matlab工具箱神经网络预测

本文目录一览

• I、通过matlab的BP神经网络算法预测1998-2009对应的原始数据，需要预测2010至2020年的数据。
• II、matlab神经网络工具箱怎么预测各个英文代码
• III、如何使用MATLAB建立GM(1,n)模型，用于波动数据预测？

---

---

I、通过matlab的BP神经网络算法预测1998-2009对应的原始数据，需要预测2010至2020年的数据。

---

input=[1998:2009];
target=[115.4212.1259.7251.8352463.4509558614700696712];
net=newff(input,target,100);
net=train(net,input,target));
est_inputs=[2010:2020];
outputs=net(est_inputs);

---

II、matlab神经网络工具箱怎么预测各个英文代码

---

1.准备一个数据集，包括输入数据和相应的输出数据。
2。 使用MATLAB的神经网络工具箱创建神经网络。
3。 通过输入数据和输出数据训练神经网络。
4。 使用经过训练的神经网络来预测新的输入数据。

---

III、如何使用MATLAB建立GM(1,n)模型，用于波动数据预测？

---

从图中的结果来看，使用GM(1,1)灰色模型预测变量数据时误差较大，其预测能力不可靠。 我们推荐使用BP神经网络进行预测。 即用5条已知数据进行训练，预测10条数据。 方法流程：

1.导入数据。

2.生成训练集和测试集。

4.BP神经网络创建/训练和模拟测试

5.性能评估（相对误差、决定系数、范围）

6.。 按照上面的方法，你会得到以下结果：