matlabbp神經網路預測

⑴ bp神經網路在matlab中的預測結果是直線

缺少歸一化和反歸一化過程，訓練失敗。應將[2.5,3.0]范圍內的數據歸一專化。

在最新版的屬matlab裡面共有兩個歸一化函數：mapminmax()和mapstd(),其中第一個函數是歸一化到[0 1]范圍，後一個為統計歸一化。
各自的歸一化格式如下：
[pn,ps]=mapminmax(P)或=mapstd(P) %P是輸入向量
[tn, ts]=mapminmax(t)或＝mapstd(t) %t 是目標向量
在訓練完後，對測試樣本歸一化格式為：
pnt=mapminmax('apply',pt,ps)或＝mapstd('apply',pt,ps)
模擬後反歸一化格式則為：
out=mapminmax('reverse',An,ts)或=mapstd('reverse',An,ts)；其中An為sim函數的輸出

⑵ Matlab BP神經網路預測錯誤，怎麼辦

Matlab BP神經網路預測錯誤的原因可能有下列因素：
1、數據本身問題
2、訓練參數不夠合理
所以，題主應從上述因素去改進。

⑶ matlab BP神經網路預測下一組數據問題

樓主用的MATLAB是什麼版本？
這段代碼在2008b中會報錯，雖然可以排除，但修改後在你的系統上未必兼容，所以最好用和你比較接近的版本來調試分析。

⑷ Matlabbp神經網路預測出來的數據有時候會連續錯誤，有時候連續正確，要怎麼辦，可以平均一點！

Matlab BP神經網路預測出現您這情況，可能有是數據本身問題或訓練參數不夠合理的原因，可從從上述兩個原因去改進。

⑸ 關於構建一個三層BP神經網路對葯品的銷售進行預測（程序由matlab編寫）

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];
%--歸一化輸入輸出-- 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');
%--設置訓練參數--%
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('實際','預測')

⑹ matlab中的BP神經網路

從原理抄上來說，神經網路是可以預測襲未來的點的。
實際上，經過訓練之後，神經網路就擬合了輸入和輸出數據之間的函數關系。只要訓練的足夠好，那麼這個擬合的關系就會足夠准確，從而能夠預測在其他的輸入情況下，會有什麼樣的輸出。
如果要預測t=[6
7]兩點的R值，先以t=[1
2
3
4
5]作為輸入，R=[12
13
14
14
15]作為輸出，訓練網路。訓練完成之後，用t=[2
3
4
5
6]作為輸入，這樣會得到一個輸出。不出意外的話，輸出的數組應該是[13
14
14
15
X],這里的X就是預測t=6時的R值。然後以t=[3
4
5
6
7]作為輸入，同理得到t=7時候的R值。
根據我的神經網路預測，t=6時，R=15，t=7時，R=15。我不知道這個結果是否正確，因為神經網路通常需要大量的數據來訓練，而這里給的數據似乎太少，可能不足以擬合出正確的函數。

⑺ 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，測試和驗證數據的比例。net.divideParam.trainRatio；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]

⑻ 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,'.')

⑼ 用matlab做BP神經網路，進行數據預測，全部都為正數，但是反歸一化後得到負數是什麼原因

你這是將結果反歸一化以後出現了負值，我覺得原因不在傳遞函數，是由於整個神經網路預測性能不佳導致的。考慮重新優化網路結構或者對樣本數據進行處理吧。

⑽ 如何利用matlab進行神經網路預測

matlab 帶有神經網路工具箱，可直接調用，建議找本書看看，或者MATLAB論壇找例子。回
核心調用語句如下：答
%數據輸入

%選連樣本輸入輸出數據歸一化
[inputn,inputps]=mapminmax(input_train);
[outputn,outputps]=mapminmax(output_train);
%% BP網路訓練
% %初始化網路結構
net=newff(inputn,outputn,[8 8]);
net.trainParam.epochs=100;
net.trainParam.lr=0.01;
net.trainParam.goal=0.01;
%網路訓練
net=train(net,inputn,outputn);
%% BP網路預測
%預測數據歸一化
inputn_test=mapminmax('apply',input_test,inputps);
%網路預測輸出
an=sim(net,inputn_test);
%網路輸出反歸一化
BPoutput=mapminmax('reverse',an,outputps);
%% 結果分析