【预测模型】基于RBF神经网络实现清水值预测matlab源码

一、简介

RBF神将网络是一种三层神经网络，其包括输入层、隐层、输出层。从输入空间到隐层空间的变换是非线性的，而从隐层空间到输出层空间变换是线性的。流图如下：
RBF网络的基本思想是：用RBF作为隐单元的“基”构成隐含层空间，这样就可以将输入矢量直接映射到隐空间，而不需要通过权连接。当RBF的中心点确定以后，这种映射关系也就确定了。而隐含层空间到输出空间的映射是线性的，即网络的输出是隐单元输出的线性加权和，此处的权即为网络可调参数。其中，隐含层的作用是把向量从低维度的p映射到高维度的h，这样低维度线性不可分的情况到高维度就可以变得线性可分了，主要就是核函数的思想。这样，网络由输入到输出的映射是非线性的，而网络输出对可调参数而言却又是线性的。网络的权就可由线性方程组直接解出，从而大大加快学习速度并避免局部极小问题。
2 RBF神经网络的学习问题

二、源代码

登录后复制

%% I. 清空环境变量
clear all
clc

%% II. 训练集/测试集产生
%%
% 1. 导入数据
list=dir(['.\data\','*.xls']);
k=length(list);
data_train_x=[];%训练集输入
data_train_y=[];%训练集输出
data_test_x=[];%测试集输入
data_test_y=[];%测试集输出
 for i=1:k
 str= strcat ('.\data\', list(i).name)
if i<k
 [data_train_x1,data_train_y1]=data_chuli(str);
 data_train_x=[data_train_x;data_train_x1];%训练集输入
  data_train_y=[data_train_y;data_train_y1];%训练集输入
else
    [data_test_x1,data_test_y1]=data_chuli(str);
 data_test_x=[data_test_x;data_test_x1];%训练集输入
data_test_y=[data_test_y;data_test_y1];%训练集输入 
end
 end

• 1.
• 2.
• 3.
• 4.
• 5.
• 6.
• 7.
• 8.
• 9.
• 10.
• 11.
• 12.
• 13.
• 14.
• 15.
• 16.
• 17.
• 18.
• 19.
• 20.
• 21.
• 22.
• 23.
• 24.
• 25.

三、运行结果