人工神经网络导论（蒋宗礼），灰色预测资料

李食其

  V, C" G4 Z$ H5 N9 W3 L* 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=[...];
2 ^% n) a3 [. }' T/ f8 D! V/ U5 l! [n=length(T);
9 I/ a. H7 c. V& X. F. `4 H! M8 \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};
%  当前网络层权值和阈值
layerWeights=net_1.LW{2,1};
9 ~) _. X/ u, A+ L5 Vlayerbias=net_1.b{2};
%  设置训练参数
; O) d$ L4 {( T& h5 w( C7 S% W4 a& p# Bnet_1.trainParam.show = 50;
net_1.trainParam.lr = 0.05;
net_1.trainParam.mc = 0.9;
& d% k- w' P. `$ t6 [$ K6 }net_1.trainParam.epochs = 3000;
1 s/ b3 N' w# o- V3 d1 n" a: e5 ]net_1.trainParam.goal = 0.0001;
, d4 C4 r; d* z0 @# N9 A! @* ?%  调用 TRAINGDM 算法训练 BP 网络
[net_1,tr]=train(net_1,P,T);
. |6 E0 q' U2 ~- V3 V+ s8 Z9 E%  对 BP 网络进行仿真
+ y6 `! g" |* J+ [/ nA = sim(net_1,P)
6 q" J/ m0 e" A: y9 V3 b: ~+ o%  计算仿真误差
E = T - A;
* K: {0 W2 `) y) v/ {8 SMSE=mse(E)
9 B# |! O  t0 Q* `x=[n+1];%测试
kn=sim(net_1,x)
; D2 l: `7 |) I- H# l  a
# w# b. y0 }9 k9 @" 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。
6 G& M. _' k0 @我的数据量挺大的，从2007年至今，而且数字比较大
! v' g% b# U: b. k% O5 C* N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
2 R, c4 h: {# x. 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
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。
' u! Y. H  B5 [' C% X有没有理论支持说，对一个准的，对后面的也准？