% %人工神经网络
% %线性网络——单输入-单输出（最大积雪深度与灌溉面积的关系）
% x=[15.2 10.4 21.2 18.6 26.4 23.4 13.5 16.7 24.0 19.1];
% y=[28.6 19.3 40.5 35.6 48.9 45.0 29.2 34.1 46.7 37.4];
% P=x/10; %输入数据全部除以10
% T=y/10; %目标数据全部除以10
% net=newlin(minmax(P),1,0,0.01); %构建一个单输出线性网络
% net.trainParam.epochs=3000; %指定最大计算次数
% net=train(net,P,T); %网络训练
% Y=sim(net,P);Y %仿真与数值输出
% figure %创建另外一个图形窗口
% plot(P,T,'r+'); %绘制散点图
% xlabel('Maximum snow depth'); %横轴标签（最大积雪深度）
% ylabel('Irrigation area'); %纵轴标签（灌溉面积）
% hold on %保持图形
% plot(P,Y,'b-'); %添加趋势线
% hold off %结束绘图
% w=net.iw{1,1} %给出权数/回归系数
% b=net.b{1} %给出阈值/截距
% P_test=[27.5/10]; %预测
% y=sim(net,P_test); %计算预测结果
% Y1981=y*10 %将预测值转换为原来的数值单位
%线性网络——单输入-单输出（y值量纲不改变）
x=[15.2 10.4 21.2 18.6 26.4 23.4 13.5 16.7 24.0 19.1];
y=[28.6 19.3 40.5 35.6 48.9 45.0 29.2 34.1 46.7 37.4];
P=x/10; %输入数据全部除以10
T=y; %目标数据不改变
net=newlin(minmax(P),1,0,0.01); %构建一个单输出线性网络
net.trainParam.epochs=3000; %指定最大计算次数
net=train(net,P,T); %网络训练
Y=sim(net,P);Y %仿真与数值输出
figure %创建另外一个图形窗口
plot(P,T,'r+'); %绘制散点图
xlabel('Maximum snow depth'); %横轴标签（最大积雪深度）
ylabel('Irrigation area'); %纵轴标签（灌溉面积）
hold on %保持图形
plot(P,Y,'b-'); %添加趋势线
hold off %结束绘图
w=net.iw{1,1} %给出权数/回归系数
b=net.b{1} %给出阈值/截距
P_test=[27.5/10]; %预测
y=sim(net,P_test); %计算预测结果
Y1981=y %将预测值转换为原来的数值单位
