BP神经网络&&RBF神经网络预测

clc, clear
a=[15.6 5.6 3.5 25.5    22.9
27.8    4.3 1.0 7.7 23.4
35.2    3.0 38.1    3.7 36.8
10.2    3.4 3.5 7.4 22.0
29.1    33.2    1.6 24.0    6.4
10.2    11.6    2.2 26.7    29.4
35.4    4.1 1.3 7.0 26.2
8.7 3.5 7.5 5.0 20.9
25.4    0.7 22.2    35.4    26.5
15.3    6.0 2.0 17.5    37.3
25.9    1.2 9.0 3.3 22.8
64.3    3.7 4.6 4.8 19.8
55.9    2.9 0.3 5.2 19.6
19.6    10.5    10.7    10.3    28.5
35.6    2.4 6.6 24.6    22.8
10.9    9.4 0.8 7.1 18.2
24.7    8.2 7.7 14.4    23.8
22.6    11.2    9.9 18.5    17.3
21.5    2.9 1.6 4.5 21.9
54.7    3.3 3.7 11.6    32.8
]; %把表中第2列到第6列的数据保存到纯文本文件jingliu.txt
a=a'; %注意神经网络的数据格式，不要把矩阵搞转置了。
P=a([1:4],[1:end-1]); [PN,PS1]=mapminmax(P); %自变量数据规格化到[-1,1]
T=a(5,[1:end-1]);  [TN,PS2]=mapminmax(T); %因变量数据规格化到[-1,1]
net1=newrb(PN,TN)  %训练RBF网络
x=a([1:4],end); xn=mapminmax('apply',x,PS1); %预测样本点自变量规格化
yn1=sim(net1,xn); y1=mapminmax('reverse',yn1,PS2) %求预测值，并把数据还原
delta1=abs(a(5,20)-y1)/a(5,20)  %计算RBF网络预测的相对误差
net2=feedforwardnet(4);  %初始化BP网络，隐含层的神经元取为4个（多次试验）
net2 = train(net2,PN,TN); %训练BP网络
yn2= net2(xn); y2=mapminmax('reverse',yn2,PS2)  %求预测值，并把数据还原