matlabbp神经网络预测

⑴ bp神经网络在matlab中的预测结果是直线

缺少归一化和反归一化过程，训练失败。应将[2.5,3.0]范围内的数据归一专化。

在最新版的属matlab里面共有两个归一化函数：mapminmax()和mapstd(),其中第一个函数是归一化到[0 1]范围，后一个为统计归一化。
各自的归一化格式如下：
[pn,ps]=mapminmax(P)或=mapstd(P) %P是输入向量
[tn, ts]=mapminmax(t)或＝mapstd(t) %t 是目标向量
在训练完后，对测试样本归一化格式为：
pnt=mapminmax('apply',pt,ps)或＝mapstd('apply',pt,ps)
仿真后反归一化格式则为：
out=mapminmax('reverse',An,ts)或=mapstd('reverse',An,ts)；其中An为sim函数的输出

⑵ Matlab BP神经网络预测错误，怎么办

Matlab BP神经网络预测错误的原因可能有下列因素：
1、数据本身问题
2、训练参数不够合理
所以，题主应从上述因素去改进。

⑶ matlab BP神经网络预测下一组数据问题

楼主用的MATLAB是什么版本？
这段代码在2008b中会报错，虽然可以排除，但修改后在你的系统上未必兼容，所以最好用和你比较接近的版本来调试分析。

⑷ Matlabbp神经网络预测出来的数据有时候会连续错误，有时候连续正确，要怎么办，可以平均一点！

Matlab BP神经网络预测出现您这情况，可能有是数据本身问题或训练参数不够合理的原因，可从从上述两个原因去改进。

⑸ 关于构建一个三层BP神经网络对药品的销售进行预测（程序由matlab编写）

clear all;
close all;
clc;
%p = [2056 2395 2600 2298 1634 1600 1837 1478 1900 2395 2600 2298 1634 1600 1873 1478 1900 1500 2600 2298 1634 1600 1873 1478 1900 1500 2046];
t = [1873 1478 1900 1500 2046 1556];
p = [ 2056 2395 2600 2298 1634 1600];
%--归一化输入输出-- 映射到[0,1]--%
pmax = max(p);
pmin = min(p);
P = (p-pmin)./(pmax-pmin);
tmax = max(t);
tmin = min(t);
T = (t-tmin)./(tmax-tmin);

net =newff(P,T,5,{'tansig','purelin'},'traingdx');
%--设置训练参数--%
net.trainParam.show =50;
net.trainParam.lr = 0.05;
net.trainParam.epochs = 1000;
net.trainParam.goal = 1e-3;
net.divideFcn= '';

[net,tr] = train(net,P,T);
A =sim(net,P);
a =A.*(tmax - tmin)+tmin;
x = 7:12;
figure
plot(x,t,'+');
hold on;
plot(x,a,'or');
hold off;
xlabel('month');
ylabel('**')
legend('实际','预测')

⑹ matlab中的BP神经网络

从原理抄上来说，神经网络是可以预测袭未来的点的。
实际上，经过训练之后，神经网络就拟合了输入和输出数据之间的函数关系。只要训练的足够好，那么这个拟合的关系就会足够准确，从而能够预测在其他的输入情况下，会有什么样的输出。
如果要预测t=[6
7]两点的R值，先以t=[1
2
3
4
5]作为输入，R=[12
13
14
14
15]作为输出，训练网络。训练完成之后，用t=[2
3
4
5
6]作为输入，这样会得到一个输出。不出意外的话，输出的数组应该是[13
14
14
15
X],这里的X就是预测t=6时的R值。然后以t=[3
4
5
6
7]作为输入，同理得到t=7时候的R值。
根据我的神经网络预测，t=6时，R=15，t=7时，R=15。我不知道这个结果是否正确，因为神经网络通常需要大量的数据来训练，而这里给的数据似乎太少，可能不足以拟合出正确的函数。

⑺ 求一个bp神经网络预测模型的MATLAB程序

BP神经网络预测的步骤:

1、输入和输出数据。

2、创建网络。fitnet（）

3、划分训练，测试和验证数据的比例。net.divideParam.trainRatio；net.divideParam.valRatio；net.divideParam.testRatio

4、训练网络。train（）

5、根据图表判断拟合好坏。ploterrcorr（）；parcorr（）；plotresponse（）

6、预测往后数据。net（）

7、画出预测图。plot（）

执行下列命令

BP_prediction

得到结果：

[ 2016, 14749.003045557066798210144042969]

[ 2017, 15092.847215188667178153991699219]

[ 2018, 15382.150005970150232315063476562]

[ 2019, 15398.85769711434841156005859375]

[ 2020, 15491.935150090605020523071289062]

⑻ GA-BP神经网络模型预测的MATLAB程序问题

Matlab神经网络工具箱提供了一系列用于建立和训练bp神经网络模型的函数命令，很难一时讲全。下面仅以一个例子列举部分函数的部分用法。更多的函数和用法请仔细查阅Neural Network Toolbox的帮助文档。 例子：利用bp神经网络模型建立z=sin(x+y)的模型并检验效果 %第1步。随机生成200个采样点用于训练 x=unifrnd(-5,5,1,200); y=unifrnd(-5,5,1,200); z=sin(x+y); %第2步。建立神经网络模型。其中参数一是输入数据的范围，参数二是各层神经元数量，参数三是各层传递函数类型。 N=newff([-5 5;-5 5],[5,5,1],{'tansig','tansig','purelin'}); %第3步。训练。这里用批训练函数train。也可用adapt函数进行增长训练。 N=train(N,[x;y],z); %第4步。检验训练成果。 [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,'.')

⑼ 用matlab做BP神经网络，进行数据预测，全部都为正数，但是反归一化后得到负数是什么原因

你这是将结果反归一化以后出现了负值，我觉得原因不在传递函数，是由于整个神经网络预测性能不佳导致的。考虑重新优化网络结构或者对样本数据进行处理吧。

⑽ 如何利用matlab进行神经网络预测

matlab 带有神经网络工具箱，可直接调用，建议找本书看看，或者MATLAB论坛找例子。回
核心调用语句如下：答
%数据输入

%选连样本输入输出数据归一化
[inputn,inputps]=mapminmax(input_train);
[outputn,outputps]=mapminmax(output_train);
%% BP网络训练
% %初始化网络结构
net=newff(inputn,outputn,[8 8]);
net.trainParam.epochs=100;
net.trainParam.lr=0.01;
net.trainParam.goal=0.01;
%网络训练
net=train(net,inputn,outputn);
%% BP网络预测
%预测数据归一化
inputn_test=mapminmax('apply',input_test,inputps);
%网络预测输出
an=sim(net,inputn_test);
%网络输出反归一化
BPoutput=mapminmax('reverse',an,outputps);
%% 结果分析