本文共 1127 字，大约阅读时间需要 3 分钟。

%% 清空环境变量

clc clear

tic

%% 训练数据预测数据提取及归一化 %下载输入输出数据 load data input output

%从1到2000间随机排序

k=rand(1,4000); [m,n]=sort(k);

%找出训练数据和预测数据

input_train=input(n(1:3900),:)'; output_train=output(n(1:3900),:)'; input_test=input(n(3901:4000),:)'; output_test=output(n(3901:4000),:)';

%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,5);

net.trainParam.epochs=100;

net.trainParam.lr=0.1; net.trainParam.goal=0.0000004;

%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

figure(1)

plot(BPoutput,':og') hold on plot(output_test,'-*'); legend('预测输出','期望输出','fontsize',12) title('BP网络预测输出','fontsize',12) xlabel('样本','fontsize',12) ylabel('输出','fontsize',12) print -dtiff -r600 4-3 %预测误差 error=BPoutput-output_test;

figure(2)

plot(error,'-*') title('神经网络预测误差')

figure(3)

plot((output_test-BPoutput)./BPoutput,'-*'); title('神经网络预测误差百分比')

errorsum=sum(abs(error))

toc

save data net inputps outputps