人工神经网络导论（蒋宗礼），灰色预测资料

李食其

) r" d$ N7 N1 h1 A
现在已知一种产品的库存记录，预测下个月的库存
4 W6 d" Z( {, G! D1 l+ i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 ?3 T$ m- I我的神经网络程序如下
' _' v1 p* D5 W) S! W" B& QT=[...];
- q+ L  ^. h! [n=length(T);
P=1:n;
0 d( p3 @& Q' Z0 L4 I% U%  创建一个新的前向神经网络
: t- V  Q3 }4 knet_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};
%  当前网络层权值和阈值
  l6 O4 }% k( A( VlayerWeights=net_1.LW{2,1};
layerbias=net_1.b{2};
%  设置训练参数
2 n: L, w6 |* x! y6 H* {net_1.trainParam.show = 50;
9 t; ]8 y" T' I) S3 gnet_1.trainParam.lr = 0.05;
/ d/ k9 ?2 W; R) `( K" y" I- a8 [( [net_1.trainParam.mc = 0.9;
% |6 d" d2 ~  pnet_1.trainParam.epochs = 3000;
net_1.trainParam.goal = 0.0001;
2 B% m+ P( g" P# M6 E; Q! y%  调用 TRAINGDM 算法训练 BP 网络
[net_1,tr]=train(net_1,P,T);
* x$ F+ E4 f! S3 |& L6 J%  对 BP 网络进行仿真
A = sim(net_1,P)
4 h$ @- |" d8 z6 W%  计算仿真误差
( n* {6 z3 c# eE = T - A;
MSE=mse(E)
& Q  B- g# e, ~# S' Xx=[n+1];%测试
) C+ O  g& p6 l/ Tkn=sim(net_1,x)
% O/ K4 k5 V3 [4 \1 {7 J
: S+ {1 U1 f* 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。
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
' J- }! H& v, P& t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
" ?& f+ t* P$ e. X! V7 u. c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？