用MATLAB的BP神经网络时间序列预测编程

示例程序见附件，其为一个简单的时间序列预测算例。其实所有的预测问题，本质都是一样的，通过对样本的学习，将网络训练成一个能反映时间序列内部非线性规律的系统，最终应用于预测。

BP（Back Propagation）神经网络是86年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层（input）、隐层(hidden layer)和输出层(output layer)。

load data3_1txt;

[m,n]=size( data3_1);

tsx = data3_1(1:m-1,1);

tsx=tsx';

ts = data3_1(2:m,1);

ts=ts';

[TSX,TSXps]=mapminmax(tsx,1,2);

[TS,TSps]=mapminmax(ts,1,2);

TSX=TSX';

figure;

plot(ts,'LineWidth',2);

title('到杭旅游总人数(19990101-20091231)','FontSize',12);

xlabel('统计年份(19901219-20090819)','FontSize',12);

ylabel('归一化后的总游客数/万人','FontSize',12);

grid on;

% 生成BP网络、利用minmax函数求输入样本范围

net_1=newff(minmax(TS),[10,1],{'tansig','purelin'},'traincgf')

% 设置训练参数

net_1trainParamshow = 50; %显示训练迭代过程（NaN表示不显示，缺省25）

net_1trainParamlr = 0025; %学习率（缺省001）

net_1trainParammc = 09; %动量因子（缺省09）

net_1trainParamepochs = 10000; %最大训练次数

net_1trainParamgoal = 0001; %训练要求精度

inputWeights=net_1IW{1,1} %输入层权值

inputbias=net_1b{1} %输入层阈值

layerWeights=net_1LW{2,1} %输出层权值

layerbias=net_1b{2} %输出层阈值

TS',TSX

% 网络训练

[net_1,tr]=train(net_1,TS,TSX);

由于睡眠的周期相对来说是没有规律可循的，所以用神经网络对一个晚上的睡眠分期进行训练，然后预测另一个晚上的睡眠分期。你可以考虑用anfis自适应神经网络来预测。

现举例说明，如何使用anfis自适应神经网络来预测。

        x = (0:01:10)';

        y = sin(2x)/exp(x/5);

        epoch_n = 20;

        in_fis  = genfis1([x y],5,'gbellmf');

        out_fis = anfis([x y],in_fis,epoch_n);

        plot(x,y,x,evalfis(x,out_fis));

        legend('Training Data','ANFIS Output');

        xlabel('x'),ylabel('y');

以上就是关于用MATLAB的BP神经网络时间序列预测编程全部的内容，包括:用MATLAB的BP神经网络时间序列预测编程、求用matlab通过BP神经网络做预测的源程序、用神经网络预测睡眠分期的matlab程序等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！