基于Elman神经网络的房价预测matlab脚本

基于Elman神经网络的房价预测。

% elm_stockpredict.m

%% 清除工作空间中的变量和图形
clearclc
close all

%% 1.加载337期上证指数开盘价格
load matlab.mat

whos
rng（1）
%% ARMA模型
z=iddata（y1）;
m=armax（z（1:19）‘na‘2‘nc‘1）;
yp = predict（my11）;
yp=yp‘;

yp=yp（:157:end）;
%% 2.构造样本集
% 数据个数
price=y1;
n=length（price）;

% 确保price为列向量
price=price（:）;

% x（n） 由x（n-1）x（n-2）...x（n-L）共L个数预测得到.
L = 6;

% price_n：每列为一个构造完毕的样本，共n-L个样本
price_n = zeros（L+1 n-L）;
for i=1:n-L
    price_n（:i） = price（i:i+L）;
end

%% 划分训练、测试样本
% 将前280份数据划分为训练样本
% 后51份数据划分为测试样本

trainx = price_n（1:6 1:150）;
trainy = price_n（7 1:150）;

testx = price_n（1:6 151:end）;
testy = price_n（7 151:end）;

%% 创建Elman神经网络

% 包含15个神经元，训练函数为traingdx
net=elmannet（1:215‘traingdx‘）;

% 设置显示级别
net.trainParam.show=1;

% 最大迭代次数为2000次
net.trainParam.epochs=2000;

% 误差容限，达到此误差就可以停止训练
net.trainParam.goal=0.00001;

% 最多验证失败次数
net.trainParam.max_fail=5;

% 对网络进行初始化
net=init（net）;

%% 网络训练

%训练数据归一化
[trainx1 st1] = mapminmax（trainx）;
[trainy1 st2] = mapminmax（trainy）;

% 测试数据做与训练数据相同的归一化操作
testx1 = mapminmax（‘apply‘testxst1）;
testy1 = mapminmax（‘apply‘testyst2）;

% 输入训练样本进行训练
[netper] = train（nettrainx1trainy1）;

%% 测试。输入归一化后的数据，再对实际输出进行反归一化

% 将训练数据输入网络进行测试
train_ty1 = sim（net trainx1）;
train_ty = mapminmax（‘reverse‘ train_ty1 st2）;

% 将测试数据输入网络进行测试
test_ty1 = sim（net testx1）;
test_ty = mapminmax（‘reverse‘ test_ty1 st2）;

%% 显示结果
% 2.显示测试数据的测试结果
figure（1）
x=1:length（test_ty）;

% 显示真实值
plot（xtesty‘b-‘）;
hold on
% 显示神经网络的输出值
plot（xtest_ty‘r--‘）

% 显示ARMA的输出值
plot（xyp‘k--‘）

legend（‘real price‘‘prediction price of Elman‘‘prediction price of ARMA‘）
title（‘Test Results‘）;

% 显示均方误差
mse2 = mse（test_ty - testy）;
fprintf（‘    Elman_mse = \n     %f\n‘ mse2）
mse3 = mse（yp - testy）;
fprintf（‘    ARMA_mse = \n     %f\n‘ mse3）

% 显示相对误差
disp（‘    相对误差1：‘）
fprintf（‘%f  ‘ （test_ty - testy）./testy ）;
fprintf（‘\n‘）
disp（‘    相对误差2：‘）
fprintf（‘%f  ‘ （yp - testy）./testy ）;
fprintf（‘\n‘）

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件      86239  2018-03-27 18:15  matlab.mat

     文件       2349  2018-04-16 20:44  elm_stockpredict.m

----------- ---------  ---------- -----  ----

                88588                    2