BP神经网络预测并求取输入指标权重MATLAB 代码示例

%% 清空环境变量 warning off % 关闭报警信息 close all % 关闭开启的图窗 clear % 清空变量 clc % 清空命令行 rng(1) %% 导入数据 num = xlsread('数据.xlsx'); %% 添加路径 %% 划分训练集和测试集 n = randperm(length(num)); m=60; n= randperm(length(num)); input_train=num((1:m),1:9)';%训练数据的输入数据 output_train=num((1:m),10)';%训练数据的输出数据4 input_test=num((m+1:end),1:9)';%测试数据的输入数据 output_test=num((m+1:end),10)'; %测试数据的输出数据 %选连样本输入输出数据归一化 [inputn,inputps]=mapminmax(input_train,0,1);%训练数据的输入数据的归一化 [outputn,outputps]=mapminmax(output_train,0,1);%训练数据的输出数据的归一化de inputn_test=mapminmax('apply',input_test,inputps); outputn_test=mapminmax('apply',output_test,outputps); %% BP网络训练 % %初始化网络结构 net=newff(minmax(inputn),[15,1],{'logsig','tansig'},'trainlm'); %net=newff(minmax(inputn),[35,1],{'logsig','tansig'},'traingdx'); net.trainParam.max_fail =50; net.trainParam.epochs=1000;%最大迭代次数 net.trainParam.lr=0.02;%学习率 net.trainParam.goal=0.01;%学习目标 % net.divideParam.trainRatio = 0.6; % net.divideParam.valRatio = 0.2; % net.divideParam.testRatio = 0.2; %网络训练 net=train(net,inputn,outputn); %% BP网络预测 %网络预测输出 load maynet.mat an=sim(net,inputn_test); an1=sim(net,inputn); %网络输出反归一化-+ BPoutput=(mapminmax('reverse',an,outputps)); BPoutput1=(mapminmax('reverse',an1,outputps)); R2 = R_2(output_test(1,:),BPoutput(1,:)) [MSE, RMSE, MBE, MAE ] =MSE_RMSE_MBE_MAE_MAPE(output_test(1,:),BPoutput(1,:)) figure plot(BPoutput(1,:),'r-o')%预测的结果数据画图：代表虚线，O代表圆圈标识，G代表绿色 hold on plot(output_test(1,:),'k-*');%期望数据，即真实的数据画图，-代表实现，*就是代表*的标识 hold on legend('BP预测输出','期望输出')%标签 title('BP神经网络','fontsize',12)%标题 字体大小为12 ylabel('') set(gca,'fontsize',12) %预测误差 error=BPoutput-output_test; figure plot(error(1,:)','k-*') ylabel('Error') ylabel('') xlabel('') set(gca,'fontsize',12) wik = net.lw{2,1}; wki = net.iw{1,1}; b1 = net.b{1}; q = zeros(9,1); for ii = 1:9 inputn1 = inputn(ii,:); y1 = wki(:,ii)*inputn1; y1 = 1./(1+exp(-y1)); y2 = wik*y1; q(ii) = sum(abs(y2)); end q = q./sum(q); figure bar(q) ylabel('权重') xlabel('')