BP神经网络应用实例详解.docVIP

以下为用BP神经网络预测的实例之matlab程序。使用时，需要在 Matlab中新建一个BPNN.m文件，将下面程序考入，同时将其它四个EXCEL文件放在以上m文件的目录下，方能使用，谢谢~~ % 此例为用BP神经网络预测，其中输入变量有两个，输出变量有四个，选择隐含层节点数为12 % gap.xls中存储训练样本的原始输入数据 37组 % gat.xls中存储训练样本的原始输出数据 37组 % p_test.xls中存储测试样本的原始输入数据 12组 % t_test.xls中存储测试样本的原始输出数据 12组 %-------------------------------------------------------------------------- nntwarn off;% nntwarn函数可以临时关闭神经网络工具箱的警告功能，当代码使用到神经 % 网络工具箱的函数时会产生大量的警告 而这个函数可以跳过这些警告 但 % 是，为了保证代码可以在新版本的工具箱下运行，我们不鼓励这么做 pc=xlsread(gap.xls); tc=xlsread(gat.xls); p_test=xlsread(p_test.xls); t_test=xlsread(t_test.xls); p=pc; t=tc; p_test=p_test; t_test=t_test; % 归一化处理 for i=1:2 P(i,:)=(p(i,:)-min(p(i,:)))/(max(p(i,:))-min(p(i,:))); end for i=1:4 T(i,:)=(t(i,:)-min(t(i,:)))/(max(t(i,:))-min(t(i,:))); end for i=1:2 P_test(i,:)=(p_test(i,:)-min(p_test(i,:)))/(max(p_test(i,:))-min(p_test(i,:))); end for i=1:4 T_test(i,:)=(t_test(i,:)-min(t_test(i,:)))/(max(t_test(i,:))-min(t_test(i,:))); end %-------------------------------------------------------------------------- for i=3:13 net=newff(minmax(P),[i,4],{tansig,purelin},trainlm); net.trainParam.epochs=500; net.trainParam.goal=1e-5; net=init(net); net=train(net,P,T); temp=sim(net,P_test); e=temp-T_test; error(i-2)=mse(e,net);% 均方误差 end %-------------------------------------------------------------------------- % 通过上述的操作最终选取12个隐含层节点 net=newff(minmax(P),[12,4],{tansig,purelin},trainlm); net.trainParam.epochs=1000; net.trainParam.goal=1e-6; net=init(net); % 训练网络 net=train(net,P,T); % 测试网络性能 temp=sim(net,P_test); yuce1=[temp(1,:);temp(2,:),;temp(3,:);temp(4,:)]; for i=1:4 yuce(i,:)=yuce1(i,:)*(max(t_test(i,:))-min(t_test(i,:)))+min(t_test(i,:)); end %-------------------------------------------------------------------------- % 测试输出结果之一 figure; plot(1:12,yuce(1,:),bo-); ylabel(切口外径 mm); hold on; plot(1:12,t_test(1,:),r*-); legend(测试结果,测试样本); figure; plot(1:12,yuce(1,:)-t_test(1,:),b-); ylabel(误差 mm); title(测试结果与测试样本误差); figu