(完整版)BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)實(shí)例

1、% 清空環(huán)境變量 clcclear% 訓(xùn)練數(shù)據(jù)預(yù)測(cè)數(shù)據(jù)data=importdata(test.txt);%從 1 到 768 間隨機(jī)排序k=rand(1,768);m,n=sort(k);%輸入輸出數(shù)據(jù)input=data(:,1:8);output =data(:,9);%隨機(jī)提取 500 個(gè)樣本為訓(xùn)練樣本，268 個(gè)樣本為預(yù)測(cè)樣本input_train=input(n(1:500),:);output_train=output(n(1:500),:);input_test=input(n(501:768),:);output_test=output(n(501:768),:);%輸入數(shù)據(jù)

2、歸一化inputn,inputps=mapminmax(input_train);% bp 網(wǎng)絡(luò)訓(xùn)練% %初始化網(wǎng)絡(luò)結(jié)構(gòu)net=newff(inputn,output_train,10);net.trainparam.epochs=1000;net.trainparam.lr=0.1;net.trainparam.goal=0.0000004;% 網(wǎng)絡(luò)訓(xùn)練net=train(net,inputn,output_train);% bp 網(wǎng)絡(luò)預(yù)測(cè)%預(yù)測(cè)數(shù)據(jù)歸一化inputn_test=mapminmax(apply,input_test,inputps); %網(wǎng)絡(luò)預(yù)測(cè)輸出bpoutput=sim(

3、net,inputn_test);% 結(jié)果分析%根據(jù)網(wǎng)絡(luò)輸出找出數(shù)據(jù)屬于哪類(lèi)bpoutput(find(bpoutput=0.5)=1;% 結(jié)果分析%畫(huà)出預(yù)測(cè)種類(lèi)和實(shí)際種類(lèi)的分類(lèi)圖figure(1)plot(bpoutput,og)hold onplot(output_test,r*);legend(預(yù)測(cè)類(lèi)別,輸出類(lèi)別)title(bp 網(wǎng)絡(luò)預(yù)測(cè)分類(lèi)與實(shí)際類(lèi)別比對(duì),fontsize,12)ylabel(類(lèi)別標(biāo)簽,fontsize,12)xlabel(樣本數(shù)目,fontsize,12)ylim(-0.5 1.5)%預(yù)測(cè)正確率rightnumber=0;for i=1:size(output_test,2)if bpoutput(i)=output_test(i)rightnumber=rightnumber+1;endendrightratio=rightnumber/siz