BP神经网络，用于分类和预测。也即模式识别和曲线拟合，是用matlab编写实现.zip

BP神经网络，用于分类和预测。也即模式识别和曲线拟合，是用matlab编写实现

%---------------------------------------------%
%					      %
%          工作室提供代做matlab仿真	      %
%					      %
%  详情请访问：http://cn.mikecrm.com/DeOOXFc  %
%					      %
%---------------------------------------------%

clc
clear
%---------------------------------------
%一、对原始输入数据进行归一化
%先从excel文档中导入数据到矩阵P，共7种气体成分，40组数据
p=xlsread（‘originaldata.xlsx‘‘B2:H41‘）;
t=xlsread（‘originaldata.xlsx‘‘B41:H41‘）; %输出数据，没弄明白是什么！！！！

%归一化数据映射到[01]之间直接用mapminmax函数更简单
% for i=1:40
%   P（i:）=0.1+0.8*（Orig（i:）-min（Orig（i:）））/（max（Orig（i:））-min（Orig（i:）））;
% end
[normInputps] = mapminmax（p 0.10.9）;
[normTargetts] = mapminmax（t 0.10.9）;
%ps处理设置，ps主要在结果反归一化中需要调用

%----------------------------------------
%二、打乱数据顺序，及分类处理（抽取训练数据、变量数据、测试数据）
%将输入的40组数据的20%共8组作为测试数据；
%将数据的20%即8组作为变化数据；
%剩下24组作为正常训练数据；
testPercent = 0.20;  % 测试数据所占百分比
validatePercent = 0.20;  % 变量数据所占百分比
[trainSamplesvalidateSamplestestSamples] = dividevec（normInputnormTargetvalidatePercenttestPercent）;

%-----------------------------------------
%三、设置网络参数，设置三层BP网络结构（7个输入，7个输出，隐层单元个数先设置成12个）
%使用newff（）函数建立BP网络
net=newff（minmax（normInput）[127]{‘tansig‘‘logsig‘}‘traingdx‘）;%创建三层BP网络

%-----------------------------------------
%四、设置训练参数  
net.trainParam.epochs=10000;%设置训练次数
net.trainParam.goal=1e-6;%设置训练目标
net.trainParam.lr=0.01;%设置学习率

%------------------------------------------
% 指定训练函数
net.trainfcn=‘traingdm‘;
[nettr] = train（nettrainSamples.PtrainSamples.T[][]validateSamplestestSamples）;

%------------------------------------------
%五、训练完成，调用sim（）函数进行仿真
[normTrainOutputPfAfEtrainPerf] = sim（nettrainSamples.P[][]trainSamples.T）;%正常输入的9组p数据，BP得到的结果t
[normValidateOutputPfAfEvalidatePerf] = sim（netvalidateSamples.P[][]validateSamples.T）;%用作变量3的数据p，BP得到的结果t
[normTestOutputPfAfEtestPerf] = sim（nettestSamples.P[][]testSamples.T）;%用作测试的3组数据p，BP得到的结果t

%-------------------------------------------
% 六、仿真后结果数据反归一化，如果需要预测，只需将预测的数据P填入
% 将获得预测结果t
trainOutput = mapminmax（‘reverse‘normTrainOutputts）;%正常输入的9组p数据，BP得到的归一化后的结果t
trainInsect = mapminmax（‘reverse‘trainSamples.Tts）;%正常输入的9组数据t
validateOutput = mapminmax（‘reverse‘normValidateOutputts）;%用作变量3的数据p，BP得到的归一化的结果t
validateInsect = mapminmax（‘reverse‘validateSamples.Tts）;%用作变量3的数据t
testOutput = mapminmax（‘reverse‘normTestOutputts）;%用作变量3组数据p，BP得到的归一化的结果t
testInsect = mapminmax（‘reverse‘testSamples.Tts）;%用作变量3组数据t

%-------------------------------------------
% 数据分析和绘图
%---------------------------------------------------  
figure
plot（1:32[trainOutput validateOutput]‘b-‘1:32[trainInsect validateInsect]‘g--‘33:40testOutput‘m*‘33:40testInsect‘ro‘）;
title（‘o为真实值，*为预测值‘）
xlabel（‘年份‘）;
ylabel（‘交通量（辆次/昼夜）‘）;

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2019-08-12 15:47  BP神经网络，用于分类和预测。也即模式识别和曲线拟合，是用matlab编写实现\
     文件        3251  2019-08-12 15:50  BP神经网络，用于分类和预测。也即模式识别和曲线拟合，是用matlab编写实现\BPyuce.m