灰色神经网络预测模型 matlab程序

灰色神经网络模型预测冰箱订单数量，数据文件data.mat中矩阵X为36行6列，第一列为订单数，2-6列为需求趋势、市场份额、售价、缺货情况和分销商等属性。

%% 该代码为基于灰色神经网络的预测算法
%
% 
% 			该案例作者申明：		1：本人长期驻扎在此板块里，对该案例提问，做到有问必答。本套书籍官方网站为：video.ourmatlab.com		2：点此从当当预定本书：《Matlab神经网络30个案例分析》。	3：此案例有配套的教学视频，视频下载方式video.ourmatlab.com/vbuy.html。 
								4：此案例为原创案例，转载请注明出处（《Matlab神经网络30个案例分析》）。							5：若此案例碰巧与您的研究有关联，我们欢迎您提意见，要求等，我们考虑后可以加在案例里。			
% 
%% 清空环境变量
clc
clear

load data

%% 数据累加作为网络输入
[nm]=size（X）;
for i=1:n
    y（i1）=sum（X（1:i1））;
    y（i2）=sum（X（1:i2））;
    y（i3）=sum（X（1:i3））;
    y（i4）=sum（X（1:i4））;
    y（i5）=sum（X（1:i5））;
    y（i6）=sum（X（1:i6））;
end

%% 网络参数初始化
a=0.3+rand（1）/4;
b1=0.3+rand（1）/4;
b2=0.3+rand（1）/4;
b3=0.3+rand（1）/4;
b4=0.3+rand（1）/4;
b5=0.3+rand（1）/4;

%% 学习速率初始化
u1=0.0015;
u2=0.0015;
u3=0.0015;
u4=0.0015;
u5=0.0015;

%% 权值阀值初始化
t=1;
w11=a;
w21=-y（11）;
w22=2*b1/a;
w23=2*b2/a;
w24=2*b3/a;
w25=2*b4/a;
w26=2*b5/a;
w31=1+exp（-a*t）;
w32=1+exp（-a*t）;
w33=1+exp（-a*t）;
w34=1+exp（-a*t）;
w35=1+exp（-a*t）;
w36=1+exp（-a*t）;
theta=（1+exp（-a*t））*（b1*y（12）/a+b2*y（13）/a+b3*y（14）/a+b4*y（15）/a+b5*y（16）/a-y（11））;

kk=1;

%% 循环迭代
for j=1:10
%循环迭代
E（j）=0;
for i=1:30
    
    %% 网络输出计算
    t=i;
    LB_b=1/（1+exp（-w11*t））;   %LB层输出
    LC_c1=LB_b*w21;           %LC层输出
    LC_c2=y（i2）*LB_b*w22;    %LC层输出
    LC_c3=y（i3）*LB_b*w23;    %LC层输出
    LC_c4=y（i4）*LB_b*w24;    %LC层输出
    LC_c5=y（i5）*LB_b*w25;    %LC层输出
    LC_c6=y（i6）*LB_b*w26;    %LC层输出 
    LD_d=w31*LC_c1+w32*LC_c2+w33*LC_c3+w34*LC_c4+w35*LC_c5+w36*LC_c6;    %LD层输出
    theta=（1+exp（-w11*t））*（w22*y（i2）/2+w23*y（i3）/2+w24*y（i4）/2+w25*y（i5）/2+w26*y（i6）/2-y（11））;   %阀值
    ym=LD_d-theta;   %网络输出值
    yc（i）=ym;
    
    %% 权值修正
    error=ym-y（i1）;      %计算误差
    E（j）=E（j）+abs（error）;    %误差求和       
    error1=error*（1+exp（-w11*t））;     %计算误差
    error2=error*（1+exp（-w11*t））;     %计算误差
    error3=error*（1+exp（-w11*t））;
    error4=error*（1+exp（-w11*t））;
    error5=error*（1+exp（-w11*t））;
    error6=error*（1+exp（-w11*t））;
    error7=（1/（1+exp（-w11*t）））*（1-1/（1+exp（-w11*t）））*（w21*error1+w22*error2+w23*error3+w24*error4+w25*error5+w26*error6）;
    
    %修改权值
    w22=w22-u1*error2*LB_b;
    w23=w23-u2*error3*LB_b;
    w24=w24-u3*error4*LB_b;
    w25=w25-u4*error

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

     文件       1504  2009-12-28 11:56  灰色神经网络模型\data.mat

     文件       5233  2019-01-04 09:44  灰色神经网络模型\Greynet.m

     目录          0  2019-01-04 16:15  灰色神经网络模型

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

                 6737                    3