求助MATLAB BP神经网络

相似文件 换一批

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

已知八个经济指标的10年数据，如何对这个八个经济指标通过构建BP神经网络模型，对未来二十年的数据进行预测。
怎么编程，希望高手指点？


clear all
close all
aa=xlsread('xmsj.xls');
at=[{'日期:2001至2010'};{'交通量'};{'GDP'};{'人均可支配收入'};{'人口总量'};{'汽车保有量'};......
    {'旅游人均居民消费水平'};{'工业生产总值'};{'农业生产总值'}];
ys='brgmcyk';  %未知？

%%输入数据及目标数据
pd=aa(:,1:10)';
[pn,minp,maxp]=premnmx(pd);
p=pn(1:9,:)';  %p存放训练的输入数据
t=pn(10,:)';   %t存放训练的目标数据
%%%测试数据及目标数据
pdc=aa(:,5:10)'; %pdc表示测试数据
[pnc,minpc,maxpc]=premnmx(pdc); %
ptest=pnc(1:5,:)';%%ptest存放测试集的输入数据
ttest=pnc(6,:)';%%ttest存放测试集的目标数据
%计算训练集的样本个数和输入元素个数
%Q存放样本个数
%R存放输入元素个数
[Q,R]=size(p);
%隐含层神经元个数
H=10;                                            %%隐层神经元数（？？）
%创建一个新的前向神经网络
net=newff(minmax(p'),[H,1],{'tansig','purelin'},'trainlm');
% 初始化输入层权值和偏置值
net.IW{1,1}=0.1*rand(H,R);
inputWeights=net.IW{1,1};
net.b{1}=0.1*rand(H,1);
inputbias=net.b{1};
% 初始化网络层权值和偏置值
net.LW{2,1}=0.1*rand(1,H);
layerWeights=net.LW{2,1};
net.b{2}=0.1*rand(1);
layerbias=net.b{2};
%设置网络训练参数
%设置显示间隔
net.trainParam.show=50;
%设置学习速率
net.trainParam.lr=0.05;
%设置动量项
net.trainParam.mc=0.25
%设置训练次数
net.trainParam.epochs=5000;
%设置训练目标值
net.trainParam.goal=1e-5;
%训练BP网络
P=p';
T=t';
[net,tr]=train(net,P,T);
%仿真计算测试集的输出
output=sim(net,ptest');
%将计算结果输出到Excel文件output_ann.xls中
%绘制仿真结果图
figure(1);
plot(output,'ok');
%保持图形不被后续图形绘制操作刷新
hold on;
%绘制阈值上下限
x=linspace(1,6);
y1=0.51;
y2=0.65;
plot(x,y1,'-k',x,y2,'-k');


运行结果：

net =
    Neural Network object:
    architecture:
         numInputs: 1
         numLayers: 2
       biasConnect: [1; 1]
      inputConnect: [1; 0]
      layerConnect: [0 0; 1 0]
     outputConnect: [0 1]
     targetConnect: [0 1]
        numOutputs: 1  (read-only)
        numTargets: 1  (read-only)
    numInputDelays: 0  (read-only)
    numLayerDelays: 0  (read-only)
    subobject structures:
            inputs: {1x1 cell} of inputs
            layers: {2x1 cell} of layers
           outputs: {1x2 cell} containing 1 output
           targets: {1x2 cell} containing 1 target
            biases: {2x1 cell} containing 2 biases
      inputWeights: {2x1 cell} containing 1 input weight
      layerWeights: {2x2 cell} containing 1 layer weight
    functions:
          adaptFcn: 'trains'
           initFcn: 'initlay'
        performFcn: 'mse'
          trainFcn: 'trainlm'
    parameters:
        adaptParam: .passes
         initParam: (none)
      performParam: (none)
        trainParam: .epochs, .goal, .max_fail, .mem_reduc,
                    .min_grad, .mu, .mu_dec, .mu_inc,
                    .mu_max, .show, .time, .lr,
                    .mc
    weight and bias values:
                IW: {2x1 cell} containing 1 input weight matrix
                LW: {2x2 cell} containing 1 layer weight matrix
                 b: {2x1 cell} containing 2 bias vectors
    other:
          userdata: (user stuff)
TRAINLM, Epoch 0/5000, MSE 0.342733/1e-005, Gradient 1.01865/1e-010
TRAINLM, Epoch 5/5000, MSE 4.729e-010/1e-005, Gradient 0.000224833/1e-010
TRAINLM, Performance goal met.


