基于扩散因子搜索的GRNN神经网络时间序列预测（Matlab完整程序和数据）

%% GRNN神经网络时间序列预测 %% 1.初始化 clear close all clc format bank %2位小数，format short精确4位，format long精确15位 %% 2.读取读取 data0=xlsread('data.xlsx'); % Matlab2021版本以上无法使用xlsread函数，可用Load函数替代 lag=5; %lag代表延迟，即本网络的输入节点数 for i=1:length(data0)-lag data(i,:)=data0(i:i+lag)'; end input=data(:,1:end-1); output=data(:,end); N=length(output); %计算样本数量 testNum=100; %设定测试集样本数量 trainNum=N-testNum; %% 3.设置训练集和测试集 input_train = input(1:trainNum,:)'; % 训练集输入 output_train =output(1:trainNum)'; % 训练集输出 input_test =input(trainNum+1:trainNum+testNum,:)'; % 测试集输入 output_test =output(trainNum+1:trainNum+testNum)'; % 测试集输出 %% 4.数据归一化 [inputn,inputps]=mapminmax(input_train,0,1); % 训练集输入归一化到[0,1]之间 [outputn,outputps]=mapminmax(output_train); % 训练集输出归一化到默认区间[-1, 1] inputn_test=mapminmax('apply',input_test,inputps); % 测试集输入采用和训练集输入相同的归一化方式 %% 5.求解最佳隐含层 inputnum=size(input,2); %size用来求取矩阵的行数和列数，1代表行数，2代表列数 outputnum=size(output,2); disp(['输入层节点数：',num2str(inputnum),', 输出层节点数：',num2str(outputnum)]) MSE=1e+5; %误差初始化 for desired_spread=0.1:0.1:1 %% 创建GRNN网络 % 扩散因子 desired_spread % 神经网络 net = newgrnn(inputn,outputn, desired_spread); an0=sim(net,inputn); %仿真结果 mse0=mse(outputn,an0); %仿真的均方误差 disp(['当扩散因子为',num2str(desired_spread),'时，训练集均方误差为：',num2str(mse0)]) %不断更新最佳的隐含层节点 if mse0<MSE MSE=mse0; desired_spread_best=desired_spread; end end disp(['最佳扩散因子为：',num2str(desired_spread_best),'，均方误差为：',num2str(MSE)]) %% 6.构建最佳隐含层的GRNN神经网络 net=newgrnn(inputn,outputn, desired_spread_best); %% 7.网络测试 an=sim(net,inputn_test); % 训练完成的模型进行仿真测试 test_simu=mapminmax('reverse',an,outputps); % 测试结果反归一化 error=test_simu-output_test; % 测试值和真实值的误差 %% 8.结果输出 % 预测值和实际值的对比图 figure plot(output_test,'b-','linewidth',1) hold on plot(test_simu,'r-','linewidth',1) legend('实际值','预测值') xlabel('测试样本'),ylabel('指标值') title('GRNN预测值和实际值的对比') set(gca,'fontsize',12) figure bar(error) xlabel('测试样本'),ylabel('预测误差') title('GRNN神经网络测试集的预测误差') set(gca,'fontsize',12) figure; plotregression(output_test,test_simu,['GRNN数据拟合图']); figure; ploterrhist(test_simu-output_test,['GRNN误差直方图']); %计算各项误差参数 [~,len]=size(output_test); % len获取测试样本个数，数值等于testNum，用于求各指标平均值 SSE1=sum(error.^2); % 误差平方和 MAE1=sum(abs(error))/len; % 平均绝对误差 MSE1=error*error'/len; % 均方误差 RMSE1=MSE1^(1/2); % 均方根误差 MAPE1=mean(abs(error./output_test)); % 平均百分比误差 % 显示各指标结果 disp(' ') disp('各项误差指标结果：') disp(['误差平方和SSE为：',num2str(SSE1)]) disp(['平均绝对误差MAE为：',num2str(MAE1)]) disp(['均方误差MSE为：',num2str(MSE1)]) disp(['均方根误差RMSE为：',num2str(RMSE1)]) disp(['平均百分比误差MAPE为：',num2str(MAPE1*100),'%']) disp(['预测准确率为：',num2str(100-MAPE1*100),'%']) % 工作区中 % output_test代表测试集 % test_simu代表GRNN预测值 % error代表GRNN误差