运量预测基于matlab BP神经网络公路运量预测【含Matlab源码 413期】.zip

%rood_yunliang.m，公路客运量运量BP网络预测，2007年11月20－21日调试 %问题：用BP网络预测公路客运量 %现有某省1978～2002年的客运量数据，即时间序列有Ｎ=25个历史观察值, %采用长度ｎ=5为一期,n0=2为滚动间隔。即用前5年的数据预测下一年的数据, %每隔2年开始一期长度为5年的观察数据。要求预测出2003年、2004年的客运量。 %分析：20期数据样本分成两组,每组10个，分别做为训练集（1978年开始）和 %测试集（1979年开始）。设计BP网络有5个输入，1个输出。采用双隐含层， %隐含层神经元数目采用试差法确定,经试验,第1、2隐含层神经元数目分别为8、5， %即BP网络设计为5-8-5-1。 %将表1中的输入、输出数据比例化到区间[0.2～0.9]内,并将初始权值随机化,取η=0 6, %用1978年开始的10个训练集训练网络。经1979年开始的10个测试集测试。 %1978～2002年的客运量数据 %年份 客运量 %1978 12815 %1979 15543 %1980 19326 %1981 22864 %1982 26150 %1983 28468 %1984 30882 %1985 39375 %1986 45759 %1987 49589 %1988 52560 %1989 48726 %1990 51083 %1991 56495 %1992 62767 %1993 83606 %1994 92090 %1995 101370 %1996 107317 %1997 108654 %1998 111847 %1999 112872 %2000 116997 %2001 126007 %2002 128980 close all clc; clear; %按年份排列的原始客运量数据 p0=[12815 15543 19326 22864 26150 28468 30882 39375 45759 49589 52560 48726 ... 51083 56495 62767 83606 92090 101370 107317 108654 111847 112872 ... 116997 126007 128980]; %绘制客运量随年份的变换曲线 year=1978:2002; plot(year,p0,'b+') hold on plot(year,p0,'b-.') pause %将原始数据归一化到[0.2 0.9] %规一化公式：规一化后数据＝z1+(z2-z1)*(x-xmin)/(xmax-xmin) %[z1 z2]为规格化后的数据范围，如本例z1=0.2，z2=0.9；x为待规格化数据； %xmin、xmax分别为数据序列的最小、最大值。 p1=0.2+(0.9-0.2).*(p0-min(p0))./(max(p0)-min(p0)); %绘制规一化后客运量随年份的变换曲线 %plot(year,p1) %pause %按每5年为一期组织样本，作为训练集,p为输入，t为目标。从第1978年客运量开始 j=0; for i=1:10; p(:,i)=p1(i+j:i+j+4); %取第i个训练样本，给p t(:,i)=p1(i+j+5); j=j+1; end p t pause %按每5年为一期组织样本，作为测试集,testp为输入，testt为目标。从1979年客运量开始 j=0; for i=1:10; testp(:,i)=p1(i+j+1:i+j+5); testt(:,i)=p1(i+j+6); j=j+1; end %建立BP网络，两层隐含层，隐层神经元数为8、 5，输出为1个单元，训练函数为trainlm net = newff(minmax(p),[8 5 1],{'tansig' 'tansig' 'purelin'},'trainlm'); %可以设计为一个隐含层的BP网络，隐层神经元数为14；因为数据规一化处理过， %所以输出层传递函数也可以用'tansig' %net = newff(minmax(p),[14 1],{'tansig' 'tansig'},'trainlm'); %可以用'trainlm'，'traingd',' traingdm',' traingda',' traingdx'分别训练网络，看不同训练函数的效果. %设置训练参数 net.trainParam.lr=0.6; %学习率 net.trainParam.epochs = 10000; %最大训练次数 net.trainParam.goal = 0.0000001; %目标误差 %训练网络 net = train(net,p,t); %仿真 y = sim(net,testp); %将1979起的10组测试数据输入网络进行测试 E=testt-y; %计算测试集网络输出和目标的误差 mse=MSE(E) %计算均方误差 %预测2003年客运情况 p03=p1(21:25)' %取预测数据，1998－2002共5年，转置成列矢量 y03=sim(net,p03) %用sim仿真，计算2003年客运量（规一化值） y2003=min(p0)+(y03-0.2)*(max(p0)-min(p0))/0.7; %求出客运量实际值 p2=[p0 y2003]; %将2003年数据加入原始数据p0中 year=[year 2003]; %将2003年加入年份中 figure plot(year,p2,'g-.') hold on plot(year,p2,'g+') %绘制包括2003年预测数据的客运量曲线 hold on plot(2003,y2003,'ro') %用红色0绘制2003年预测的数据点。 pause disp('2003年客运量预测值为：'),y2003 disp('程序运行结束');