首页 > 专利学习

数学建模实验四:Matlab神经网络以及应用于汽油辛烷值预测

实验四：Matlab神经网络以及应用于汽油辛烷值预测

专业年级： 2014级信息与计算科学1班

姓名：黄志锐学号：0110

一、实验目的

1. 掌握MATLAB创建BP神经网络并应用于拟合非线性函数

2. 掌握MATLAB创建REF神经网络并应用于拟合非线性函数

3. 掌握MATLAB创建BP神经网络和REF神经网络解决实际问题

4. 了解MATLAB神经网络并行运算

二、实验内容

1. 建立BP神经网络拟合非线性函数

第一步数据选择和归一化

根据非线性函数方程随机得到该函数的2000组数据，将数据存贮在文件中（下载后拷贝到Matlab当前目录），其中input是函数输入数据，output是函数输出数据。从输入输出数据中随机选取1900中数据作为网络训练数据，100组作为网络测试数据，并对数据进行归一化处理。

第二步建立和训练BP神经网络

构建BP神经网络，用训练数据训练，使网络对非线性函数输出具有预测能力。

第三步 BP神经网络预测

用训练好的BP神经网络预测非线性函数输出。

第四步结果分析

通过BP神经网络预测输出和期望输出分析BP神经网络的拟合能力。

详细MATLAB代码如下：

：
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 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54	clc;clear %% 训练数据预测数据提取及归一化 % 载入输入输出数据 load data input output % 从1到2000间随机排序 k = rand(1, 2000); [m, n] = sort(k); % 出训练数据和预测数据 input_train = input(n(1:1900), :)'; output_train = output(n(1:1900)); input_test = input(n(1901:2000), :)'; output_test = output(n(1901:2000)); %选连样本输入输出数据归一化神经网络预测 [inputn, inputps] = mapminmax(input_train); [outputn, outputps] = mapminmax(output_train); %% 构建和训练BP神经网络 % BP神经网络构建 net = newff(inputn, outputn, 5); % 网络参数配置（迭代次数，学习率，目标） = 100; = ; = ; % 网络训练，并记录训练时间 tic; % start time record net = train(net, inputn, outputn); t1 = toc; % (end-start) time record disp(['神经网络的训练时间为', num2str(t1), '秒']); %% BP网络预测 % 预测数据归一化 inputn_test = mapminmax('apply', input_test, inputps); % 网络预测输出 an = sim(net, inputn_test); % 网络输出反归一化 BPoutput = mapminmax('reverse', an, outputps); %% 结果分析 figure(1); plot(BPoutput, ':og'); hold on; plot(output_test, '-'); legend('预测输出', '期望输出'); title(' BP网络预测输出', 'fontsize', 12); ylabel('函数输出', 'fontsize', 12); xlabel('样本', 'fontsize', 12); % 预测误差 error = BPoutput-output_test; figure(2); plot(error, '-'); title(' BP神经网络预测误差', 'fontsize', 12); ylabel('误差', 'fontsize', 12); xlabel('样本', 'fontsize', 12); figure(3); plot((output_test-BPoutput)./BPoutput, '-*'); title(' BP神经网络预测误差百分比'); errorsum = sum(abs(error));

本文发布于:2024-09-22 09:39:20，感谢您对本站的认可！

本文链接：https://www.17tex.com/tex/1/361742.html

上一篇：211153700_基于AE-LSTM_混合神经网络模型的NOx_排放预测

下一篇：基于免疫粒子优化神经网络的经济预测算法研究

标签：数据神经网络预测训练输出函数网络

留言与评论（共有 0 条评论）