clc
clear
close all
load maydata.mat
rand('state',0)
load maydata.mat
num = num1;
input_train=num(1:72,1:4)';%训练数据的输入数据
output_train=num(1:72,5)';%训练数据的输出数据
input_test=num(73:88,1:4)';%测试数据的输入数据
output_test=num(73:88,5)'; %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
%% BP网络训练
% %初始化网络结构
%trainc traincgb traincgf traincgp traingda traingdx trainlm
%trainoss trainr trainrp trains trainscg
net=newff(minmax(inputn),[15,1],{'logsig','tansig'},'trainlm');
%net.trainParam.showWindow = false;%关闭训练窗口
%net.trainParam.max_fail = 9;
net.trainParam.epochs=5000;%最大迭代次数
net.trainParam.lr=0.1;%学习率
net.trainParam.goal=0.00001;%学习目标
%网络训练
net=train(net,inputn,outputn);
%% BP网络预测
%预测数据归一化
inputn_test=mapminmax('apply',input_test,inputps);
outputn_test=mapminmax('apply',output_test,outputps);
%网络预测输出
an=sim(net,inputn_test);
an1=sim(net,inputn);
[MSE0 ,RMSE0, MBE0 ,MAE0,MAPE0 ] =MSE_RMSE_MBE_MAE(outputn,an1)
[MSE ,RMSE, MBE ,MAE ,MAPE] =MSE_RMSE_MBE_MAE(outputn_test,an)
R20 = R_2(outputn,an1)
R2 = R_2(outputn_test,an)
%网络输出反归一化
BPoutput=(mapminmax('reverse',an,outputps));
BPoutput1=(mapminmax('reverse',an1,outputps));
%% 结果分析
figure
plot(BPoutput,'r-o')%预测的结果数据画图-代表虚线,O代表圆圈标识,r代表红色
hold on
plot(output_test,'k--*');%期望数据,即真实的数据画图,-代表实现,*就是代表*的标识,k代表黑色
legend('BP神经网络仿真值','真实值','Location','southeast')%标签
title('BP神经网络','fontsize',12)%标题 字体大小为12
xlabel('样本','fontsize',12)%X轴
set(gca,'fontsize',12)
figure
plot(BPoutput1,'r-o')%预测的结果数据画图-代表虚线,O代表圆圈标识,r代表红色
hold on
plot(output_train,'k--*');%期望数据,即真实的数据画图,-代表实现,*就是代表*的标识,k代表黑色
legend('BP神经网络训练拟合值','真实值','Location','southeast')%标签
title('BP神经网络','fontsize',12)%标题 字体大小为12
xlabel('样本','fontsize',12)%X轴
set(gca,'fontsize',12)
%预测误差
error=BPoutput-output_test;
figure
plot(error,'-*')
title('BP网络预测误差','fontsize',12)
ylabel('误差','fontsize',12)
xlabel('样本','fontsize',12)
set(gca,'fontsize',12)
xlswrite('shuju.xlsx',num)
figure
plot(BPoutput1,output_train,'ko')
hold on
figure
plot(BPoutput1,output_train,'ko')
hold on
a = polyfit(BPoutput1,output_train,1);
y = polyval(a,[min([BPoutput1 output_train]) max([BPoutput1 output_train])]);
plot([min([BPoutput1 output_train]) max([BPoutput1 output_train ])],y,'k-','LineWidth',1.5)
hold on
plot([min([BPoutput1 output_train]) max([BPoutput1 output_train]) ],[min([BPoutput1 output_train]) max([BPoutput1 output_train])],'b-','LineWidth',1.5)
hold on
xlim([min([BPoutput1 output_train]) max([BPoutput1 output_train ])])
ylim([min([BPoutput1 output_train]) max([BPoutput1 output_train ])])
xlabel('预测值')
ylabel('实际值')
legend('训练数据集','线性拟合','Y=X')
error1 = BPoutput1 - output_train;
numz = zeros(4,2);
for ii = 1:length(error1)
if error1(ii)<-10
numz(1,1) = numz(1,1)+1;
elseif error1(ii)<-0
numz(2,1) = numz(2,1)+1;
elseif error1(ii)<10
numz(3,1) = numz(3,1)+1;
else
numz(4,1) = numz(4,1)+1;
end
end
for ii = 1:length(error)
if error(ii)<-10
numz(1,2) = numz(1,2)+1;
elseif error(ii)<-0
numz(2,2) = numz(2,2)+1;
elseif error(ii)<10
numz(3,2) = numz(3,2)+1;
else
numz(4,2) = numz(4,2)+1;
end
end
x =-10:10:20;
numz(:,1) = numz(:,1)./sum(numz(:,1))*100;
numz(:,2) = numz(:,2)./sum(numz(:,2))*100;
figure
bar(x,numz)
xlabel('误差')
ylabel('百分比')
vaf = 1-sum(error.^2)/sum(output_test.^2);
vaf0 = 1-sum(error1.^2)/sum(output_train.^2);
没有合适的资源?快使用搜索试试~ 我知道了~
基于BP神经网络的回归分析(代码完整,数据齐全)
共9个文件
m:5个
xlsx:3个
mat:1个
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
5星 · 超过95%的资源 1 下载量 120 浏览量
2024-01-11
20:00:02
上传
评论
收藏 32KB RAR 举报
温馨提示
基于MATLAB编程,用长短期神经网络LSTM进行碳排放量预测,碳排放是一种时间序列的数据,用LSTM比一般神经网络更适合,代码完整,包含数据,有注释,方便扩展应用 1,如有疑问,不会运行,可以私信, 2,需要创新,或者修改可以扫描二维码联系博主, 3,本科及本科以上可以下载应用或者扩展, 4,内容不完全匹配要求或需求,可以联系博主扩展。
资源推荐
资源详情
资源评论
收起资源包目录
DAIMA.rar (9个子文件)
MSE_RMSE_MBE_MAE.m 424B
mainbp2.m 4KB
R_2.m 316B
xunlianshiji-bp-error1.xlsx 9KB
mainbp1.m 4KB
main0.m 297B
数据.xlsx 13KB
maydata.mat 2KB
shuju.xlsx 11KB
共 9 条
- 1
资源评论
- GolemUlrica2024-05-13这个资源内容超赞,对我来说很有价值,很实用,感谢大佬分享~
神经网络机器学习智能算法画图绘图
- 粉丝: 2510
- 资源: 618
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功