BP神经网络预测代码资料.docVIP

下载本文档

9
0
约2.09千字
约 3页
2020-02-11 发布于广东
举报
版权申诉

BP神经网络预测代码资料.doc

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

x=[54167?? ?55196?? ?56300?? ?57482?? ?58796?? ?60266?? ?61465?? ?62828?? ?64653?? ?65994?? ?67207?? ?66207?? ?65859?? ?67295?? ?69172?? ?70499?? ?72538?? ?74542?? ?76368?? ?78534?? ?80671?? ?82992?? ?85229?? ?87177?? ?89211?? ??90859?? ??92420?? ??93717?? ??94974?? ??96259?? ??97542?? ??98705?? ?100072?? ?101654?? ?103008?? ?104357?? ?105851?? ?107507?? ?109300?? ?111026?? ?112704?? ?114333?? ?115823?? ?117171?? ?118517?? ?119850?? ?121121?? ?122389?? ?123626?? ?124761?? ?125786?? ?126743?? ?127627?? ?128453?? ?129227?? ?129988?? ?130756?? ?131448?? ?132129?? ?132802?? ?134480?? ?135030?? ?135770?? ?136460?? ?137510];% 该脚本用来做NAR 神经网络预测% 作者：Macer程lag=3;??? % 自回归阶数iinput=x; % x为原始序列（行向量）n=length(iinput);%准备输入和输出数据inputs=zeros(lag,n-lag);for i=1:n-lag??? inputs(:,i)=iinput(i:i+lag-1);endtargets=x(lag+1:end);%创建网络hiddenLayerSize = 10; %隐藏层神经元个数net = fitnet(hiddenLayerSize);% 避免过拟合，划分训练，测试和验证数据的比例net.divideParam.trainRatio = 70/100;net.divideParam.valRatio = 15/100;net.divideParam.testRatio = 15/100;%训练网络[net,tr] = train(net,inputs,targets);%% 根据图表判断拟合好坏yn=net(inputs);errors=targets-yn;figure, ploterrcorr(errors)????????????????????? %绘制误差的自相关情况（20lags）figure, parcorr(errors)????????????????????????? %绘制偏相关情况%[h,pValue,stat,cValue]= lbqtest(errors)???????? %Ljung－Box Q检验（20lags）figure,plotresponse(con2seq(targets),con2seq(yn)) %看预测的趋势与原趋势%figure, ploterrhist(errors)????????????????????? %误差直方图%figure, plotperform(tr)????????????????????????? %误差下降线%% 下面预测往后预测几个时间段fn=7;? %预测步数为fn。 f_in=iinput(n-lag+1:end);f_out=zeros(1,fn);? %预测输出% 多步预测时，用下面的循环将网络输出重新输入for i=1:fn??? f_out(i)=net(f_in);??? f_in=[f_in(2:end);f_out(i)];end% 画出预测图figure,plot(1949:2013,iinput,b,2013:2020,[iinput(end),f_out],r)