人工神经网络导论（蒋宗礼），灰色预测资料

李食其

现在已知一种产品的库存记录，预测下个月的库存
$ V, F# Q1 ^( Z# V& c$ f) K6 z5 j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
. o9 I( k0 C6 p$ a我的神经网络程序如下
T=[...];
n=length(T);
P=1:n;
%  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};
inputbias=net_1.b{1};
, Q$ E0 X: M5 J%  当前网络层权值和阈值
layerWeights=net_1.LW{2,1};
layerbias=net_1.b{2};
1 k$ I+ p9 `' j, t- y# y9 t) @%  设置训练参数
: C5 e1 F- h. g' p6 ?1 tnet_1.trainParam.show = 50;
: M( K: F+ U9 ~2 Tnet_1.trainParam.lr = 0.05;
net_1.trainParam.mc = 0.9;
1 l! H% Q# {3 Jnet_1.trainParam.epochs = 3000;
- ?7 B( ]' z6 U- V/ {7 c) M" znet_1.trainParam.goal = 0.0001;
2 C8 `. y$ p% a$ m%  调用 TRAINGDM 算法训练 BP 网络
$ I1 \6 y0 ~5 M; z+ o& @8 t( w7 P[net_1,tr]=train(net_1,P,T);
%  对 BP 网络进行仿真
2 ~8 `# m* |7 l' ]6 s' yA = sim(net_1,P)
%  计算仿真误差
E = T - A;
MSE=mse(E)
x=[n+1];%测试
kn=sim(net_1,x)

- g9 f% k* N6 l- @! I" B0 n2 G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。
+ ]$ V( w  g3 ~我的数据量挺大的，从2007年至今，而且数字比较大
( |0 O4 I3 t/ p* u. u; D% ]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
( b9 s7 q- ^& a: j3 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
$ j/ {$ A* P1 g" F7 U, Z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？