- 1、本文档共26页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
BP神经网络;;1、引例;1、引例;1、引例;
将问题看作一个系统,蚊子翼长、触角长的数据作为输入,蚊子的类型作为输出,研究输入与输出的关系。;2、 BP神经网络原理;2、BP神经网络的原理;BP神经网络的使用步骤;BP神经网络的使用步骤;3、BP神经网络使用步骤;根据相关部门数据,该地区2010年和2011年的人数分别为73.39和75.55万人,机动车数量分别为3.9635和4.0975万辆,公路面积将分别为0.9880和1.0268万平方千米。请利用BP网络预测该地区2010年和2011年的公路客运量和公路货运量。
;某地区20年公路运量数据
;(1)原始数据的输入,具体程序为
clc
%原始数据
%人数(单位:万人)
sqrs = [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 47.3 52.89 55.73 56.76 59.17 60.63]
%机动车数(单位:万辆)
Sqjdcs = [0.6 0.75 0.85 0.9 1.05 1.35 1.45 1.6 1.7 1.85 2.15 2.2 2.25 2.35 2.5 2.6 2.7 2.85 2.95 3.1]
%公路面积(单位:万0.11 0.14 0.2 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]
%公路客运量(单位:万人)
glkyl = [5126 6217 7730 9145 10460 11387 12353 15750 18304 19836 21024 19490 20433 22598 25107 33442 36836 40548 42927 43462]
公路货运量(单位:万吨)
glhyl = [1237 1379 1385 1399 1663 1714 1834 4322 8132 8936 11099 11203 10524 11115 13320 16762 18673 20724 20803 21804];
平方千米)
Sqglmj = [0.09 0.11 P = [sqrs;sqjdcs;sqglmj]; %输入数据矩阵
t = [glky;glhyl]; %目标数据矩阵;(2)对输入数据矩阵和目标矩阵的数据进行归一化,具体程序为
%利用函数premnmx对数据归一化
[pn,minp,maxp,tn,mint,maxt]=premnmx(p,t); %对于输入矩阵p和输出矩阵t进行归一化处理
dx = [-1,1;-1,1;-1,1] %归一化处理后最小值为-1,最大值为1
;(3)利用处理好的数据对网络进行训练,具体程序为
%BP网络训练
net = newff(dx,[3,7,2],{‘tansig’, ‘tansig’ , ‘purelin’}, ‘traingdx’); %建立模型,并用梯度下降法
%训练
net.trainParam.show = 1000; %1000步显示一次结果
net.trainParam.Lr = 0.05; %学习速率为0.05
net.trainParam.epochs = 50000;%最大训练步数为50000次
net.trainParam.goal = 0.65*10 (-3) ;(4)利用训练好的BP网络对原???数据进行仿真,具体程序为
%利用原始数据对BP网络仿真
an = sim(net,pn);%用训练好的模型进行仿真
a = postmnmx(an,mint,maxt);%把仿真得到的数据还原为原始的数量级
;(5)用原始数据仿真的结果与已知数据进行对比测试,具体程序为
%本例因样本容量有限使用训练数据进行测试,通常必须用新鲜数据进行测试
x = 1990:2009;
newk = a(1,:);
newh = a(2,:);
figure(2);
subplot(2,1,1);plot(x,newk, ‘r-o’,x,glkyl, ‘b--+); %绘值公路客运量对比图
legend(‘网络输出客运量’,‘实际客运量‘);
xlabel(‘年份’);ylabel(‘客运量/万人’);
title(‘运用工具箱货运量学习和测试对比图
文档评论(0)