BP神经网络预测公路运力

%%%%%运用BP网络预测公路运力%%%%
clear all;      %清除所有变量
close all;      %清图
clc;            %清屏
%%%%%原始数据%%%%
%%%%%人数%%%%
sqrs=[20.55 22.44 25.37 27.13 29.45 30.1 30.96 34.06 36.42 38.09 39.13...
    39.99 41.93 44.59 47.3 52.89 55.73 56.76 59.17];
%%%%%机动车数%%%%
sqjdcs=[0.6 0.75 0.85 0.9 1.05 1.35 1.45 1.6 1.7 1.85 2.15 2.2 2.25...
    2.35 2.5 2.6 2.7 2.85 2.95 ];
%%%%%公路面积%%%%
sqglmj=[0.09 0.11 0.11 0.14 0.20 0.23 0.23 0.32 0.32 0.34 0.36 0.36 0.38...
    0.49 0.56 0.59 0.59 0.67 0.69 ];
%%%%%公路客运量%%%%
glkyl=[5126 6217 7730 9145 10460 11387 12353 15750 18304 19836 21024 ...
    19490 20433 22598 25107 33442 36836 40548 42927 ];
%%%%%公路货运量%%%%
glhyl=[1237 1379 1385 1399 1663 1714 1834 4322 8132 8936 11099 11203 ... 
    10524 11115 13320 16762 18673 20724 20803 ];
%%%%%输入数据矩阵%%%%
p=[sqrs;sqjdcs;sqglmj];
%%%%%目标数据矩阵%%%%
t=[glkyl;glhyl];
%%%%%原始数据归一化%%%%
[P,minp,maxp,T,mint,maxt]=premnmx(p,t);
%%%%%创建前馈网络%%%
net=newff(minmax(P),[8,2],{'tansig','purelin'});
%%%%%训练函数%%%
net.trainFcn='traingdx';
%%%%%设置训练参数%%%
net.trainParam.show=50;         %显示中间结果的周期
net.trainParam.lr=0.035;          %学习率
net.trainParam.epochs=2000;     %最大迭代次数
net.trainParam.goal=1e-3;       %目标误差
%%%%%用相应算法训练BP网络%%%
[net,tr]=train(net,P,T);
%%%%%对BP网络进行仿真%%%
A=sim(net,P);
a=postmnmx(A,mint,maxt);
%%%%%优化后输入层权值和阈值%%%
inputWeights=net.IW{1,1};
inputbias=net.b{1};
%%%%%优化后网络层权值和阈值%%%
layerWeights=net.LW{2,1};
layerbias=net.b{2};
%%%%%时间轴刻度%%%
x=1990:2008;
%%%%%网络输出客运量%%%
newk=a(1,:);
%%%%%网络输出货运量%%%
newh=a(2,:);
%%%%%绘制公路客运量对比图%%%
figure
plot(x,newk,'r-o',x,glkyl,'b--+')
legend('网络输出客运量','实际客运量');
xlabel('年份');
ylabel('客运量/万人');
%%%%%绘制公路货运量对比图%%%
figure
plot(x,newh,'r-o',x,glhyl,'b--+')
legend('网络输出货运量','实际货运量');
xlabel('年份');
ylabel('货运量/万吨');
%%%%%利用训练好的网络进行预测%%%
%%%%%2009年数据%%%
pnew=[60.63;3.1;0.79];
SamNum=size(pnew,2);
%%%%%利用原始数据归一化参数对新数据进行归一化%%%
pnewn=tramnmx(pnew,minp,maxp);
%%%%%隐含层输出预测%%%
HiddenOut=tansig(inputWeights*pnewn+repmat(inputbias,1,SamNum));
%%%%%输出层输出预测%%%
anewn=purelin(layerWeights*HiddenOut+repmat(layerbias,1,SamNum));
%%%%%把网络预测得到的数据还原为原始的数量级%%%
anew=postmnmx(anewn,mint,maxt)