人工神经网络导论（蒋宗礼），灰色预测资料

李食其

: Q" M% M0 D" \. E1 x  O! c
% {, h! `; i& x6 r" N3 ^: s现在已知一种产品的库存记录，预测下个月的库存
) n. C3 R( P  m  {# F! ~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
8 k' r: p, \. @2 R我的神经网络程序如下
T=[...];
n=length(T);
' N2 C; U& H/ A* F" }P=1:n;
%  创建一个新的前向神经网络
* w! ]3 D3 F$ a: F+ u% B, |9 Pnet_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};
* q" [- V2 h, y# _" I- o6 binputbias=net_1.b{1};
" H* ?! j# f: w( k; U  n& Q%  当前网络层权值和阈值
layerWeights=net_1.LW{2,1};
9 k3 x* x6 u$ |# Alayerbias=net_1.b{2};
1 Y; M& b0 p9 ], f1 `%  设置训练参数
net_1.trainParam.show = 50;
net_1.trainParam.lr = 0.05;
  O3 i3 v! B( c, T3 Knet_1.trainParam.mc = 0.9;
net_1.trainParam.epochs = 3000;
" c$ @4 |6 f+ m0 P( Lnet_1.trainParam.goal = 0.0001;
# ?3 w5 U# w+ S%  调用 TRAINGDM 算法训练 BP 网络
[net_1,tr]=train(net_1,P,T);
4 w: V# k* f& [7 e. T7 }! Z. f%  对 BP 网络进行仿真
8 [' t' S: ?/ M; @7 qA = sim(net_1,P)
/ ]) b' I  `; T%  计算仿真误差
6 F1 c  A; {7 W) F3 z1 dE = T - A;
! |8 d7 E9 u0 R7 n' V8 FMSE=mse(E)
x=[n+1];%测试
kn=sim(net_1,x)
( @" {( V, P, h* n# ~
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。
  I9 j+ I  v& S# j! Y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。
# j) l/ e: |, F6 h1 D1 b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？