BP神经网络matlab代码

clear; %清空环境变量
clc;
% 训练集/测试集的产生，这里采用xlsread（‘‘）；
paifangshuju=xlsread（‘E:\paifangshuju2.xlsx‘）;
NIR=paifangshuju（:1:2）;
octane=paifangshuju（:3:6）;
% % 随机产生训练集和测试集
temp = randperm（size（NIR1））;

%训练集--80个样本
P_train = NIR（temp（1:80）:）‘;
T_train = octane（temp（1:80）:）‘;

%测试集--10个样本
P_test = NIR（temp（81:end）:）‘;
T_test = octane（temp（81:end）:）‘;
N = size（P_test2）;

%验证、训练数据归一化
[p_trainps_input]=mapminmax（P_train01）;
p_test=mapminmax（‘apply‘P_testps_input）;
[t_trainps_output]=mapminmax（T_train01）;

% % BP神经网络的创建、训练及仿真测试
%创建网络
net = newff（p_traint_train[48]）;%2为隐含层的层数

%设置训练参数
net.trainParam.epochs=1000;
net.trainParam.goal=1e-3;
net.trainParam.lr=0.01;

%训练网络
net=train（netp_traint_train）;

%仿真测试
t_sim=sim（netp_test）;
%数据反归一化
T_sim=mapminmax（‘reverse‘t_simps_output）;

%%性能评价
%相对误差
error=abs（T_sim-T_test）./T_test;
%均方根误差
for i=1:4j=1:N;
    A（ij）=T_test（ij）-T_sim（ij）;
end
MSE_HC=sqrt（sum（A（1:）.^2））;
MSE_CO=sqrt（sum（A（