使用神经网络的MG时间序列预测

function Mackey_Glass0
%基本MLP算法
% 麦克-格拉斯（Mackey-Glass）混沌延迟微分方程
% Example:
%    Mackey_Glass;
N=60000;
t=zeros（N1）;
x=zeros（N1）;
a=0.2;b=0.1;
x（1）=1.2;
t（1）=0;
h=0.5;
tau=17;
for k=1:N-1;
   t（k+1）=t（k）+h;
   if t（k）       k1=-b*x（k）;
       k2=-b*（x（k）+h*k1/2）;
       k3=-b*（x（k）+k2*h/2）;
       k4=-b*（x（k）+k3*h）;
       x（k+1）=x（k）+（k1+2*k2+2*k3+k4）*h/6;
   else
       n=floor（（t（k）-tau-t（1））/h+1）;
       k1=Df（x（n））-b*x（k）;
       k2=Df（x（n））-b*（x（k）+h*k1/2）;
       k3=Df（x（n））-b*（x（k）+k2*h/2）;
       k4=Df（x（n））-b*（x（k）+k3*h）;
       x（k+1）=x（k）+（k1+2*k2+2*k3+k4）*h/6;
   end
end




SamNum=3000; %训练样本数
TestSamNum=500;%测试样本数
HiddenUnitNum=30;%隐节点数
InDim=4;%样本输入维数
OutDim=1;%样本输出维数
h=0.5;
%根据目标函数获得样本输入输出
rand（‘state‘sum（3000*clock））;
NoiseVar=0.1;
Noise=NoiseVar*rand（1SamNum）;
SamIn=rand（InDimSamNum）;
SamOutNoNoise=rand（OutDimSamNum）;
TestSamIn=rand（InDimTestSamNum）;
TestSamOut=rand（OutDimTestSamNum）;
for k=201:3200
    SamIn（1k-200）=x（（k-18）/h+1）;
    SamIn（2k-200）=x（（k-12）/h+1）;
    SamIn（3k-200）=x（（k-6）/h+1）;
    SamIn（4k-200）=x（（k）/h+1）;
    SamOutNoNoise（k-200）=x（（k+85）/h+1）;
end
SamOut=SamOutNoNoise+Noise;
for l=5001:5500
    TestSamIn（1l-5000）=x（（l-18）/h+1）;
    TestSamIn（2l-5000）=x（（l-12）/h+1）;
    TestSamIn（3l-5000）=x（（l-6）/h+1）;
    TestSamIn（4l-5000）=x（（l）/h+1）;
    TestSamOut（l-5000）=x（（l+85）/h+1）;
end


figure
hold on
grid
mm=201:1:3200;
plot（mmSamOut‘k-‘）
ll=5001:5500;
plot（llTestSamOut‘k--‘）


MaxEpochs=3000;%最大训练次