matlab神经网络预测程序一点点小问题

来源:百度知道 编辑:UC知道 时间:2024/05/22 19:04:15
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。
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')

net_1是已经训练好的网络(用的是1988-2003的数据)
从题目知道网络的输入-输出数据是这样产生的
输入P 对应输出T
1988-2002--->2003
1989-2003--->2004
1990-2004--->2005
…………
1994-2008--->2009
以上构成了1994-1988+1=7组输入输出对。
利用P/T进行训练,训练成功(一般还要设一个确认集进行泛化能力的检测,光是训练误差小是不行的)后。sim(net_1,x)这是对网络进行仿真。在这个仿真函数中,给一个输入,(类似训练时用的输入P,列数可以不同,但行数必须一样),网络就给出你想要的输出。
而这个x就是你最后要进行的预测的输入。由于你预测的是2010年的值,那么输入就是为1995-2009,这样“按道理”,网络就给出了2010年的值
明白没?

非常乘法乘法内飞机奶奶民间许多反对如果感到内革命