模糊神经网络2--基于ANFIS的混沌时间序列预测

最新推荐文章于 2024-04-09 12:29:08 发布

wnags

最新推荐文章于 2024-04-09 12:29:08 发布

阅读量1.1k

点赞数 1

分类专栏：学习记录文章标签：神经网络

原文链接：https://ww2.mathworks.cn/help/fuzzy/predict-chaotic-time-series-code.html

版权

学习记录专栏收录该内容

3 篇文章 1 订阅

订阅专栏

预测序列模型方程：

该预测模型常用于神经网络的训练：

1. 输入输出数据及处理

load mgdata.dat
time = mgdata(:,1);
x = mgdata(:, 2);
figure(1)
plot(time,x)
title('Mackey-Glass Chaotic Time Series')
xlabel('Time (sec)')
ylabel('x(t)')

%输入输出数据处理
for t = 118:1117 
    Data(t-117,:) = [x(t-18) x(t-12) x(t-6) x(t) x(t+6)]; 
end
trnData = Data(1:500,:);
chkData = Data(501:end,:);

2. genfis生成初始系统

%  生成初始Sugeno FIS系统
fis = genfis(trnData(:,1:end-1),trnData(:,end),genfisOptions('GridPartition'));
% genfis 默认每个输入输出量为 2 个generalized bell membership functions 隶属函数，均匀分布
figure
subplot(2,2,1)
plotmf(fis,'input',1)
subplot(2,2,2)
plotmf(fis,'input',2)
subplot(2,2,3)
plotmf(fis,'input',3)
subplot(2,2,4)
plotmf(fis,'input',4)

%**上述生成的初始系统应对16 条规则；
%**4输入1输出
%**待估计参数为104个
%**训练数据为500个

3. ANFIS系统配置及训练

% ANFIS训练
options = anfisOptions('InitialFIS',fis,'ValidationData',chkData);
[fis1,error1,ss,fis2,error2] = anfis(trnData,options);
%**fis1最佳拟合结构；fis2最佳预测结构

训练后系统隶属函数：

% 训练后隶属函数
figure
subplot(2,2,1)
plotmf(fis2,'input',1)
subplot(2,2,2)
plotmf(fis2,'input',2)
subplot(2,2,3)
plotmf(fis2,'input',3)
subplot(2,2,4)
plotmf(fis2,'input',4)

4. 训练效果及拟合误差

% 训练及预测误差曲线
figure
plot([error1 error2])
hold on
plot([error1 error2],'o')
legend('Training error','Checking error')
xlabel('Epochs')
ylabel('Root Mean Squared Error')
title('Error Curves')

% ANFIS系统拟合效果
anfis_output = evalfis(fis2,[trnData(:,1:4); chkData(:,1:4)]);
figure
index = 125:1124;
plot(time(index),[x(index) anfis_output])
xlabel('Time (sec)')
title('MG Time Series and ANFIS Prediction')
% 预测误差
diff = x(index) - anfis_output;
plot(time(index),diff)
xlabel('Time (sec)')
title('Prediction Errors')