6.广义回归神经网络预测（附matlab程序）

1.简述

学习目标：广义回归神经网络
广义回归神经网络特点： 训练速度快 非线性映射能力强   常用于函数逼近

       广义回归神经网络（GRNN， generalized regression neural network）是美国学者Specht在1991年提出的，是径向基神经网络的一种，GRNN具有很强的非线性映射能力和柔性网络结构以及高度的容错性和鲁棒性，适用于解决非线性问题。GRNN在逼近能力和学习速度上较RBF网络有更强的优势，网络最后收敛于样本量积聚较多的优化回归面，并且在样本数据较少时，预测效果也较好。此外，网络还可以处理不稳定的数据。因此，GRNN在信号过程、结构分析、教育、能源、食品、药物、金融、生物等各个领域得到了广泛的应用。

       GRNN由四层组成，分别为输入层、模式层、求和层和输出层。理论基础是非线性回归分析，Y相对于X的回归分析实际上是计算具有最大概率值的y。

       运输系统作为社会经济系统中的一个子系统，在受外界因素影响和作用的同时，对外部经济也具有一定的反作用，使得运输需求同时受到来自运输系统内外两方面的影响。运输需求预测在国家和区域经济发展规划中具有十分重要的作用，其中，由于货物运输和地方经济及企业发展的紧密联系，货运需求预测成为货运需求和经济发展关系研究中的一个重要问题。因此，作为反映货物运输需求的一项重要指标，货运量预测研究和分析具有较强的实际和理论意义。

（1）径向基函数的参数设置

 （2）画图

2.代码

clear all;
close all;
P=1:30;
T=3*sin(P);
net=newgrnn(P,T,0.3);      %径向基函数的分布密度是0.3
y=sim(net,P);
figure;
plot(P,T,':+',P,T-y,'-o');

3.运行结果