基于BP神经网络的建筑业总值预测（代码完整，数据齐全）

clc clear close all rand('state',0) [num1 ,ax,ay]= xlsread('BP神经网络数据收集（16-20）.xlsx'); num1(1,:) = []; num = []; for ii = 1:14 num0 = []; for jj = 1:5 num0 = [num0;num1(:,(ii-1)*5+jj)]; end num = [num num0]; end n = randperm(30); input_train=num(n,1:10)';%训练数据的输入数据 output_train=num(n,11:14)';%训练数据的输出数据 input_test=num(21:30,1:10)';%测试数据的输入数据 output_test=num(21:30,11:14)'; %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,-1,1);%训练数据的输入数据的归一化 [outputn,outputps]=mapminmax(output_train,-1,1);%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),[15,4],{'logsig','tansig'},'traingdx'); %net.trainParam.showWindow = false;%关闭训练窗口 % %net.trainParam.max_fail = 9;过拟合验证失败次数为9 net.trainParam.epochs=5000;%最大迭代次数 net.trainParam.lr=0.001;%学习率 net.trainParam.goal=0.001;%绩效目标 %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); %网络预测输出 an=sim(net,inputn_test); %网络输出反归一化 BPoutput=(mapminmax('reverse',an,outputps)); [MSE ,RMSE, MBE ,MAE ] =MSE_RMSE_MBE_MAE(output_test(1,:),BPoutput(1,:)) R_2 = R_2(output_test(1,:),BPoutput(1,:)) %% 结果分析 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，r代表红色 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,k代表黑色 legend('BP神经网络测试仿真值','真实值','Location','southeast')%标签 title('BP神经网络','fontsize',12)%标题 字体大小为12 xlabel('','fontsize',12)%X轴 ylabel('企业产值利润率') set(gca,'fontsize',12) figure plot(BPoutput(2,:),'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(2,:),'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神经网络测试仿真值','真实值','Location','southeast')%标签 title('BP神经网络','fontsize',12)%标题 字体大小为12 xlabel('','fontsize',12)%X轴 ylabel('碳排放(万吨）') set(gca,'fontsize',12) figure plot(BPoutput(3,:),'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(3,:),'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神经网络测试仿真值','真实值','Location','southeast')%标签 title('BP神经网络','fontsize',12)%标题 字体大小为12 xlabel('','fontsize',12)%X轴 ylabel('分包出去工程的产值（万元）') set(gca,'fontsize',12) figure plot(BPoutput(4,:),'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(4,:),'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神经网络测试仿真值','真实值','Location','southeast')%标签 title('BP神经网络','fontsize',12)%标题 字体大小为12 xlabel('','fontsize',12)%X轴 ylabel('人才素质（万人）') set(gca,'fontsize',12) %预测误差 error=BPoutput-output_test; figure plot(error(1,:),'-*') title('BP网络预测误差','fontsize',12) ylabel('误差','fontsize',12) xlabel('','fontsize',12) set(gca,'fontsize',12) figure plot(error(2,:),'-*') title('BP网络预测误差','fontsize',12) ylabel('误差','fontsize',12) xlabel('','fontsize',12) set(gca,'fontsize',12) figure plot(error(3,:),'-*') title('BP网络预测误差','fontsize',12) ylabel('误差','fontsize',12) xlabel('','fontsize',12) set(gca,'fontsize',12) figure plot(error(4,:),'-*') title('BP网络预测误差','fontsize',12) ylabel('误差','fontsize',12) xlabel('','fontsize',12) set(gca,'fontsize',12) b1 = net.b{1}; iw = abs(net.iw{1,1}); b2 = net.b{2}; lw = abs(net.lw{2,1}); outn =4; fij = zeros(outn ,15); fjk = zeros(15,10); for ii = 1:outn for jj = 1:15 fij(ii,jj) = lw(ii,jj)./sum(lw(ii,:)); end end for ii = 1:15 for jj = 1:10 fjk(ii,jj) = iw(ii,jj)./sum(iw(:,jj)); end end fik = sum(fij)*fjk; si = fik/sum(fik); fik = sum(fij)*fjk; si = fik/sum(fik)