人工神经网络导论（蒋宗礼），灰色预测资料

李食其

  N7 O1 T7 D# Q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
. K% n5 b6 L  g/ e( v% R我的神经网络程序如下
4 ?6 C0 u7 \6 e; i) p: T9 N5 _T=[...];
n=length(T);
P=1:n;
, }3 e! [  b, b( S%  创建一个新的前向神经网络
net_1=newff(minmax(P),[49,1],{'tansig','purelin'},'traingdm')
0 d9 H: U: z- ~%  当前输入层权值和阈值
( [5 k$ K* a" C& ?  B6 uinputWeights=net_1.IW{1,1};
) {0 V4 O1 x2 h  R9 y' U: Dinputbias=net_1.b{1};
%  当前网络层权值和阈值
0 j: \+ T! z4 ^layerWeights=net_1.LW{2,1};
layerbias=net_1.b{2};
%  设置训练参数
6 f( z3 R0 Y! n) g% M- ^net_1.trainParam.show = 50;
; f+ {8 f" p, [( \  Xnet_1.trainParam.lr = 0.05;
1 G# _0 S7 C! r" A$ a9 ?, Dnet_1.trainParam.mc = 0.9;
net_1.trainParam.epochs = 3000;
net_1.trainParam.goal = 0.0001;
/ h- D6 s4 g# D, v( Q% R0 m, f%  调用 TRAINGDM 算法训练 BP 网络
[net_1,tr]=train(net_1,P,T);
( j: {4 r- p2 {/ b9 p%  对 BP 网络进行仿真
4 q* p/ L6 m( ]A = sim(net_1,P)
6 O* d5 a0 g; F2 m* w2 r' I/ }%  计算仿真误差
; J5 \4 v; u0 y5 P2 {5 u1 E' S) u/ k: C: pE = T - A;
MSE=mse(E)
! d3 p) w5 F3 p  j$ hx=[n+1];%测试
, U) z" _2 r& Q; j' B  Wkn=sim(net_1,x)
& L# O" s% T/ k& d  e
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。
8 G& h! [* H) ~我的数据量挺大的，从2007年至今，而且数字比较大
) S( }3 p# I" N  W9 E- b( P/ p4 Z有没有懂得，帮帮我。
) Y/ S) @: W' d, G7 }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
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。
有没有理论支持说，对一个准的，对后面的也准？