[神经网络] 二、使用 BP 神经网络拟合多输入多输出曲线

最新推荐文章于 2024-11-15 16:45:13 发布

原创

最新推荐文章于 2024-11-15 16:45:13 发布 · 1.9w 阅读

163 ·

CC 4.0 BY-SA版权

文章标签：

#神经网络 #可视化 #python #机器学习 #深度学习

作者：解琛
时间：2021 年 2 月 3 日

二、使用 BP 神经网络拟合多输入多输出曲线

二、使用 BP 神经网络拟合多输入多输出曲线

列表中的数据是某地区20年公路运量数据，其中属性 人口数量、机动车数量 和 公路面积 作为输入，属性 公路客运量 和 公路货运量 作为输出。

请用神经网络拟合此多输入多输出曲线。

年份	人口数量/万人	机动车数量/万辆	公路面积/万平米	公路客运量/万人	公路货运量/万吨
1990	20.55	0.6	0.09	5126	1237
1991	22.44	0.75	0.11	6217	1379
1992	25.37	0.85	0.11	7730	1385
1993	27.13	0.9	0.14	9145	1399
1994	29.45	1.05	0.2	10460	1663
1995	30.1	1.35	0.23	11387	1714
1996	30.96	1.45	0.23	12353	1834
1997	34.06	1.6	0.32	15750	4322
1998	36.42	1.7	0.32	18304	8132
1999	38.09	1.85	0.34	19836	8936
2000	39.13	2.15	0.36	21024	11099
2001	39.99	2.2	0.36	19490	11203
2002	41.93	2.25	0.38	20433	10524
2003	44.59	2.35	0.49	22598	11115
2004	47.3	2.5	0.56	25107	13320
2005	52.89	2.6	0.59	33442	16762
2006	55.73	2.7	0.59	36836	18673
2007	56.76	2.85	0.67	40548	20724
2008	59.17	2.95	0.69	42927	20803
2009	60.63	3.1	0.79	43462	21804

预测结果如下。

output

实现的代码如下。

#!/usr/bin/env python
# coding=utf-8
# 作者：解琛；
# 功能：神经网络进行多输入多输出的拟合；
# 时间：2020 年 2 月 3 日；
# 备注：无。

import numpy as np
import matplotlib.pyplot as plt

def getSrcData():
    '''获取原始数据；'''
    # 初始化的输入数据；

    # 人口数量；
    population = [
        20.55, 22.44, 25.37, 27.13, 29.45, 30.10, 30.96, 34.06, 36.42, 38.09,
        39.13, 39.99, 41.93, 44.59, 47.30, 52.89, 55.73, 56.76, 59.17, 60.63
    ]

    # 机动车数量；
    vehicle = [
        0.6, 0.75, 0.85, 0.9, 1.05, 1.35, 1.45, 1.6, 1.7, 1.85, 2.15, 2.2, 2.25,
        2.35, 2.5, 2.6, 2.7, 2.85, 2.95, 3.1
    ]

    # 公路面积；
    roadarea = [
        0.09, 0.11, 0.11, 0.14, 0.20, 0.23, 0.23, 0.32, 0.32, 0.34, 0.36, 0.36,
        0.38, 0.49, 0.56, 0.59, 0.59, 0.67, 0.69, 0.79
    ]

    # 初始化输出数据；

    # 公路客运量；
    passengertraffic = [
        5126, 6217, 7730, 9145, 10460, 11387, 12353, 15750, 18304, 19836, 21024,
        19490, 20433, 22598, 25107, 33442, 36836<