数学建模神经网络预测模型及程序.docVIP

年 份 年 1 1988 2 1989 3 1990 4 1991 5 1992 6 1993 7 1994 8 1995 实际值 ERI 0.1093 0.1110 0.1127 0.1141 0.1154 0.1164 0.1171 0.1175 年 份 年 9 1996 10 1997 11 1998 12 1999 13 2000 14 2001 15 2002 16 2003 实际值 ERI 0.1178 0.1179 0.1179 0.1179 0.1179 0.1180 0.1182 0.1185 BP 神经网络的训练过程为: 先用1988 年到2002 年的指标历史数据作为网络的输入,用1989 年到2003 年的指标历史数据作为网络的输出,组成训练集对网络进行训练,使之误差达到满意的程度,用这样训练好的网络进行预测. 采用滚动预测方法进行预测:滚动预测方法是通过一组历史数据预测未来某一时刻的值,然后把这一预测数据再视为历史数据继续预测下去,依次循环进行,逐步预测未来一段时期的值. 用1989 年到2003 年数据作为网络的输入,2004 年的预测值作为网络的输出. 接着用1990 年到2004 年的数据作为网络的输入,2005 年的预测值作为网络的输出.依次类推,这样就得到2010 年的预测值。 目前在BP 网络的应用中,多采用三层结构. 根据人工神经网络定理可知,只要用三层的BP 网络就可实现任意函数的逼近. 所以训练结果采用三层BP模型进行模拟预测. 模型训练误差为0.00001,隐层单元数选取8个,学习速率为0.05,动态参数0.6,Sigmoid参数0.9,最大迭代次数3000.运行3000次后,样本拟合误差等于0.00021。 P [。。。];输入T [。。。];输出 % 创建一个新的前向神经网络 net_1 newff minmax P ,[10,1], tansig,purelin ,traingdm % 当前输入层权值和阈值 inputWeights net_1.IW 1,1 inputbias net_1.b 1 % 当前网络层权值和阈值 layerWeights net_1.LW 2,1 layerbias net_1.b 2 % 设置训练参数 net_1.trainParam.show 50; net_1.trainParam.lr 0.05; net_1.trainParam.mc 0.9; net_1.trainParam.epochs 10000; net_1.trainParam.goal 1e-3; % 调用 TRAINGDM 算法训练 BP 网络 [net_1,tr] train net_1,P,T ; % 对 BP 网络进行仿真 A sim net_1,P ; % 计算仿真误差 E T - A; MSE mse E x [。。。];%测试 sim net_1,x 既然题目说的是预测，那么倒数第二行的代码x [。。。];%测试，x的值怎么确定呢，是不是题目从所给的数据中随便选一组作为测试啊？顺便问一下，为什么要有这个x呢？对未来的预测和这个x有什么关系啊 sim net_1,x net_1是已经训练好的网络（用的是1988-2003的数据） 从题目知道网络的输入-输出数据是这样产生的 输入P 对应输出T 1988-2002--- 2003 1989-2003--- 2004 1990-2004--- 2005 ………… 1994-2008--- 2009 以上构成了1994-1988+1＝7组输入输出对。 利用P/T进行训练，训练成功（一般还要设一个确认集进行泛化能力的检测，光是训练误差小是不行的）后。sim net_1,x 这是对网络进行仿真。在这个仿真函数中，给一个输入，（类似训练时用的输入P,列数可以不同，但行数必须一样），网络就给出你想要的输出。 而这个x就是你最后要进行的预测的输入。由于你预测的是2010年的值，那么输入就是为1995-2009,这样“按道理”，网络就给出了2010年的值 明白没？P [1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16]; T [0.1093 0.1110 0.1127 0.1141 0.1154 0.1164 0.1171 0.1175 0.1178 0.1179 0.1179 0.1179 0.1179 0.1180 0.1182 0.1185]; net_1 newff minmax P ,[10,1], tansig,purelin ,traingdm inputWeights net_