数学建模系列-预测模型（一）---神经网络模型

最近在学习数学建模系列，数学建模主要分为三个大问题：
1.预测模型
2.优化模型
3.评价模型

又分为如下的各个子区间：
一、神经网络预测、灰色预测、拟合插值预测（线性回归）、时间序列
预测、马尔科夫链预测、微分方程预测、Logistic 模型等等。

二、规划模型（目标规划、线性规划、非线性规划、整数规划、动态
规划）、图论模型、排队论模型、神经网络模型、现代优化算法（**遗传算法、模拟退火算法、蚁群算法、**禁忌搜索算法）等等。

三、模糊综合评价法、层次分析法、聚类分析法、主成分分析评价法、
灰色综合评价法、人工神经网络评价法等等。

本文交代神经网络预测的主要方案：
1.神经网络预测，底层逻辑与评价模型中的主成分和聚类有异曲同工之妙，当遇到多个参数影响某一个参数，且难以用自然规则解释建模的时候，用来确定参数之间的联系，也与线性规划的底层逻辑相似，一通百通。

2.神经网络预测模型分为3各主要模块
1、条件神经节点
2、隐藏神经节点
3、结果神经节点

其中1、3可以从目标条件中获得，而2需要通过神经网络预测来进行判断其数量以及与1、3的关系。

一般来说，2的数量越多，那么结果就越精确，但随之而来的是计算复杂度更高。当遇到过于复杂的情况时，可以考虑采用遗传/模拟退火、确定2的空间

matlab中，我们一般对于2数量的定义为：
c=根号下（a+b）+常数，࿰