 50;
net_1.trainParam.lr = 0.05;
& j0 S8 g7 I; @) H; A2 F6 v2 p( r+ C: Nnet_1.trainParam.mc = 0.9;
net_1.trainParam.epochs = 3000;
net_1.trainParam.goal = 0.0001;
%  调用 TRAINGDM 算法训练 BP 网络
[net_1,tr]=train(net_1,P,T);
# f# V4 Q+ s. q* S8 q/ n& [%  对 BP 网络进行仿真
A = sim(net_1,P)
+ F1 _  i3 ~. o% j' @3 ~. e) F& P& p%  计算仿真误差
E = T - A;
MSE=mse(E)
x=[n+1];%测试
* b# L8 \) A7 x) P$ p/ \0 q. Ikn=sim(net_1,x)
8 h* P6 @, {2 `$ V4 W; u' x
- B& W- R# L  T" b; ~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。
# Q* G! T9 T" U* f我的数据量挺大的，从2007年至今，而且数字比较大
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
  |( [" h2 P( N: ~5 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
1 y, ^, Z9 ?! I& b) i3 [! T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。
8 \3 t+ b, t1 F& J, o有没有理论支持说，对一个准的，对后面的也准？