基于灰色神经网络的订单需求预测代码

目录

1 概述

2 代码

3 结果

---

1 概述

BP(Back Propagation)神经网络模型是一种信息前向传播,误差反向传播的神经网络模型0,能够通过训练样本反向传播调节网络的阈值和权值,使误差平方最小。 BP神经网络是目前应用最广泛的神经网络模型之一。

灰色人工神经网络模型建模过程:

(1)利用GM(1,1)模型得到预测值。

(2)利用误差平方和负梯度下降原理进行阈值和权值修正，使误差平方和小于目标值。

(3)利用灰色神经网络模型计算得到预测值,并验证模型的外推性,利用预测模型预测原始数据最后K项数据,分析预测值与实际值的相对误差。

(4)在外推性可靠的情况下对未来数据进行预测。

2 代码

%计算预测的每月需求量
for j=36:-1:2
    ys(j)=(yc(j)-yc(j-1))/10;
end

figure(2)
plot(ys(31:36),'-*');
hold on
plot(X(31:36,1)*10000,'r:o');
legend('灰色神经网络','实际订单数')
title('灰色系统预测','fontsize',12)
xlabel('月份','fontsize',12)
ylabel('销量','fontsize',12)

%计算预测的每月需求量

for j=36:-1:2

ys(j)=(yc(j)-yc(j-1))/10;

end

figure(2)

plot(ys(31:36),'-*');

hold on

plot(X(31:36,1)*10000,'r:o');

legend('灰色神经网络','实际订单数')

title('灰色系统预测','fontsize',12)

xlabel('月份','fontsize',12)

ylabel('销量','fontsize',12)

3 结果