基于BP神经网络的供热管道压力和温度预测（代码完整，数据齐全）

clc%清除命令窗口变量 clear%清除工作空间变量 close all%关闭FIGURE图像 load maydata.mat n = randperm(length(num1)); m =150; input_train=num3(n(1:m),[2 4 5])';%训练数据的输入数据 output_train=num4(n(1:m),:)';%训练数据的输出数据 input_test=num3((m+1:end),[2 4 5])';%测试数据的输入数据 output_test=num4((m+1:end),:)'; %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 net=newff(inputn,outputn,[70,15],{'tansig','tansig'},'trainlm'); net.trainParam.max_fail = 10; net.trainParam.epochs=1000;%最大迭代次数 net.trainParam.lr=0.01;%学习率 net.trainParam.goal=0.001;%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); %网络预测输出 an=sim(net,inputn_test); an(an<-1)=-1; %网络输出反归一化 BPoutput=(mapminmax('reverse',an,outputps)); %% 结果分析 for ii = 1:22 figure plot(BPoutput(ii,:),'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(ii,:),'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('预测输出','期望输出')%标签 str1 = ['站点' num2str(numx(ii))]; title(str1,'fontsize',12)%标题 字体大小为12 ylabel('流量','fontsize',12)%Y轴 xlabel('样本','fontsize',12)%X轴 end error1 = BPoutput- output_test; for ii = 1:22 figure plot(error1(ii,:),'k-*')%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 str1 = ['站点' num2str(numx(ii))]; title(str1,'fontsize',12)%标题 字体大小为12 ylabel('误差','fontsize',12)%Y轴 xlabel('样本','fontsize',12)%X轴 end