资源简介
神经网络BP预测算法,经过优化后的模型代码见附件,matlab格式代码。
代码片段和文件信息
%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)
评论
共有 条评论