人工神经网络导论（蒋宗礼），灰色预测资料

李食其

( |: l; i9 o* n" m. R8 b; c7 F! n
! |' g4 }0 {8 W: z5 w0 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
我的神经网络程序如下
T=[...];
n=length(T);
P=1:n;
! i  J2 ]  g1 N# p7 J- Z2 d/ k$ I%  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
) U$ @9 l# I" s4 X% N1 {+ minputWeights=net_1.IW{1,1};
inputbias=net_1.b{1};
& K# @/ o: D" e%  当前网络层权值和阈值
layerWeights=net_1.LW{2,1};
. f- Z/ S! C" ^. C' K/ [/ Y! elayerbias=net_1.b{2};
3 |. Q+ H6 A+ _3 W8 G%  设置训练参数
! N/ I( U- I2 F" `net_1.trainParam.show = 50;
  m2 B" x/ Z+ O1 _* Rnet_1.trainParam.lr = 0.05;
net_1.trainParam.mc = 0.9;
( u; |; \/ J8 f3 g" c0 Z& B8 nnet_1.trainParam.epochs = 3000;
9 U8 F  I/ u1 Hnet_1.trainParam.goal = 0.0001;
%  调用 TRAINGDM 算法训练 BP 网络
[net_1,tr]=train(net_1,P,T);
# a% _. ~8 N3 i9 J5 _$ ?0 C%  对 BP 网络进行仿真
3 c4 ^' E1 ^' @9 s( ]5 l; yA = sim(net_1,P)
  L5 P$ T- Z$ \! C4 k4 H%  计算仿真误差
E = T - A;
$ R! C. J5 g3 vMSE=mse(E)
2 G8 w/ E" Q; Q' Hx=[n+1];%测试
7 ~; M* j6 e$ W. M' Z% x( mkn=sim(net_1,x)

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。
我的数据量挺大的，从2007年至今，而且数字比较大
3 R9 u8 d0 Q1 R/ h; q有没有懂得，帮帮我。
) k: I3 Q! O1 ]  m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
$ v" F  ^2 [/ D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？