基于BP神经网络的预测算法

BP（Back Propagation）网络是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。

该网络结构是2-5-1，data链接：https://pan.baidu.com/s/1MpyE3I1Q9XWxJXd6uk-0BA 
提取码：hp9q  

%% 清空环境变量

clc
clear

%% 训练数据预测数据提取及归一化

%下载输入输出数据

load data input output

%从1到2000间随机排序

k=rand(1,2000);
[m,n]=sort(k);

%找出训练数据和预测数据

input_train=input(n(1:1900),:)';
output_train=output(n(1:1900));
input_test=input(n(1901:2000),:)';
output_test=output(n(1901:2000));

%选连样本输入输出数据归一化

[inputn,inputps]=mapminmax(input_train);
[outputn,outputps]=mapminmax(output_train);

%% BP网络训练

% %初始化网络结构

net=newff(inputn,outputn,5);%隐藏层为5
net.trainParam.epochs=100;%表示训练的轮次
net.trainParam.lr=0.1;%表示训练的学习率
net.trainParam.goal=0.00004;%训练误差限制

%网络训练

net=train(net,inputn,outputn);

%% BP网络预测

%预测数据归一化

inputn_test=mapminmax('apply',input_test,inputps);

%网络预测输出

an=sim(net,inputn_test);

 
%网络输出反归一化

BPoutput=mapminmax('reverse',an,outputps);

%% 结果分析

figure(1)
plot(BPoutput,':og')
hold on
plot(output_test,'-*');
legend('预测输出','期望输出')
title('BP网络预测输出','fontsize',12)
ylabel('函数输出','fontsize',12)
xlabel('样本','fontsize',12)
%预测误差
error=BPoutput-output_test;


figure(2)
plot(error,'-*')
title('BP网络预测误差','fontsize',12)
ylabel('误差','fontsize',12)
xlabel('样本','fontsize',12)

figure(3)
plot((output_test-BPoutput)./BPoutput,'-*');
title('神经网络预测误差百分比')

errorsum=sum(abs(error));

源自：《Matlab神经网络43个案例分析》。