BP神经网络数据预测

最新推荐文章于 2024-05-29 16:02:29 发布

原创

最新推荐文章于 2024-05-29 16:02:29 发布 · 1.2w 阅读

101 ·

CC 4.0 BY-SA版权

本文介绍了BP神经网络在数据预测中的应用。BP神经网络作为一种多层前馈网络，能够学习并存储输入输出的映射关系，无需建立数学模型。通过训练样本数据，它能挖掘数据内在规律并用于预测未来数据。

BP神经网络是一种多层前馈网络，可以进行学习和存储输入输出映射关系，不需要建立数学方程式。能通过对输入的样本数据的学习训练,获得隐藏在数据内部的规律，并利用学习到的规律来预测未来的数据。


p=[20.55 22.44 25.37 27.13 29.45 30.1 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
0.6 0.75 0.85 0.90 1.05 1.35 1.45 1.60 1.70 1.85 2.15 2.20 2.25 2.35 2.50 2.60 2.70 2.85 2.95 3.10
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];   %输入数据  人数 车辆数 公路面积
t=[5126 6217 7730 9145 10460 11387 12353 15750 18304 19836 21024 19490 20433 22598 25107 33442 36836 40548 42927 43462
1237 1379 1385 1399 1663 1714 1834 4322 8132 8936 11099 11203 10524 11115 13320 16762 18673 20724 20803 21804];          %输入数据  公路客运量 公路货运量
 
%归一化处理
[pn,minp,maxp,tn,mint,maxt] = premnmx(p,t); %归一化处理
dx = [-1,1;-1 1;-1,1];
 
%BP网络训练·
net = newff(dx,[3,7,2],{'tansig','tansig','purelin'},'traingdx');
 
%建立模型，开始训练
net.trainParam.show = 1000;                %次数显示
net.trainParam.Lr