✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

⛄ 内容介绍

阐述了自适应模糊推理系统 ( Adaptive Network-based Fuzzy Inference System,ANFIS)网络 ,提出了水运货运量预测的 ANFIS网络预测模型 .以 MATLAB为工具 ,以 1 985～ 2 0 0 1年我国水运货运量为训练样本 ;2 0 0 2年我国水运货运量为校验样本 ,对网络进行训练后 ,预测了 2 0 0 3～2 0 1 0年我国水运货运量 .估算结果表明 ,同 BP神经网络模型相比 ,此模型具有更高的准确性 .

⛄ 完整代码

clear;close all;

gamma=0.75;%设定惯性因子

eps1=0.005;%设定停止训练的条件参数

m1=8;%设定隶属函数个数

m2=8;

a=-1;b=1;

w0=a+(b-a)*rand(1,m1*m2);%初始化权值阵

for i=1:2

    switch i

        case 1,beta=0.75;%设定学习率

        otherwise,beta=0.25;

    end

    c=[2/7*(0:m1-1)-1;2/7*(0:m2-1)-1];%初始化Cij

    sigma=0.1213*ones(2,m1);%初始化σij

    w=w0;

    mu=zeros(2,m1);%初始化隶属度层

    alpha=zeros(1,m1*m2);%初始化规则层

    alpha_=zeros(1,m1*m2);%初始化归一化层

    delta2=zeros(2,m1);%初始化δ2

    dw=zeros(1,m1*m2);%初始化权值变化量

    dc=zeros(2,m1);%初始化c变化量

    dsigma=zeros(2,m1);%初始化σij变化量

    %----------------训练过程----------------%

    err=1;%初始化误差

    er=[];

    counter=0;%统计训练步数

    while(err>=eps1)

        Par_E_w=zeros(1,m1*m2);%误差对权值阵的偏导数

        Par_E_c=zeros(2,m1);%误差对c的偏导数

        Par_E_sigma=zeros(2,m1);%误差对σ的偏导数

        E=0;

        for x1=-1:2/19:1

            for x2=-1:2/19:1

                yd=sin(pi*x1)*cos(pi*x2);%期望输出，导师信号

                %正向传播

                mu(1,:)=exp(-(x1-c(1,:)).^2./sigma(1,:).^2);%计算隶属度层

                mu(2,:)=exp(-(x2-c(2,:)).^2./sigma(2,:).^2);

                s=zeros(2,m1,m1*m2);%初始化Sij

                for m=1:m1

                    for n=1:m2

                        alpha((m-1)*m2+n)=min(mu(1,m),mu(2,n));%计算规则层(取小运算)

                        if mu(1,m)<=mu(2,n)

                            s(1,m,(m-1)*m2+n)=1;

                        end

                        if mu(1,m)>=mu(2,n)

                            s(2,n,(m-1)*m2+n)=1;

                        end

                    end

                end

                alpha_=alpha/sum(alpha);%计算归一化层

                y=alpha_*w.';%计算网络输出

                E=E+1/2*(yd-y)^2;%计算误差

                %反向传播

                delta5=yd-y;

                delta4=delta5*w;

                for k=1:m1*m2

                    delta3(k)=delta4(k)*(sum(alpha)-alpha(k))./sum(alpha)^2;

                end

                for m=1:2

                    for n=1:m1

                        delta2(m,n)=0;

                        for l=1:m1*m2

                            delta2(m,n)=delta2(m,n)+delta3(l)*s(m,n,l)*mu(m,n);

                        end

                    end

                end

                Par_E_w=Par_E_w-delta5*alpha_;%计算偏导数

                Par_E_c(1,:)=Par_E_c(1,:)-2*delta2(1,:).*(x1-c(1,:))./sigma(1,:).^2;

                Par_E_c(2,:)=Par_E_c(2,:)-2*delta2(2,:).*(x2-c(2,:))./sigma(2,:).^2;

                Par_E_sigma(1,:)=Par_E_sigma(1,:)-2*delta2(1,:).*(x1-c(1,:)).^2./sigma(1,:).^3;

                Par_E_sigma(2,:)=Par_E_sigma(2,:)-2*delta2(2,:).*(x2-c(2,:)).^2./sigma(2,:).^3;

            end

        end

        num=20*20;

        Par_E_w=Par_E_w/num;

        Par_E_c=Par_E_c/num;

        Par_E_sigma=Par_E_sigma/num;

        dw=-beta*Par_E_w+gamma*dw;

        dc=-beta*Par_E_c+gamma*dc;

        dsigma=-beta*Par_E_sigma+gamma*dsigma;

        w=w+dw;

        c=c+dc;

        sigma=sigma+dsigma;

        counter=counter+1;

        er(counter)=E/num;

        err=E/num;

