神经网络做预测

clc

clear all

close all

%bp 神经网络的预测代码

%载入输出和输入数据

p=[61
61
61
61
61
61
61
61
61
61
61
63
63
63
63
64
64
64
64
64
]‘;
%load C:\Users\amzon\Desktop\p.txt;

t=[66
66
67
67
67
67
64
64
67
67
67
67
67
67
67
67
67
67
64
64
64
64
64
64
67
67
67
67
67
66
66
66
61
61
61
61
61
61
55
55
61
61
66
66
66
66
66
68
68
68
65
65
65
65
66
66
66
66
66
]‘;
%load C:\Users\amzon\Desktop\t.txt;

%保存数据到matlab的工作路径里面

save p.mat;

save t.mat; %注意t必须为行向量

%赋值给输出p和输入t

p=p;

t=t;

%数据的归一化处理，利用mapminmax函数，使数值归一化到[-1.1]之间

%该函数使用方法如下：[yps] =mapminmax（xyminymax），x需归化的数据输入，

%ymin，ymax为需归化到的范围，不填默认为归化到[-11]

%返回归化后的值y，以及参数ps，ps在结果反归一化中，需要调用

[p1ps]=mapminmax（p）;

[t1ts]=mapminmax（t）;

%确定训练数据，测试数据一般是随机的从样本中选取70%的数据作为训练数据

%15%的数据作为测试数据，一般是使用函数dividerand，其一般的使用方法如下：

%[trainIndvalIndtestInd] = dividerand（QtrainRatiovalRatiotestRatio）

[trainsample.pvalsample.ptestsample.p] =dividerand（p0.70.150.15）;

[trainsample.tvalsample.ttestsample.t] =dividerand（t0.70.150.15）;

%建立反向传播算法的BP神经网络，使用newff函数，其一般的使用方法如下

%net = newff（minmax（p）[隐层的神经元的个数，输出层的神经元的个数]{隐层神经元的传输函数，输出层的传输函数｝‘反向传播的训练函数‘）其中p为输入数据，t为输出数据

%tf为神经网络的传输函数，默认为‘tansig‘函数为隐层的传输函数，

%purelin函数为输出层的传输函数

%一般在这里还有其他的传输的函数一般的如下，如果预测出来的效果不是很好，可以调节

%TF1 = ‘tansig‘;TF2 = ‘logsig‘;

%TF1 = ‘logsig‘;TF2 = ‘purelin‘;

%TF1 = ‘logsig‘;TF2 = ‘logsig‘;

%TF1 = ‘purelin‘;TF2 = ‘purelin‘;

TF1=‘tansig‘;TF2=‘purelin‘;

net=newff（minmax（p）[101]{TF1 TF2}‘traingdm‘）;%网络创建

%网络参数的设置

net.trainParam.epochs=10000;%训练次数设置

net.trainParam.goal=1e-7;%训练目标设置

net.trainParam.lr=0.01;%学习率设置应设置为较少值，太大虽然会在开始加快收敛速度，但临近最佳点时，会产生动荡，而致使无法收敛

net.trainParam.mc=0.9;%动量因子的设置，默认为0.9

net.trainParam.show=25;%显示的间隔次数

% 指定训练参数

% net.trainFcn = ‘traingd‘; % 梯度下降算法

% net.trainFcn = ‘traingdm‘; % 动量梯度下降算法

% net.trainFcn = ‘traingda‘; % 变学习率梯度下降算法

% net.trainFcn = ‘traingdx‘; % 变学习率动量梯度下降算法

% （大型网络的首选算法）

% net.trainFcn = ‘trainrp‘; % RPROP（弹性BP）算法内存需求最小

% 共轭梯度算法

% net.trainFcn = ‘trai