bp神经网络MATLAB程序.pdf

% 清 空 环 境 变 量 clc clear %读取数据 a=xlsread(F:\4. 数据挖掘讲义—马景义 数据和程序 \matlab\one-input.csv); b=xlsread(F:\4. 数据挖掘讲义—马景义 数据和程序 \matlab\output.csv); c=xlsread(F:\4. 数据挖掘讲义—马景义 数据和程序 \matlab\c.csv); save data1.mat b save data2.mat a load data1 load data2 %节点个数 inputnum=42; hiddennum=8; outputnum=1; %训练数据和预测数据 input_train=a(:,1:90); input_test=a(:,91:137); output_train=b(:,1:90); output_test=b(:,91:137); %将训练样本输入输出数据归一化 [inputn,inputps]=mapminmax(input_train); [outputn,outputps]=mapminmax(output_train); %构建 BP 神经网络 net=newff(inputn,outputn,[20,12],{tansig,purelin},traingdx); net.trainParam.epochs=1000; net.trainParam.lr=0.01; net.trainParam.goal=0 %BP神经网络训练 net=train(net,inputn,outputn); %测试样本归一化 inputn_test=mapminmax(apply,input_test,inputps); %BP神经网络预测 an=sim(net,inputn_test); %%网络得到数据反归一化 BPoutput=mapminmax(reverse,an,outputps); d=BPoutputc figure(1) %plot(d,:og); scatter(1:(137-90),d,rx); hold on; %plot(output_test,-*); scatter(1:(137-90),output_test,o); legend( 预测输出 ,期望输出 ,fontsize,12); title(BP 网络预测输出 ,fontsize,12); xlabel( 样本 ,fontsize,12); xlabel( 优化前输出的误差 ,fontsize,12); figure(2) error=d-output_test; plot(1:(137-90),error); xlabel( 样本 ,fontsize,12); ylabel( 优化前输出的误差 ,fontsize,12); %save net net inputs outputs