        %     if counter>1000

        %         break;

        %     end

    end

    %----------------测试过程----------------%

    xx1=-1:2/19:1;

    xx2=-1:2/19:1;

    yd1=zeros(20,20);

    for m=1:20

        for n=1:20

            yd1(m,n)=sin(pi*xx1(m))*cos(pi*xx2(n));%期望输出

            mu(1,:)=exp(-(xx1(m)-c(1,:)).^2./sigma(1,:).^2);%计算隶属度层

            mu(2,:)=exp(-(xx2(n)-c(2,:)).^2./sigma(2,:).^2);

            for k=1:m1              %计算规则层

                for l=1:m2

                    alpha((k-1)*m2+l)=min(mu(1,k),mu(2,l));

                end

            end

            alpha_=alpha/sum(alpha);%计算归一化层

            yr(m,n)=alpha_*w.';     %计算网络输出

        end

    end

    errorf1=1/2*(yd1-yr).^2;%计算误差

    xxx1=-1:2/11:1;

    xxx2=-1:2/11:1;

    yd2=zeros(12,12);

    for m=1:12

        for n=1:12

            yd2(m,n)=sin(pi*xxx1(m))*cos(pi*xxx2(n));%期望输出

            mu(1,:)=exp(-(xxx1(m)-c(1,:)).^2./sigma(1,:).^2);%计算隶属度层

            mu(2,:)=exp(-(xxx2(n)-c(2,:)).^2./sigma(2,:).^2);

            for k=1:m1              %计算规则层

                for l=1:m2

                    alpha((k-1)*m2+l)=min(mu(1,k),mu(2,l));

                end

            end

            alpha_=alpha/sum(alpha);%计算归一化层

            yr2(m,n)=alpha_*w.';     %计算网络输出

        end

    end

    errorf2=1/2*(yd1-yr).^2;%计算误差

    %----------------绘图----------------%

    figure(i);

    sn=sprintf('β=%4.2f,γ=%4.2f',beta,gamma);

    X=ones(size(xx2.'))*xx1;

    Y=xx2.'*ones(size(xx1));

    subplot(2,2,1);

    surf(X,Y,yd1);

    xlabel('x1');

    ylabel('x2');

    zlabel('期望的输出yd');

    title(sn);

    subplot(2,2,3);

    surf(X,Y,yr);

    xlabel('x1');

    ylabel('x2');

    zlabel('实际网络的输出yr');

    title(sn);

    subplot(2,2,2);

    plot(er);

    xlabel('训练步数');

    ylabel('误差');

    title(sn);

    subplot(2,2,4);

    surf(X,Y,errorf1);

    xlabel('x1');

    ylabel('x2');

    zlabel('误差');

    title(sn);

    figure(i+2);

    sn=sprintf('β=%4.2f,γ=%4.2f 泛化能力测试',beta,gamma);

    X=ones(size(xxx2.'))*xxx1;

    Y=xxx2.'*ones(size(xxx1));

    subplot(2,1,1);

    surf(X,Y,yd2);

    xlabel('x1');

    ylabel('x2');

    zlabel('期望的输出yd');

    title(sn);

    subplot(2,1,2);

    surf(X,Y,yr2);

    xlabel('x1');

    ylabel('x2');

    zlabel('实际网络的输出yr');

    title(sn);

    beta

    counter

end

⛄ 运行结果

基于Matlab实现ANFIS算法_初始化

⛄ 参考文献

[1] 张志红, 韩直, 肖盛燮,等. 基于ANFIS交通流实时预测及在MATLAB中的实现[J]. 重庆交通学院学报, 2007.

[2] 王宇, 刘小健, 董元胜. 基于MATLAB的ANFIS网络在水运货运量预测中的应用[J]. 武汉理工大学学报：交通科学与工程版, 2004, 28(4):3.

[3] 王保峰, 石春和, 王忠强. 一种基于MATLAB的ANFIS自适应消噪设计[J]. 福建电脑, 2006(1):2.

[4] 陈新兵. ANFIS的MATLAB实现与液压成型机模糊温控系统的研究[D]. 湖南大学, 2005.

[5] 申伟, 张元培. 基于MATLAB的自适应神经网络模糊系统(ANFIS)的应用[C]// 制造业自动化与网络化制造学术交流会. 2004.

❤️部分理论引用网络文献，若有侵权联系博主删除
❤️ 关注我领取海量matlab电子书和数学建模资料