当前位置：首页 > 神经网络 > 正文

bp神经网络预测matlab代码

本文目录一览
⒈MATLAB，BP神经网络，两输入一输出。 输入P1=[111],P2=[0.740.700.68],输出T=[305070]。 程序
function[Y,Xf,Af]=myNeuralNetworkFunction(X,~,~)

  %MYNEURALNETWORKFUNCTION神经网络模拟函数。
  

  %

  %由神经网络工具箱函数genFunction生成，2016年7月29日21:01:24。
  

  %

  %[Y]=myNeuralNetworkFunction(X,~,~)采用以下参数：

  %

  %X=1xTS单元，在TS时间步长上有1个输入

  %每个X{1,ts}=2xQ矩阵，在时间步长ts处输入#1。
  

  %

  %并返回:

  %Y=1xTS单元，在TS时间步长上有1个输出。
  

  %每个Y{1,ts}=1xQ矩阵，在时间步长ts输出#1。
  

  %

  %其中Q是样本（或系列）的数量，TS是时间步的数量。
  

  %#ok<*RPMT0>

  %====神经网络常数=====

  %输入1

  x1_step1_remove=1;

  x1_step1_keep=2;

  x1_step2_xoffset=0.68;

  x1_step2_gain=33.3333333333334;
x1_step2_ymin=-1;

  %第1层

  b1=0.61359320104156278575;

  IW1_1=1.1563434545471373838;

  %第2层

  b2=0.31177105654617104369;

  LW2_1=-1.3901733865006205004;

  %输出1

  y1_step1_ymin=-1;

  y1_step1_gain=0.05;

  y1_step1_xoffset=30;

  %=====模拟========

  %格式化输入参数

  isCellX=iscell(X);

  if~isCellX,=size(X{1},2);%样本/系列

  else

  Q=0;

  end

  %分配输出

  Y=cell(1,TS);

  %时间循环

  forts=1:TS

   

  %输入1

  temp=removeconstantrows_apply(X{1,ts},x1_step1_keep,x1_step1_remove);

  b1,1,Q)+IW1_1*Xp1);

   

  %第2层

  a2=repmat(b2,1,Q)+LW2_1*a1;

   

  %输出1

  Y{1,ts}=mapminmax_reverse(a2,y1_step1_gain,y1_step1_xoffset,y1_step1_ymin);

  end

  %最终延迟状态

  Xf=cell(1,0);

  Af=cell(2,0);

  %格式化输出参数

  if~isCellX,Y=cell2mat(Y);end

  end

  %=====MODULEFUNCTIONS========

  %Map最小和最大输入处理函数

  函数y=mapminmax_apply(x,settings_gain,settings_xoffset,settings_ymin)

  y=bsxfun(@minus,x,settings_xoffset);

  y=bsxfun(@times,y,settings_gain);

  y=bsxfun(@plus,y,settings_ymin);

  end

  %删除常量输入处理函数

  functiony=removeconstantrows_apply(x,settings_keep,settings_remove)

  ifisempty(settings_remove)

  y=x;

  else

  y=x(settings_keep,:);

  end

  end

  %Sigmoid对称传递函数

  functiona=tansig_apply(n)

  a=2./(1+exp(-2*n))-1;

  end

  %Map最小和最大输出逆向处理函数

  functionx=mapminmax_reverse(y,settings_gain,settings_xoffset,settings_ymin)

  x=bsxfun(@minus,y,settings_ymin);

  x=bsxfun(@rdivide,x,settings_gain);

  x=bsxfun(@plus,x,settings_xoffset);

  结束

⒉bp神经网络股票价格预测的MATLAB编程
P=[];'依次输入数据，开盘价、最高价、最低价、收盘价和5天成交量'
T=[];'输出，即第二个收盘价天日'
net=newff(minmax(P),[7,1],{'tansig','logsig'},'traingdx');
net.trainParam.epochs=1000;'最大训练时间，如有必要自行调整'
net.trainParam.goal=0.01;'错误'
net.trainParam.lr=0,01;'学习率'
net=train（净值，P，T）；'训练网络'
test=[];'预测输入数据'
out=sim(net,test);'模拟预测'
我的程序还没有初始化，你还需要数据只有在初始化后才能进行计算。
⒊求预测一组数据的bp神经网络模型的matlab代码

利用Matlab预测BP神经网络模型可分为：高不一定好；
3.设定某一时间的预测
5.根据估计值，使用plot函数绘制估计数据趋势图
主要实现代码如下：
clc
%x为第一个序列（行向量）
x=[208.72205.t=1:length(x));
%自动序列
lag=3;
%预测某个时间
t1=t(end)+1:t(end))+5;
%预测步数为fn
fn=length(t1);
[f_out,input]=BP(x,lag,fn);
P=vpa(f_out,5);
A=[t1'P'];
disp('预测值')
disp(A)
%绘制预测图(1)、plot(t,input,'bo-'),holdon
plot(t(end):t1(end),[input(end),f_out],'rp-'),gridon
标题（'BP神经网络预测特定地铁线路的客流）>运行结果：

0赞

上一篇：bp神经网络matlab编程

下一篇：bp神经网络预测python代码

推荐文章