气温预测基于matlab BP神经网络气温预测【含Matlab源码 714期】.zip

clear all; clc; Z=xlsread('Data.xlsx');%读取训练数据 Z=Z(:,1); %构造样本集 n=length(Z);%数据个数 % Z(n) 由Z(n-1),Z(n-2),...,Z(n-L)共L个数预测得到. L = 30; %L=6; Z_n = zeros(L+1, n-L);% Z_n：每列为一个构造完毕的样本，共n-L个样本 for i=1:n-L Z_n(:,i) = Z(i:i+L); end %trainx = Z_n(1:6, 1:211);%训练样本 trainx = Z_n(1:30, 1:187); %trainy = Z_n(7, 1:211); trainy = Z_n(31, 1:187); testx = Z_n(1:30, 188:end);%测试样本 testy = Z_n(31, 188:end); %创建elman神经网络 net=elmannet(1:2,15); net.trainParam.epochs=2000;% 最大迭代次数为1000次 net.trainParam.goal=0.0001;% 误差容限，达到此误差就可以停止训练 net=init(net);%初始化 %网络训练 [trainx1, st1] = mapminmax(trainx);%训练数据归一化 [trainy1, st2] = mapminmax(trainy); testx1 = mapminmax('apply',testx,st1);% 测试数据做与训练数据相同的归一化操作 testy1 = mapminmax('apply',testy,st2); % 输入训练样本进行训练 [net,per] = train(net,trainx1,trainy1); % 将训练数据输入网络进行测试 train_ty1 = sim(net, trainx1); train_ty = mapminmax('reverse', train_ty1, st2); figure(1) plot(1:length(train_ty),train_ty,'b-',1:length(trainy),trainy,'r-'); title('使用原始数据测试'); legend('真实值','测试结果'); figure(2) % 显示残差 x=1:length(train_ty); plot(x, train_ty - trainy) title('训练数据测试结果的残差') mse1 = mse(train_ty - trainy); fprintf(' mse_train = \n %f\n', mse1) % 显示均方误差 disp(' 训练数据相对误差：') fprintf('%f ', (train_ty - trainy)./trainy );% 显示相对误差 fprintf('\n') % 将测试数据输入网络进行测试 test_ty1 = sim(net, testx1); test_ty = mapminmax('reverse', test_ty1, st2); figure(3) plot(1:length(test_ty),test_ty,'b-',1:length(testy),testy,'r-'); title('使用测试数据测试'); legend('真实值','测试结果'); mse2 = mse(test_ty - testy); fprintf(' mse_test = \n %f\n', mse2) % 显示均方误差