模糊神经网络的预测算法-水质评价

本代码主要利用MATLAB工具进行模糊神经网络的预测算法的仿真，实现水质评价的模拟

web browser http://www.ilovematlab.cn/thread-65145-1-1.html
%% 清空环境变量
clc
clear

%% 参数初始化
xite=0.001;
alfa=0.05;

%网络节点
I=6;   %输入节点数
M=12;  %隐含节点数
O=1;   %输出节点数

%系数初始化
p0=0.3*ones（M1）;p0_1=p0;p0_2=p0_1;
p1=0.3*ones（M1）;p1_1=p1;p1_2=p1_1;
p2=0.3*ones（M1）;p2_1=p2;p2_2=p2_1;
p3=0.3*ones（M1）;p3_1=p3;p3_2=p3_1;
p4=0.3*ones（M1）;p4_1=p4;p4_2=p4_1;
p5=0.3*ones（M1）;p5_1=p5;p5_2=p5_1;
p6=0.3*ones（M1）;p6_1=p6;p6_2=p6_1;

%参数初始化
c=1+rands（MI）;c_1=c;c_2=c_1;
b=1+rands（MI）;b_1=b;b_2=b_1;

maxgen=100; %进化次数

%网络测试数据，并对数据归一化
load data1 input_train output_train input_test output_test

%选连样本输入输出数据归一化
[inputninputps]=mapminmax（input_train）;
[outputnoutputps]=mapminmax（output_train）;
[nm]=size（input_train）;

%% 网络训练
%循环开始，进化网络
for iii=1:maxgen
    iii
    for k=1:m        
        x=inputn（:k）;
        
        %输出层结算
        for i=1:I
            for j=1:M
                u（ij）=exp（-（x（i）-c（ji））^2/b（ji））;
            end
        end
        
        %模糊规则计算
        for i=1:M
            w（i）=u（1i）*u（2i）*u（3i）*u（4i）*u（5i）*u（6i）;
        end    
        addw=sum（w）;
        
        for i=1:M
            yi（i）=p0_1（i）+p1_1（i）*x（1）+p2_1（i）*x（2）+p3_1（i）*x（3）+p4_1（i）*x（4）+p5_1（i）*x（5）+p6_1（i）*x（6）;
        end
        
        addyw=yi*w‘;
        %网络预测计算
        yn（k）=addyw/addw;
        e（k）=outputn（k）-yn（k）;
        
        %计算p的变化值
        d_p=zeros（M1）;
        d_p=xite*e（k）*w./addw;
        d_p=d_p‘;
        
        %计算b变化值
        d_b=0*b_1;
        for i=1:M
            for j=1:I
                d_b（ij）=xite*e（k）*（yi（i）*addw-addyw）*（x（j）-c（ij））^2*w（i）/（b（ij）^2*addw^2）;
            end
        end  
        
        %更新c变化值
        for i=1:M
            for j=1:I
                d_c（ij）=xite*e（k）*（yi（i）*addw-addyw）*2*（x（j）-c（ij））*w（i）/（b（ij）*addw^2）;
            end
        end
        
        p0=p0_1+ d_p+alfa*（p0_1-p0_2）;
        p1=p1_1+ d_p*x（1）+alfa*（p1_1-p1_2）;
        p2=p2_1+ d_p*x（2）+alfa*（p2_1-p2_2）;
        p3=p3_1+ d_p*x（3）+alfa*（p3_1-p3_2）;
        p4=p4_1+ d_p*x（4）+alfa*（p4_1-p4_2）;
        p5=p5_1+ d_p*x（5）+alfa*（p5_1-p5_2）;
        p6=p6_1+ d_p*x（6）+alfa*（p6_1-p6_2）;
            
        b=b_1+d_b+alfa*（b_1-b_2）;      
        c=c_1+d_c+alfa*（c_1-c_2）;
   
        p0_2=p0_1;p0_1=p0;
        p1_2=p1_1;p1_1=p1;
        p2_2=p2_1;p2_1=p2;
        p3_2=p3_1;p3_1=p3;
        p4_2=p4_1;p4_1=p4;
        p5_2=p5_1;p5_1=p5;
        p6_2=p6_1;p6_1=p6;

        c_2=c_1;c_1=c;   
        b_2=b_1;b_1=b;
        
    end   
    E（iii）=sum（abs（e））;

end

figure（1）;
plot（outputn‘r‘）
hold on
plot（yn‘b‘）
hold on
plot（outputn-yn‘g‘）;
legend（‘实际输出‘‘预测输出‘‘误差‘‘fontsize‘12）
title（‘训练数据预测‘‘fontsize‘12）
xlabel（‘样本序号‘‘fontsize‘12）
ylabel（‘水质等级‘‘fontsize‘12）

%% 网络预测
%数据归一化
inputn_test=mapminmax（‘apply‘input_testinputps）;
[nm]=size（inputn_test）
for k=1:m
    x=inputn_test（:k）;
         
     %计算

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

     文件       9939  2009-10-02 09:48  案例24 模糊神经网络的预测算法-嘉陵江水质评价\data1.mat

     文件       1954  2009-10-22 21:51  案例24 模糊神经网络的预测算法-嘉陵江水质评价\data2.mat

     文件       7911  2010-02-02 12:08  案例24 模糊神经网络的预测算法-嘉陵江水质评价\FuzzyNet.m

     目录          0  2018-08-07 18:28  案例24 模糊神经网络的预测算法-嘉陵江水质评价

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

                19804                    4