目录
1 概述
2 代码
3 结果
1 概述
BP(Back Propagation)神经网络模型是一种信息前向传播,误差反向传播的神经网络模型0,能够通过训练样本反向传播调节网络的阈值和权值,使误差平方最小。 BP神经网络是目前应用最广泛的神经网络模型之一。
灰色人工神经网络模型建模过程:
(1)利用GM(1,1)模型得到预测值。
(2)利用误差平方和负梯度下降原理进行阈值和权值修正,使误差平方和小于目标值。
(3)利用灰色神经网络模型计算得到预测值,并验证模型的外推性,利用预测模型预测原始数据最后K项数据,分析预测值与实际值的相对误差。
(4)在外推性可靠的情况下对未来数据进行预测。
2 代码
%计算预测的每月需求量
for j=36:-1:2ys(j)=(yc(j)-yc(j-1))/10;
endfigure(2)
plot(ys(31:36),'-*');
hold on
plot(X(31:36,1)*10000,'r:o');
legend('灰色神经网络','实际订单数')
title('灰色系统预测','fontsize',12)
xlabel('月份','fontsize',12)
ylabel('销量','fontsize',12)
%计算预测的每月需求量
for j=36:-1:2
ys(j)=(yc(j)-yc(j-1))/10;
end
figure(2)
plot(ys(31:36),'-*');
hold on
plot(X(31:36,1)*10000,'r:o');
legend('灰色神经网络','实际订单数')
title('灰色系统预测','fontsize',12)
xlabel('月份','fontsize',12)
ylabel('销量','fontsize',12)