??? Error using ==> network.sim
Inputs are incorrectly sized for network.
Matrix must have 9 rows.
Error in ==> xmyy at 56
output=sim(net,ptest');

怎么解决？ 望高手指点，谢谢！

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏2 回帖

关键词：BP神经网络 MATLAB matla atlab 神经网络 求助 MATLAB 神经网络

你弄错了啊 神经网络里一行是一个观测

你还在线不？

已知八个经济指标的10年数据，如何对这个八个经济指标通过构建BP神经网络模型，对未来二十年的数据进行预测。
怎么编程，希望高手指点？


已知：日期:2001至2010'间的;{'交通量'};{'GDP'};{'人均可支配收入'};{'人口总量'};{'汽车保有量'};......
    {'旅游人均居民消费水平'};{'工业生产总值'};{'农业生产总值'}]; 八个指标的数据，现在如何对未来2011-2021年的数据进行预测

如何编程实现？用BP神经网络模型，望指点，比较急现在，谢谢
本文来自: 人大经济论坛 Matlab及其他计量软件专版 版，详细出处参考：https://bbs.pinggu.org/viewthread ... &from^^uid=773437

要预测的话得先有这些值的未来水平

不知道你模型具体思路。
你的程序的错误，我翻看了下手册，是参数调用错误。所以神经网络在 sim（net,ptest'）；这里出错了，给你改了一下。可以运行到最后，至于结果是否是你要的，就不敢保证。

1. clear all
   
2. 
   
3. close all
   
4. 
   
5. aa=xlsread('xmsj.xls');
   
6. 
   
7. at=[{'日期:2001至2010'};{'交通量'};{'GDP'};{'人均可支配收入'};{'人口总量'};{'汽车保有量'};......
   
8. {'旅游人均居民消费水平'};{'工业生产总值'};{'农业生产总值'}];
   
9. ys='brgmcyk';    %未知？
   
10. 
    
11. %%输入数据及目标数据
    
12. 
    
13. pd=aa(:,1:10)';
    
14. 
    
15. [pn,minp,maxp]=premnmx(pd);
    
16. 
    
17. p=pn(1:9,:)';
    
18. %p存放训练的输入数据
    
19. 
    
20. t=pn(10,:)';
    
21. %t存放训练的目标数据
    
22. %%%测试数据及目标数据
    
23. 
    
24. pdc=aa(:,5:10)'; %pdc表示测试数据
    
25. 
    
26. [pnc,minpc,maxpc]=premnmx(pdc);
    
27. 
    
28. ptest=pnc(1:5,:)';
    
29. % ptest存放测试集的输入数据
    
30. 
    
31. ttest=pnc(6,:)';%%ttest存放测试集的目标数据
    
32. 
    
33. %计算训练集的样本个数和输入元素个数
    
34. 
    
35. %Q存放样本个数
    
36. %R存放输入元素个数
    
37. 
    
38. [Q,R]=size(p);
    
39. 
    
40. %隐含层神经元个数
    
41. 
    
42. H=10;
    
43. 
    
44. %创建一个新的前向神经网络
    
45. 
    
46. net=newff(minmax(p'),[H,1],{'tansig','purelin'},'trainlm');
    
47. 
    
48. % 初始化输入层权值和偏置值
    
49. 
    
50. net.IW{1,1}=0.1*rand(H,R);
    
51. 
    
52. inputWeights=net.IW{1,1};
    
53. 
    
54. net.b{1}=0.1*rand(H,1);
    
55. 
    
56. inputbias=net.b{1};
    
57. 
    
58. % 初始化网络层权值和偏置值
    
59. 
    
60. net.LW{2,1}=0.1*rand(1,H);
    
61. 
    
62. layerWeights=net.LW{2,1};
    
63. 
    
64. net.b{2}=0.1*rand(1);
    
65. 
    
66. layerbias=net.b{2};
    
67. 
    
68. %设置网络训练参数
    
69. %设置显示间隔
    
70. 
    
71. net.trainParam.show=50;
    
72. 
    
73. %设置学习速率
    
74. 
    
75. net.trainParam.lr=0.05;
    
76. 
    
77. %设置动量项
    
78. 
    
79. net.trainParam.mc=0.25;
    
80. 
    
81. %设置训练次数
    
82. 
    
83. net.trainParam.epochs=5000;
    
84. 
    
85. %设置训练目标值
    
86. 
    
87. net.trainParam.goal=1e-5;
    
88. 
    
89. %训练BP网络
    
90. 
    
91. P=p';
    
92. 
    
93. T=t';
    
94. 
    
95. [net,tr]=train(net,P,T);
    
96. 
    
97. %仿真计算测试集的输出
    
98. 
    
