资源简介
一个很好的bp神经网络预测程序实例,有较好的预测精确性
代码片段和文件信息
clc
clear all
close all
aa=xlsread(‘sy1.xls‘);
at=[{‘日期:2005-6-30至2006-12-1‘}{‘开盘价‘}{‘成交量‘}{‘最高价‘}{‘最低价‘}{‘收盘价‘}];
ys=‘brgmcyk‘;
pd=aa(1:330:)‘;
[pnminpmaxp]=premnmx(pd);
pr=[pn(:1:320);pn(:2:321);pn(:3:322);pn(:4:323);pn(:5:324)];
% px=[pn(:1:300);pn(:2:301);pn(:3:302);pn(:4:303);pn(:5:304)];
px=pr(:1:300);
py=pn(56:305);
pX=pr(:301:320)
pY=pd(5306:325); %pn(5306:325);
net1=newff(minmax(px)[161]{‘tansig‘‘purelin‘}‘trainlm‘); %{‘tansig‘‘logsig‘}‘traingdx‘); {‘logsig‘‘purelin‘}
net1.trainParam.show=1;
net1.trainParam.epochs=2000;
net1.trainParam.goal=0.001;
net1.trainParam.max_fail=5;
net1=init(net1);
[net1trYE]=train(net1pxpy);
s=sim(net1px);
er=py-s;
figure
plot(py‘b‘);
hold on
plot(s‘r*‘);
title(‘神经网络训练图‘);
pp=sim(net1pX);
legend(‘实际目标值‘‘网络拟合值‘2);
% pp=pp+0.015*pp.*randn(1length(pp)); %加噪声
disp(‘实际值‘)
pY
disp(‘预测值‘)
pp=minp(5)+(maxp(5)-minp(5))*(pp+1)/2
disp(‘预测产生的误差‘)
pY-pp
figure;
plot(pY‘g-‘);
hold on
plot(pp‘m*‘);
title(‘神经网络预测图‘);
legend(‘实际目标值‘‘预测值‘2)
figure;
plot(er‘m‘);
title(‘神经网络训练误差曲线‘);
属性 大小 日期 时间 名称
----------- --------- ---------- ----- ----
文件 1213 2007-12-09 19:25 BP-forecast.m
----------- --------- ---------- ----- ----
1431 2
- 上一篇:Multisim14.0汉化包
- 下一篇:基单片机汇编的停车计费系统
相关资源
- 电力系统黑启动
- 电力机车牵引 电子书
- yalmip解决电力系统机组组合问题范例
- 电力电子技术实验three_1.slx
- 电力拖动自动控制系统第二版 机械工
- 电力线信道系统噪声的建模
- 基于SS3型电力机车的仿真模型
- ieee30节点数据
- 电力IEC103规约测试工具
- 工厂供电课程设计CAD图
- 电力负荷计算的工具
- 基于改进离散粒子群算法的电力系统
- 遗传算法优化BP网络(用于电力负荷预
- CDT 测试程序,带规约解析
- DL/T614-2007 多功能电能表
- 电力系统数据标记语言-E语言规范
- 单端反激AC-DC-DC电源20V,10W设计
- 电力系统继电保护原理第三版.pdf
- 电力系统仿真
- 基于ANSYS的电力变压器漏感参数计算
- 并联型有源电力滤波器的设计.pdf
- IEC62351-8-2011(TS)电力系统数据和通信
- 电力系统整定计算软件
- 电力拖动与自动控制课程设计
- 电力系统的状态估计论文
- IEEE14节点潮流程序
- 电力工程信号处理应用之Prony算法
- 基于改进粒子群神经网络的电力电子
- IEEE30节点、14节点数据
- 欧洲智能技术网络(EUNITE)举办的电
评论
共有 条评论