计算智能实验四.pdf

课程名称：计算智能

一、实验目的及要求

实验目的：

了解BP网络的非线性函数拟合

实验要求：

1、建立一个BP网络拟合所给的非线性函数

2、随机选择所给数据中的1900个作为训练数据，训练BP网络相关参数，用剩下的100个

作为测试数据，测试所建立的BP网络的拟合性能

3、对数据进行归一化处理

4、给出预测结果

5、分析预测效果

6、画出图形，包括非线性函数轨迹、期望输出与预测输出的比较、预测误差曲线图等。

二、实验环境及相关情况（包含使用软件、实验设备、主要仪器及材料等）

Windows7word2010matlab2010a

第1页共5页

三、实验内容及步骤（包含简要的实验步骤流程）

实验内容：建立BP神经网络拟合非线性函数yxx1222：

1、该非线性函数有两个输入参数、一个输出参数，即输入层含2个节点、输出层一个节点，

需要确定的是隐含层层数和相应的节点数（可用公式确定大概的范围，而后实验法确定最后

的选择）；

2、BP网络用非线性函数输入输出数据训练神经网络，使训练后的网络能够预测非线性函数

的输出。可从所提供的数据中随机选择其中的一部分(如1900组)作为训练数据，剩下的作

为测试数据，用于测试网络的拟合性能；

3注意分析预测效果。

四、实验结果（包括程序或图表、结论陈述、数据记录及分析等，可附页）

1、训练数据与预测数据的提取及归一化

%从1到2000之间随机排序

k=rand(1,2000);

[m,n]=sort(k);

input_train=input(n(1:1900),:);

output_train=output(n(1:1900));

input_test=input(n(1901:2000),:);

output_test=output(n(1901:2000));

[inputn,inputps]=mapminmax(input_train);

[outputn,outputps]=mapminmax(output_train);

2、BP网络训练

net=newff(inputn,outputn,5);

net.trainParam.epochs=200;

net.trainParam.lr=0.05;

net.trainParam.goal=0.000004;

net=train(net,inputn,outputn);

3、BP网络预测

input_test=mapminmax(apply,input_test,inputps);

an=sim(net,input_test);

BPoutput=mapminmax(reverse,an,outputps);

4、结果分析

figure(1)

plot(BPoutput,:og)

holdon

第2页共5页

plot(output_test,-*);

legend(预测输出,实际输出)

title(网络输出和实际输出对比’)

%预测误差

eor=BPoutput-output_test;

figure(2)

plot(eor,-*)

title(BP网络预测误差)

figure(3)

plot((output_test-BPoutput)./BPoutput,-*);

title(神经网络预测误差百分比)

eorsum=sum(abs(eor))

输出误差结果及相关图像

errorsum=3.8735

网络输出和实际输出对比

40

预测输出

35实际输出

30

25

20