求助检查BP神经网络预测程序

问题描述：

求助检查BP神经网络预测程序
clear,clc
P=1988:2003;%输入
T=[ 0.1093 0.1110 0.1127 0.1141 0.1154 0.1164 0.1171 0.1175 0.1178 0.1179 0.1179 0.1178 0.1179 0.1180 0.1182 0.1186
];%输出
% 创建一个新的前向神经网络
net_1=newff(minmax(P),[150,1],{'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 = 10;
net_1.trainParam.lr = 0.01;
net_1.trainParam.mc = 0.9;
net_1.trainParam.epochs = 10000;
net_1.trainParam.goal = 1e-10;
% 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);
figure(1)
plot(P,T,'b+',P,A,'r');
legend('真实值','预测值'),title('训练效果');
% 计算仿真误差
E = T - A;
MSE=mse(E)
x=1989:2004;%测试
y=sim(net_1,x);
y(end)
figure(2)
plot(P,T,'b+',x,y,'r');
legend('真实值','预测值'),title('下一年预测');
请问2004的预测结果为何与2003的一样啊?

1个回答分类：综合 2014-11-01

问题解答：

我来补答

问题：
  1：隐含层的节点数应该小于训练样本数（你这里et_1=newff(minmax(P),[150,1],{'tansig','purelin'},'traingdm')中的150远远大于训练样本数10个（1989：2003））
  2：如果把时间当做样本输入的话,这是不太合适的.如果那样还不如用时间序列求解.而且在现在的这个程序中还会会出现ynhj88311说的那种情况.（这里还应该做归一化处理更好）
clc
clear
date=1988:2003;
P0=[ 0.1093 0.1110 0.1127 0.1141 0.1154 0.1164 0.1171 0.1175  0.1178 0.1179 0.1179 0.1178 0.1179 0.1180 0.1182 0.1186];% 样本数据这里数据在0~1之间就不用归一化处理了
plot(date,P0,'b+'); %原数据随时间变化的曲线
hold on
title('原数据曲线图')
for i=1:13
     P(:,i)=P0(i:i+2);
     T(:,i)=P0(i+3);
end
%  创建一个新的前向神经网络
net_1=newff(minmax(P),[10,1],{'tansig','purelin'},'traingdm')
%  设置训练参数
net_1.trainParam.show = 1;
net_1.trainParam.lr = 0.2;
net_1.trainParam.mc = 0.9;
net_1.trainParam.epochs=10000000;
net_1.trainParam.goal = 1e-10;
%  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)
E = T - A;
MSE=mse(E)
P2001=sim(net_1,[0.1179 0.1178 0.1179 ]');
P2002=sim(net_1,[0.1178 0.1179 0.1180 ]');
P2003=sim(net_1,[0.1179 0.1180 0.1182 ]');
p2=P0(14:16)';
yuce2004=sim(net_1,p2)
figure
Y=[A(1,:),P2001,P2002,P2003,yuce2004];
Date=[date,2004];
plot(Date,Y,'r+')

展开全文阅读