99. output=sim(net,P);
    
100. 
     
101. %将计算结果输出到Excel文件output_ann.xls中
     
102. 
     
103. %绘制仿真结果图
     
104. 
     
105. figure(1);
     
106. 
     
107. plot(output,'ok');
     
108. 
     
109. %保持图形不被后续图形绘制操作刷新
     
110. 
     
111. hold on;
     
112. 
     
113. %绘制阈值上下限
     
114. x=linspace(1,6);
     
115. 
     
116. y1=0.51;
     
117. y2=0.65;
     
118. 
     
119. plot(x,y1,'-k',x,y2,'-k');

复制代码

是参数调用错误问题，你再修改下参数，让参数符合程序的要求。也按照你的设计目的设置新的合适的参数。
我只是修改下，让它可以运行完，我在我的电脑上试过了，修改了那个sim（）函数的参数后，可以运行的。你试试。有问题可以找我。
我的Q号：280201722

也和朋友做 MRS DCC GARCH 模型。期待你的加入，潇湘品茗 留。

有未来值的话，就不预测了。呵呵
你的模型是什么？是一个非线性的 NVAR 模型，还是其他？
建立模型，训练数据。
然后做预测。至于模型的验证。
一些建模通常用数据的 80%建模，然后用剩下的20%做验证。同时建模时，MAE等，各种检验模型拟合优度的检验都有。神经网络net里，就有一些评价指标。打开结构就可以看到。

你得先建立模型，用神经网络优化拟合参数，然后才能谈预测。比如是最小投影预测，还是滚动预测的。

诶，我放弃了，你不愿意加入我们就算了。

我和几个朋友在做MRS DCC GARCH 以及 Spatial econometrics .
我很喜欢人才，看到你两年前就在问DCC GARCH 模型。知道你在很多方面不错。

不好意思，多打扰了。不再向你提加好友的要求。

太谢谢你的热心帮助了，我很感动的，前几天比较忙，没有时间登陆，现在才看到  非常感谢

现在我编了一个，BP神经网络模型预测未来20年值的程序：具体如下
tic;                                        %计时开始
clc;                                        %清屏
shuju=shuju/365;

for i=11:30
[pn,minp,maxp]=premnmx(shuju(i-10:i-1,:));
zpn=pn';
p=zpn(:,1:9);
t=zpn(:,10);

threshold=minmax(p');
for j=1:10
net=newff(threshold,[9,4+j,1],{'tansig','tansig','purelin'},'traingdm','learngdm','mse'); %创建一个新的前向神经网
echo on
me=10000;
net.trainParam.show=1000;%设置显示间隔
net.trainParam.lr=0.05;%设置学习速率
net.trainParam.mc=0.25%设置动量项
net.trainParam.epochs=10000;%设置训练次数
if net.trainParam.goal>=0.00001;%设置训练目标值
j=j+1;
else break;                        %当output_error<error_max时，结束调节过程
                %end for else
end
end
iw1=net.IW{1};
b1=net.b{1};
lw2=net.LW{2};
b2=net.b{2};


[net,tr,Y1,E]=train(net,p',t');

c=postmnmx(Y1',minp(10),maxp(10));  %还原成最初目标数据

p=zpn(:,1:9);
p1=zpn(:,2:10);

output=sim(net,p1');
c=postmnmx(output',minp(10),maxp(10));

b=shuju(10,:)';
a=[c,b];
plot (a(1:9,1:2), 'DisplayName','a(1:9,1:2)', 'YDataSource', 'a(1:9,1:2)'); figure(gcf)
c1=postmnmx(output',minp(10),maxp(10));  %还原成最初目标数据
shuju(i,:)=c';
i=i+1;

end
fprintf('运行时间为：\n');
tic;
toc;                        %计时结束，并输出程序的运行时间
t = toc;

for j=1:10
net=newff(threshold,[9,4+j,1],{'tansig','tansig','purelin'},'traingdm','learngdm','mse'); %创建一个新的前向神经网
echo on
me=10000;
net.trainParam.show=1000;%设置显示间隔
net.trainParam.lr=0.05;%设置学习速率
net.trainParam.mc=0.25%设置动量项
net.trainParam.epochs=10000;%设置训练次数
if net.trainParam.goal>=0.00001;%设置训练目标值
j=j+1;
else break;                        %当output_error<error_max时，结束调节过程
                %end for else
end
end
  这个循环语句的目标是想通过循环控制来实现，隐层神经元个数的选择 不知道是否可行，但是程序运行是正确的
运行出来的未来20年的值 不是很理想  波动很大，有的时候循环，甚至出现了负值！？望高手指点更正