BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)實(shí)例

1、【精品文檔】如有侵權(quán)，請(qǐng)聯(lián)系網(wǎng)站刪除，僅供學(xué)習(xí)與交流BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)實(shí)例.精品文檔.% 清空環(huán)境變量clcclear% 訓(xùn)練數(shù)據(jù)預(yù)測(cè)數(shù)據(jù)data=importdata('test.txt');%從1到768間隨機(jī)排序k=rand(1,768);m,n=sort(k);%輸入輸出數(shù)據(jù)input=data(:,1:8);output =data(:,9); %隨機(jī)提取500個(gè)樣本為訓(xùn)練樣本，268個(gè)樣本為預(yù)測(cè)樣本input_train=input(n(1:500),:)'output_train=output(n(1:500),:)'input_test=input

2、(n(501:768),:)'output_test=output(n(501:768),:)' %輸入數(shù)據(jù)歸一化inputn,inputps=mapminmax(input_train); % BP網(wǎng)絡(luò)訓(xùn)練% %初始化網(wǎng)絡(luò)結(jié)構(gòu)net=newff(inputn,output_train,10); net.trainParam.epochs=1000;net.trainParam.lr=0.1;net.trainParam.goal=0.0000004;% 網(wǎng)絡(luò)訓(xùn)練net=train(net,inputn,output_train); % BP網(wǎng)絡(luò)預(yù)測(cè)%預(yù)測(cè)數(shù)據(jù)歸一化inputn

3、_test=mapminmax('apply',input_test,inputps); %網(wǎng)絡(luò)預(yù)測(cè)輸出BPoutput=sim(net,inputn_test); % 結(jié)果分析%根據(jù)網(wǎng)絡(luò)輸出找出數(shù)據(jù)屬于哪類BPoutput(find(BPoutput<0.5)=0;BPoutput(find(BPoutput>=0.5)=1; % 結(jié)果分析%畫(huà)出預(yù)測(cè)種類和實(shí)際種類的分類圖figure(1)plot(BPoutput,'og')hold onplot(output_test,'r*');legend('預(yù)測(cè)類別',&#

4、39;輸出類別')title('BP網(wǎng)絡(luò)預(yù)測(cè)分類與實(shí)際類別比對(duì)','fontsize',12)ylabel('類別標(biāo)簽','fontsize',12)xlabel('樣本數(shù)目','fontsize',12)ylim(-0.5 1.5) %預(yù)測(cè)正確率rightnumber=0;for i=1:size(output_test,2) if BPoutput(i)=output_test(i) rightnumber=rightnumber+1; endendrightratio=rightnumber/si