首页 > 专利技术

bp神经网络matlab工具箱预测,BP神经网络人口预测程序(matlab实现)

bp神经⽹络matlab⼯具箱预测,BP神经⽹络⼈⼝预测程序

（matlab实现）

⾃⼰测试⼈⼝预测的matlab实现：

x=[54167

55196

56300

57482

58796

60266

61465

62828

64653

65994

67207

66207

65859

67295

69172

70499

72538

74542

76368

78534

80671

82992

85229

87177

89211

90859

92420

93717

94974

96259

97542 98705 100072 101654 103008 104357 105851 107507 109300 111026 112704 114333 115823 117171 118517 119850 121121 122389 123626 124761 125786 126743 127627 128453 129227 129988 130756 131448 132129 132802 134480 135030 135770 136460

% 该脚本⽤来做NAR神经⽹络预测

lag=3; % ⾃回归阶数

iinput=x; % x为原始序列(⾏向量)

n=length(iinput);

%准备输⼊和输出数据

inputs=zeros(lag,n-lag);

for i=1:n-lag

inputs(:,i)=iinput(i:i+lag-1)‘;

end

targets=x(lag+1:end);

%创建⽹络

hiddenLayerSize = 10; %隐藏层神经元个数

net = fitnet(hiddenLayerSize);

% 避免过拟合，划分训练，测试和验证数据的⽐例

ainRatio = 70/100;

net.divideParam.valRatio = 15/100;

stRatio = 15/100;

%训练⽹络

[net,tr] = train(net,inputs,targets);

%% 根据图表判断拟合好坏

yn=net(inputs);

errors=targets-yn;

figure, ploterrcorr(errors) %绘制误差的⾃相关情况(20lags) figure, parcorr(errors) %绘制偏相关情况

%[h,pValue,stat,cValue]= lbqtest(errors) %Ljung－Box Q检验(20lags) figure,plotresponse(con2seq(targets),con2seq(yn)) %看预测的趋势与原趋势figure, ploterrhist(errors) %误差直⽅图

figure, plotperform(tr) %误差下降线

%% 下⾯预测往后预测⼏个时间段

fn=7; %预测步数为fn

f_in=iinput(n-lag+1:end)‘;

f_out=zeros(1,fn); %预测输出

% 多步预测时，⽤下⾯的循环将⽹络输出重新输⼊

f_out(i)=net(f_in);

f_in=[f_in(2:end);f_out(i)];

end

% 画出预测图

figure,plot(1949:2013,iinput,‘b‘,2013:2020,[iinput(end),f_out],‘r‘)⽤2014a版matlab运⾏后结果如下：

⽹络结构和各参数显⽰如下：

神经网络预测误差直⽅图

本文发布于:2024-09-22 01:34:49，感谢您对本站的认可！

本文链接：https://www.17tex.com/tex/3/361821.html

上一篇：基于BP神经网络的灰组合预测

下一篇：基于BP神经网络的预测模型

标签：预测误差拟合输出测试绘制情况训练

留言与评论（共有 0 条评论）