GRNN的数据预测-基于广义回归神经网络货运量预测

GRNN的数据预测-基于广义回归神经网络货运量预测的matlab

%% 案例8：GRNN的数据预测—基于广义回归神经网络的货运量预测
%
%
% 
% 			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。	2：此案例有配套的教学视频，配套的完整可运行Matlab程序。						3：以下内容为该案例的部分内容（约占该案例完整内容的1/10）。							4：此案例为原创案例，转载请注明出处（Matlab中文论坛，《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。							6：您看到的以下内容为初稿，书籍的实际内容可能有少许出入，以书籍实际发行内容为准。					7：此书其他常见问题、预定方式等，请点击这里。	
% 
%
%% 清空环境变量
clc;
clear all
close all
nntwarn off;

%% 载入数据
load data;
% 载入数据并将数据分成训练和预测两类
p_train=p（1:12:）;
t_train=t（1:12:）;
p_test=p（13:）;
t_test=t（13:）;
%% 交叉验证
desired_spread=[];
mse_max=10e20;
desired_input=[];
desired_output=[];
result_perfp=[];
indices = crossvalind（‘Kfold‘length（p_train）4）;
h=waitbar（0‘正在寻找最优化参数....‘）
k=1;
for i = 1:4
    perfp=[];
    disp（[‘以下为第‘num2str（i）‘次交叉验证结果‘]）
    test = （indices == i）; train = ~test;
    p_cv_train=p_train（train:）;
    t_cv_train=t_train（train:）;
    p_cv_test=p_train（test:）;
    t_cv_test=t_train（test:）;
    p_cv_train=p_cv_train‘;
    t_cv_train=t_cv_train‘;
    p_cv_test= p_cv_test‘;
    t_cv_test= t_cv_test‘;
    [p_cv_trainminpmaxpt_cv_trainmintmaxt]=premnmx（p_cv_traint_cv_train）;
    p_cv_test=tramnmx（p_cv_testminpmaxp）;
    for spread=0.1:0.1:2;
        net=newgrnn（p_cv_traint_cv_trainspread）;
        waitbar（k/80h）;
        disp（[‘当前spread值为‘ num2str（spread）]）;
        test_Out=sim（netp_cv_test）;
        test_Out=postmnmx（test_Outmintmaxt）;
        error=t_cv_test-test_Out;
        disp（[‘当前网络的mse为‘num2str（mse（error））]）
        perfp=[perfp mse（error）];
        if mse（error）            mse_max=mse（error）;
            desired_spread=spread;
            desired_input=p_cv_train;
            desired_output=t_cv_train;
        end
        k=k+1;
    end
    result_perfp（i:）=perfp;
end;
close（h）
disp（[‘最佳spread值为‘num2str（desired_spread）]）
disp（[‘此时最佳输入值为‘]）
desired_input
disp（[‘此时最佳输出值为‘]）
desired_output
%% 采用最佳方法建立GRNN网络
net=newgrnn（desired_inputdesired

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件        1228  2010-01-31 21:51  案例8 GRNN的数据预测-基于广义回归神经网络货运量预测\best.mat
     文件        4134  2010-01-31 21:50  案例8 GRNN的数据预测-基于广义回归神经网络货运量预测\chapter8.1.m
     文件        2562  2010-01-31 21:52  案例8 GRNN的数据预测-基于广义回归神经网络货运量预测\chapter8.2.asv
     文件        2562  2010-01-31 21:53  案例8 GRNN的数据预测-基于广义回归神经网络货运量预测\chapter8.2.m
     文件         815  2010-01-30 20:09  案例8 GRNN的数据预测-基于广义回归神经网络货运量预测\data.mat
     文件         198  2010-01-30 22:29  案例8 GRNN的数据预测-基于广义回归神经网络货运量预测\运行提示.txt