BP预测模型-优化后的

%2、遗传算法优化的BP神经网络建模
%（1）主程序
%清空环境变量
% clc
% clear

%读取数据
% load （‘workspace.mat‘）; 
% id = find（grid_power <= 50） ;%删除功率小于50的数据
% wind_speed_1（id:）=[];
% grid_power（id:）=[] ;
%%%%%%%%%%%%%输入参数%%%%%%%%%%%%%%
N=7;            %数据总个数
M=4;            %训练数据
%%%%%%%%%%%%%训练数据%%%%%%%%%%%%%%
input=a;
output=b;
% save data input output
% load data.mat
 
%节点个数
inputnum=2;
hiddennum=5;
outputnum=1;
 
%训练数据和预测数据
input_train=input（1:M:）‘;
output_train=output（（1:M）:）‘;
input_test=input（（（M+1）:N）:）‘;
output_test=output（（（M+1）:N）:）‘;
 
%选连样本输入输出数据归一化
[inputninputps]=mapminmax（input_train）;
[outputnoutputps]=mapminmax（output_train）;
 
%构建网络
net=newff（inputnoutputnhiddennum）;
 
%% 遗传算法参数初始化
maxgen=10;                         %进化代数，即迭代次数
sizepop=30;                        %种群规模
pcross=[0.3];                       %交叉概率选择，0和1之间
pmutation=[0.1];                    %变异概率选择，0和1之间
 
%节点总数
numsum=inputnum*hiddennum+hiddennum+hiddennum*outputnum+outputnum;
 
lenchrom=ones（1numsum）;       
bound=[-3*ones（numsum1） 3*ones（numsum1）];    %数据范围
 
%------------------------------------------------------种群初始化------------------------------%------------------
 
individuals=struct（‘fitness‘zeros（1sizepop） ‘chrom‘[]）;  %将种群信息定义为一个结构体
%avgfitness=[];                      %每一代种群的平均适应度
bestfitness=[];                     %每一代种群的最佳适应度
bestchrom=[];                       %适应度最好的染色体
%初始化种群
for i=1:sizepop
    %随机产生一个种群
    individuals.chrom（i:）=Code（lenchrombound）;    %编码
    x=individuals.chrom（i:）;
    %计算适应度
    individuals.fitness（i）=fun（xinputnumhiddennumoutputnumnetinputnoutputn）;   %染色体的适应度
end
 
%找最好的染色体
[bestfitness bestindex]=min（individuals.fitness）;
bestchrom=individuals.chrom（bestindex:）;  %最好的染色体
%avgfitness=sum（individuals.fitness）/sizepop; %染色体的平均适应度
% 记录每一代进化中最好的适应度和平均适应度
%trace=[avgfitness bestfitness];
 
%% 迭代求解最佳初始阀值和权值
% 进化开始
for i=1:maxgen
   
    % 选择
    individuals=Select（individualssizepop）;
   % avgfitness=sum（individuals.fitness）/sizepop;
    %交叉
    individuals.chrom=Cross（pcrosslenchromindividuals.chromsizepopbound）;
    % 变异
    individuals.chrom=Mutation（pmutationlenchromindividuals.chromsizepopimaxgenbound）;
   
    % 计算适应度
    for j=1:sizepop
        x=individuals.chrom（j:）; %解码
        individuals.fitness（j）=fun（xinputnumhiddennumoutputnumnetinputnoutputn）;  
    end
   
  %找到最小和最大适应度的染色体及它们在种群中的位置
    [newbestfitnessnewbestindex]=min（individuals.fitness）;
    [worestfitnessworestindex]=max（individuals.fitness）;
    % 代替上一次进化中最好的染色体
    if bestfitness>newbestfitness
        bestfitness=newbestfitness;
        bestchrom=individuals.chrom（newbestindex:）;
    end
    individuals.chrom（worestindex:）=bestchrom;
    individuals.fitness（worestindex）=bestfitness;
   
    %avgfitness=sum（individuals.fitness）/sizepop;
   
   % trace=[trace;avgfitness bestfitness]; %记录每一代进化中最好的适应度和平均适应度
 
end
%% 遗传算法结果分析
 %figure（3）