RBF预测模型

最新推荐文章于 2024-01-19 09:22:07 发布

最新推荐文章于 2024-01-19 09:22:07 发布 · 1k 阅读

文章标签：

#J# #C #C++ #C# #.net

本文介绍了一种基于径向基函数(RBF)网络的预测模型实现过程。通过随机生成的数据集进行训练与测试，展示了如何构建RBF网络模型、进行参数调整以及评估预测效果。此外，还给出了预测结果与实际值的对比图表。

RBF预测模型

%RBF预测模型 t_data=rands(30,6); %初始化数据 tt=t_data(:,6); x=t_data(:,1:5); tt=tt'; %随机选取中心 c=x; %定义delta平方为样本各点的协方差之和 delta=cov(x'); % 计算协方差 % Covariance matrix delta=sum(delta); %隐含层输出R for i=1:1:30 for j=1:1:30 R(i,j)=((x(i,:)-c(j,:)))*((x(i,:)-c(j,:))'); R(i,j)=exp(-R(i,j)./delta(j)); end end p=R; %建模 %r=radbas(p); err_goal=0.001; sc=3; net=newrb(p,tt,err_goal,sc,200,1); %测试 ty=sim(net,p); tE=tt-ty; tSSE=sse(tE); tMSE=mse(tE); %预测(测试）曲线 figure; plot(tt,'-+'); hold on; plot(ty,'r:*'); legend('实际值','预测值'); title('RBF网络模型输出预测曲线'); % axis([1,30,0,1]);