UC知道求用matlab编BP神经网络预测程序
来源：百度知道 编辑：UC知道 时间：2024/05/29 05:23:22
年 份
(年) 1(1988) 2(1989) 3(1990) 4(1991) 5(1992) 6(1993)
7(1994) 8(1995)
实际值
(ERI) 0.1093 0.1110 0.1127 0.1141 0.1154 0.1164 0.1171 0.1175
年 份
(年) 9(1996) 10(1997) 11(1998) 12(1999) 13(2000) 14(2001)
15(2002) 16(2003)
实际值
(ERI) 0.1178 0.1179 0.1179 0.1179 0.1179 0.1180 0.1182 0.1185
BP 神经网络的训练过程为: 先用1988 年到2002 年的指标历史数据作为网络的输入,用1989 年到2003 年的指标历史数据作为网络的输出,组成训练集对网络进行训练,使之误差达到满意的程度,用这样训练好的网络进行预测.
采用滚动预测方法进行预测:滚动预测方法是通过一组历史数据预测未来某一时刻的值,然后把这一预测数据再视为历史数据继续预测下去,依次循环进行,逐步预测未来一段时期的值. 用1989 年到2003 年数据作为网络的输入,2004 年的预测值作为网络的输出. 接着用1990 年到2004 年的数据作为网络的输入,2005 年的预测值作为网络的输出.依次类推,这样就得到2010 年的预测值。
目前在BP 网络的应用中,多采用三层结构. 根据人工神经网络定理可知,只要用三层的BP 网络就可实现任意函数的逼近. 所以训练结果采用三层BP模型进行模拟预测. 模型训练误差为0.00001,隐层单元数选取8个,学习速率为0.05,动态参数0.6,Sigmoid参数0.9,最大迭代次数3000.运行3000次后,样本拟合误差等于0.00021。
求一用matlab编的程序
你用的是哪个版本的matlab啊，为什么不能运行啊 它提示说有些语过时了 怎么办啊？谢谢啊！
(年) 1(1988) 2(1989) 3(1990) 4(1991) 5(1992) 6(1993)
7(1994) 8(1995)
实际值
(ERI) 0.1093 0.1110 0.1127 0.1141 0.1154 0.1164 0.1171 0.1175
年 份
(年) 9(1996) 10(1997) 11(1998) 12(1999) 13(2000) 14(2001)
15(2002) 16(2003)
实际值
(ERI) 0.1178 0.1179 0.1179 0.1179 0.1179 0.1180 0.1182 0.1185
BP 神经网络的训练过程为: 先用1988 年到2002 年的指标历史数据作为网络的输入,用1989 年到2003 年的指标历史数据作为网络的输出,组成训练集对网络进行训练,使之误差达到满意的程度,用这样训练好的网络进行预测.
采用滚动预测方法进行预测:滚动预测方法是通过一组历史数据预测未来某一时刻的值,然后把这一预测数据再视为历史数据继续预测下去,依次循环进行,逐步预测未来一段时期的值. 用1989 年到2003 年数据作为网络的输入,2004 年的预测值作为网络的输出. 接着用1990 年到2004 年的数据作为网络的输入,2005 年的预测值作为网络的输出.依次类推,这样就得到2010 年的预测值。
目前在BP 网络的应用中,多采用三层结构. 根据人工神经网络定理可知,只要用三层的BP 网络就可实现任意函数的逼近. 所以训练结果采用三层BP模型进行模拟预测. 模型训练误差为0.00001,隐层单元数选取8个,学习速率为0.05,动态参数0.6,Sigmoid参数0.9,最大迭代次数3000.运行3000次后,样本拟合误差等于0.00021。
求一用matlab编的程序
你用的是哪个版本的matlab啊，为什么不能运行啊 它提示说有些语过时了 怎么办啊？谢谢啊！
P=[。。。];输入T=[。。。];输出
% 创建一个新的前向神经网络
net_1=newff(minmax(P),[10,1],{'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}
layerbias=net_1.b{2}
% 设置训练参数
net_1.trainParam.show = 50;
net_1.trainParam.lr = 0.05;
net_1.trainParam.mc = 0.9;
net_1.trainParam.epochs = 10000;
net_1.trainParam.goal = 1e-3;
% 调用 TRAINGDM 算法训练 BP 网络
[net_1,tr]=train(net_1,P,T);
% 对 BP 网络进行仿真
A = sim(net_1,P);
% 计算仿真误差
E = T - A;
MSE=mse(E)
x=[。。。]';%测试
sim(net_1,x)
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
不可能啊 我2009