bp神经网络MATLAB程序.doc

%清空环境变量clcclear%读取数据a=xlsread(F:4.数据挖掘讲义马景义数据和程序matlabone-input.csv);b=xlsread(F:4.数据挖掘讲义马景义数据和程序matlaboutput.csv);c=xlsread(F:4.数据挖掘讲义马景义数据和程序matlabc.csv);save data1.mat bsave data2.mat aload data1load data2%节点个数inputnum=42;hiddennum=8;outputnum=1;%训练数据和预测数据input_train=a(:,1:90);input_test=a(:,91:137);output_train=b(:,1:90);output_test=b(:,91:137); %将训练样本输入输出数据归一化inputn,inputps=mapminmax(input_train);outputn,outputps=mapminmax(output_train); %构建BP神经网络net=newff(inputn,outputn,20,12,tansig,purelin,traingdx);net.trainParam.epochs=1000;net.trainParam.lr=0.01;net.trainParam.goal=0.00000001;%BP神经网络训练net=train(net,inputn,outputn);%测试样本归一化inputn_test=mapminmax(apply,input_test,inputps);%BP神经网络预测an=sim(net,inputn_test);%网络得到数据反归一化BPoutput=mapminmax(reverse,an,outputps);d=BPoutputcfigure(1)%plot(d,:og);scatter(1:(137-90),d,rx);hold on;%plot(output_test,-*);scatter(1:(137-90),output_test,o);legend(预测输出,期望输出,fontsize,12);title(BP网络预测输出,fontsize,12);xlabel(样本,fontsize,12);xlabel(优化前输出的误差,fontsize,12); figure(2)error=d-output_test;plot(1:(137-90),error);xlabel(样本,fontsize,12);ylabel(优化前输出的误差,fontsize,12);%save net net inputs outputs （注：专业文档是经验性极强的领域，无法思考和涵盖全面，素材和资料部分来自网络，供参考。可复制、编制，期待你的好评与关注）