BP神经网络是一种多层前馈网络,可以进行学习和存储输入输出映射关系,不需要建立数学方程式。
BP神经网络预测算法预测序号15的跳高成绩。
下表是国内男子跳高运动员各项素质指标
P=[3.2 3.2 3 3.2 3.2 3.4 3.2 3 3.2 3.2 3.2 3.9 3.1 3.2;
9.6 10.3 9 10.3 10.1 10 9.6 9 9.6 9.2 9.5 9 9.5 9.7;
3.45 3.75 3.5 3.65 3.5 3.4 3.55 3.5 3.55 3.5 3.4 3.1 3.63.45;
2.15 2.2 2.2 2.2 2 2.15 2.14 2.1 2.1 2.1 2.15 2 2.1 2.15;
140 120 140 150 80 130 130 100 130 140 115 80 90 130;
2.8 3.4 3.5 2.8 1.5 3.2 3.5 1.8 3.5 2.5 2.8 2.2 2.7 4.6;
11 10.9 11.4 10.8 11.3 11.5 11.8 11.3 11.8 11 11.9 1311.1 10.85;
50 70 50 80 50 60 65 40 65 50 50 50 70 70];
%输入数据,行数代表输入层神经元个数
T=[2.24 2.33 2.24 2.32 2.2 2.27 2.2 2.26 2.2 2.24 2.242.2 2.2 2.35];
[p1,minp,maxp,t1,mint,maxt]=premnmx(P,T); net=newff(minmax(P),[8,6,1],{'tansig','tansig','purelin'},'trainlm');
%创建网络,激励函数
net.trainParam.epochs = 5000; %设置训练次数
net.trainParam.goal=0.0000001; %设置收敛误差
[net,tr]=train(net,p1,t1); %训练网络
a=[3.0;9.3;3.3;2.05;100;2.8;11.2;50]; %输入数据
a=premnmx(a); %将输入数据归一化
b=sim(net,a); %放入到网络输出数据
c=postmnmx(b,mint,maxt); %将得到的数据反归一化得到预测数据
c
c=2.200
序号15的跳高成绩预测为2.200