BP神经网络预测模型

clearclc;
x1=xlsread（‘G:\研究生论文写作及实验\DBC-14-05插值.xlsx‘‘A1:A102‘）;  
A2=xlsread（‘G:\研究生论文写作及实验\DBC-14-05插值.xlsx‘‘A103:A126‘）‘;
x=x1‘;
% 该脚本用来做NAR神经网络预测  
lag=10;    % 自回归阶数  
iinput=x;    % x为原始序列（行向量）  
n=length（iinput）;  
  
%准备输入和输出数据  
inputs=zeros（lagn-lag）;  
for i=1:n-lag  
    inputs（:i）=iinput（i:i+lag-1）‘;  
end  
targets=x（lag+1:end）;  
  
%创建网络  
% hiddenlayerSize =10; %隐藏层神经元个数  
% net = fitnet（hiddenlayerSize）;  
% net.trainParam.epochs=10;
% net.trainParam.goal=0.00000001;
% net.trainFcn=‘trainbr‘;

net=newff（inputstargets10{‘tansig‘‘tansig‘‘dtansig‘}‘trainlm‘‘learngdm‘‘msereg‘）;
net=init（net）;
net.performFcn=‘sse‘;
net.trainParam.show=20;
% net.trainParam.Lr=0.05;
net.trainParam.mc=0.92;
net.trainParam.epochs=50;
net.trainParam.goal=0.01;


  
% % 避免过拟合，划分训练，测试和验证数据的比例  
net.divideParam.trainRatio = 70/100;  
net.divideParam