%% 構(gòu)造擬合數(shù)據(jù)

for i=1:4000

    input(i,:)=10*rand(1,2)-5;

    output(i)=input(i,1)^2+input(i,2)^2;

end

output=output';

save data input output

%% 清空環(huán)境變量

clc

clear

tic

%% 訓(xùn)練數(shù)據(jù)預(yù)測數(shù)據(jù)提取及歸一化

%下載輸入輸出數(shù)據(jù)

load data input output

%從1到2000間隨機排序

k=rand(1,4000);

[m,n]=sort(k);

%找出訓(xùn)練數(shù)據(jù)和預(yù)測數(shù)據(jù)

input_train=input(n(1:3900),:)';

output_train=output(n(1:3900),:)';

input_test=input(n(3901:4000),:)';

output_test=output(n(3901:4000),:)';

%選連樣本輸入輸出數(shù)據(jù)歸一化

[inputn,inputps]=mapminmax(input_train);

[outputn,outputps]=mapminmax(output_train);

%% BP網(wǎng)絡(luò)訓(xùn)練

% %初始化網(wǎng)絡(luò)結(jié)構(gòu)

net=newff(inputn,outputn,5);

net.trainParam.epochs=100;

net.trainParam.lr=0.1;

net.trainParam.goal=0.0000004;

%網(wǎng)絡(luò)訓(xùn)練

net=train(net,inputn,outputn);

%% BP網(wǎng)絡(luò)預(yù)測

%預(yù)測數(shù)據(jù)歸一化

inputn_test=mapminmax('apply',input_test,inputps);

%網(wǎng)絡(luò)預(yù)測輸出

an=sim(net,inputn_test);

%網(wǎng)絡(luò)輸出反歸一化

BPoutput=mapminmax('reverse',an,outputps);

%% 結(jié)果分析

figure(1)

plot(BPoutput,':og')

hold on

plot(output_test,'-*');

legend({'預(yù)測輸出','期望輸出'},'fontsize',12)

title('BP網(wǎng)絡(luò)預(yù)測輸出','fontsize',12)

xlabel('樣本','fontsize',12)

ylabel('輸出','fontsize',12)

print -dtiff -r600 4-3

%預(yù)測誤差

error=BPoutput-output_test;

figure(2)

plot(error,'-*')

title('神經(jīng)網(wǎng)絡(luò)預(yù)測誤差')

figure(3)

plot((output_test-BPoutput)./BPoutput,'-*');

title('神經(jīng)網(wǎng)絡(luò)預(yù)測誤差百分比')

errorsum=sum(abs(error));

toc

save data net inputps outputps