关于BP神经网络预测

hanyunxiang

3 _+ `- E* }0 z1 L( N
" c$ D# ~$ h: N( L5 [  B关于BP神经网络预测
# Z7 A2 F) X. _( m: m
注：里面的笑脸代表冒号（不知道会出现笑脸）
. `8 s$ u! X- H6 f/ b. k
9 J3 H3 r5 I& F
关于BP时间序列预测
- ^; ~3 O* P1 A# W程序中x是已知的运输量数值（2000年-2009年），以4个数据为一组，前三个数据作为输入，第四个作为输出，共分7组，前六组训练，隐层节点为7，最后一组检验：
) o6 K; N+ ^  S7 lx=[13369.2 14873.7 17137.3 17432.5 24193.5 28435.1....
    33197.3 38758.6 40576.2 48606.3];
$ i; U! q$ b8 z/ |: g% [X(1,=(x(1,-min(x(1,))/(max(x(1,)-min(x(1,));（归一化）
$ C0 ^- r7 t% X% C' Y" o- vfor i=1:7
    X1(i,=[X(i) X(i+1) X(i+2) X(i+3)];
end
X2=(X1(:,1:3))';
T2=(X1(:,4))';
* O6 n5 [1 X/ U: i4 ~$ ?X3=X2(:,1:6);
2 `$ l1 z  P( k9 S) ]: LT3=T2(:,1:6);
net=newff(minmax(X3),[7 1],{'logsig','tansig'},'trainlm');
net.trainParam.epochs=1000;
net.trainParam.goal=0.000001;
LP.lr=0.1;
. H4 m8 z) |  O; K( @net=train(net,X3,T3);
y1=sim(net,X3);

以下是检验：

3 p9 y0 l! {* K! `x_test=X2(:,7);
  R' I! ^1 q# j) m5 ?y_test=sim(net,x_test)
3 C, I- @7 T) \- QY_test=y_test*(max(x(1,)-min(x(1,))+min(x(1,)（反归一化）
3 y; r" [7 [5 ]8 ^3 L$ \" a- F检验效果还不错；

( q; e- Z/ r. W; V) m7 @* v但运用以下命令在预测2010年运输量时，向量yc1为2007、2008、2009年运输量归一化的数值；
* n% ?$ }5 Z3 {' v- W5 X为什么反归一化输出和2009年数值一样，怎么回事呢？？？初学者盼解答？？
. V% }! |/ X- ]3 T
yc1=[0.7205 0.7721 1.0000]';
4 u& i# z# B0 b, O9 O, E# i/ d2 X- mjg1_test=sim(net,yc1(:,1))
# P2 `4 }' i% W5 ZJg1_test=jg1_test*(max(x(1,)-min(x(1,))+min(x(1,)（反归一化）

zerodingying

感谢楼主，很不错的说。。。。。

haoren1990

y1=sim(net,X3);

haoren1990

X3不是你的训练数据吗，前面的网络是根据X3和目标输出来训练的，结果你又把X3作为最后的网络输出，结果肯定是目标输出啊（已知的2009的值）与归不归一没有关系。

沙漠海滩

这是什么啊？楼主

KuaitouKid

改改参数应该就不一样了，神经网络的结果就是有点蛋疼……

1578233196

1578233196

1578233196