bp神经网络测试_神经网络案例分析—基于Matlab的预测

之前曾经介绍过常用的预测模型，比如灰色预测模型、时间序列模型等。今天基于神经网络解决模型中常见的预测问题。

一、BP神经网络预测

(一)数据来源

本次仿真实验的数据选取石家庄市2018-2019年冬季供暖期空气质量监测数据，并删除了无效和缺失的数据。在实验中，选取了142条数据作为训练集，选取剩下的5条数据作为测试，以便进行准确的预测。选取变量PM2.5、PM10、SO2、CO、NO2、O3这6个指标作为作为神经网络输入数据构成输入层，石家庄市AQI作为为神经网络目标输出数据构成输出层。

(二)BP神经网络建立流程

图1 BP神经网络流程图

(三)对样本数据进行归一化处理

由于数据的单位范围有很大差异，可能会产生训练时间较长、收敛速度较慢的情况。最终可能会产生结果是波动范围大的数据作用会偏大，波动范围小的数据作用会偏小。此外，由于神经网络输出层的激励函数范围有限，需要将神经网络的数据映射到激励函数的有限范围。如果S型函数的极限范围为[0,1]，则神经网络的训练数据应归一化为[0,1]区间。

确定样本为输入样本、输出样本后，输入样本和输出样本需要分别细分为训练集和测试集，并进行归一化处理ÿ