bp神經網路預測模型的推廣

1、GA-BP神經網路模型預測的MATLAB程序問題

Matlab神經網路工具箱提供了一系列用於建立和訓練bp神經網路模型的函數命令，很難一時講全。下面僅以一個例子列舉部分函數的部分用法。更多的函數和用法請仔細查閱Neural Network Toolbox的幫助文檔。 例子：利用bp神經網路模型建立z=sin(x+y)的模型並檢驗效果 %第1步。隨機生成200個采樣點用於訓練 x=unifrnd(-5,5,1,200); y=unifrnd(-5,5,1,200); z=sin(x+y); %第2步。建立神經網路模型。其中參數一是輸入數據的范圍，參數二是各層神經元數量，參數三是各層傳遞函數類型。 N=newff([-5 5;-5 5],[5,5,1],{'tansig','tansig','purelin'}); %第3步。訓練。這里用批訓練函數train。也可用adapt函數進行增長訓練。 N=train(N,[x;y],z); %第4步。檢驗訓練成果。 [X,Y]=meshgrid(linspace(-5,5)); Z=sim(N,[X(:),Y(:)]'); figure mesh(X,Y,reshape(Z,100,100)); hold on; plot3(x,y,z,'.')

2、如何提高BP神經網路模型的預測精度

直接調用歸一化函數就可以啦，不會的話看一下這個帖子吧：遺傳演算法優化BP神經版網路權的案例（matlab代碼分享）
http://www.ilovematlab.cn/forum. ... &fromuid=679292

3、如何建立bp神經網路預測 模型

建立BP神經網路預測 模型，可按下列步驟進行：

1、提供原始數據

2、訓專練數據預測數據提取及歸一屬化

3、BP網路訓練

4、BP網路預測

5、結果分析

現用一個實際的例子，來預測2015年和2016年某地區的人口數。

已知2009年——2014年某地區人口數分別為3583、4150、5062、4628、5270、5340萬人

執行BP_main程序，得到

[ 2015,  5128.631704710423946380615234375]

[ 2016, 5100.5797325642779469490051269531]

代碼及圖形如下。

4、bp神經網路預測問題，有3個自變數1個因變數150組數據，要得到一個訓練模型預測因變數（Matlab實現）

Matlab實現過程：
1、自變數數據
x1=[。。。]';x2=[。。。]';x3=[。。。]';
X=[x1 x2 x3];
2、因變數數據
y=[。。。]';
3、創建一個前饋網路
net=newff(X,y,[3,3,1],{'tansig','tansig','purelin'}, 'trainlm');
net.trainParam.epochs=1000;
net.trainParam.goal=10^專(-6);
4、調用相應屬演算法訓練BP網路
[net,tr,yy]=train(net,X,y);%調用相應演算法訓練BP網路
5、對BP網路進行模擬
y_sim=sim(net,p);

5、求用matlab編BP神經網路預測程序

P=[。。。];輸入T=[。。。];輸出

% 創建一個新的前向神經網路
net_1=newff(minmax(P),[10,1],{'tansig','purelin'},'traingdm')

% 當前輸入層權值和閾值
inputWeights=net_1.IW{1,1}
inputbias=net_1.b{1}
% 當前網路層權值和閾值
layerWeights=net_1.LW{2,1}
layerbias=net_1.b{2}

% 設置訓練參數
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;

% 調用 TRAINGDM 演算法訓練 BP 網路
[net_1,tr]=train(net_1,P,T);

% 對 BP 網路進行模擬
A = sim(net_1,P);
% 計算模擬誤差
E = T - A;
MSE=mse(E)

x=[。。。]';%測試
sim(net_1,x)

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
不可能啊 我2009

6、求預測一組數據的bp神經網路模型的matlab代碼

用matlab求預測一組數據的bp神經網路模型，可以分
1、給定已經數據，作為一個原始序列；
2、設定自回歸階數，一般2～3，太高不一定好；
3、設定預測某一時間段
4、設定預測步數
5、用BP自定義函數進行預測
6、根據預測值，用plot函數繪制預測數據走勢圖
其主要實現代碼如下：
clc
% x為原始序列（行向量）
x=[208.72 205.69 231.5 242.78 235.64 218.41];
%x=[101.4 101.4 101.9 102.4 101.9 102.9];
%x=[140 137 112 125 213 437.43];

t=1:length(x);
% 自回歸階數
lag=3;
%預測某一時間段
t1=t(end)+1:t(end)+5;
%預測步數為fn
fn=length(t1);
[f_out,iinput]=BP(x,lag,fn);
P=vpa(f_out,5);
A=[t1' P'];
disp('預測值')
disp(A)
% 畫出預測圖
figure(1),plot(t,iinput,'bo-'),hold on
plot(t(end):t1(end),[iinput(end),f_out],'rp-'),grid on
title('BP神經網路預測某地鐵線路客流量')
xlabel('月號'),ylabel('客流量（百萬）');
運行結果：

7、想利用excel實現BP神經網路預測模型,求指導啊!

Excel是表格，真不知道為什麼要用它實現BP神經網路
建議你用用MATLAB，相當方便

8、求一個bp神經網路預測模型的MATLAB程序

BP神經網路預測的步驟:

1、輸入和輸出數據。

2、創建網路。fitnet（）

3、劃分訓練，測試和驗證數據的版比例。net.divideParam.trainRatio；權 net.divideParam.valRatio；net.divideParam.testRatio

4、訓練網路。 train（）

5、根據圖表判斷擬合好壞。ploterrcorr（）；parcorr（）；plotresponse（）

6、預測往後數據。net（）

7、畫出預測圖。plot（）

執行下列命令

BP_prediction

得到結果：

[ 2016, 14749.003045557066798210144042969]

[ 2017, 15092.847215188667178153991699219]

[ 2018, 15382.150005970150232315063476562]

[ 2019,  15398.85769711434841156005859375]

[ 2020, 15491.935150090605020523071289062]

9、BP神經網路預測模型在matlab下編程如何顯示出它的預測值

%畫出預測輸出結果和期望輸出結果圖
figure;
plot(output_fore,':og');
hold on;
plot(output2_lianghua','-*');
legend('預測輸出內','期望輸出');
title('BP網路預測輸出','fontsize',12);
ylabel('函數輸出','fontsize',12);
xlabel('樣本','fontsize',12);
%畫出預測結果容誤差圖
figure
plot(error,'-*')
title('BP網路預測誤差','fontsize',12)
ylabel('誤差','fontsize',12)
xlabel('樣本','fontsize',12)