大伙看看我这个用matlab编的BP网络，咋差距就这么大？

museum

这是用matlab编写的

clear
fid=fopen('d:\ann\p0.txt','r');
P=fscanf(fid,'%g',[4 20]); %P为训练样本输入矢量
fid=fopen('d:\ann\t0.txt','r');
T=fscanf(fid,'%g',[1 20]); %T为训练样本目标矢量
fid=fopen('d:\ann\p1.txt','r');
PP=fscanf(fid,'%g',[4 4]); %PP为检验样本输入矢量
fid=fopen('d:\ann\t1.txt','r');
TT=fscanf(fid,'%g',[1 4]); %TT为检验样本目标矢量
net=newff(minmax(P),[5,1],{'tansig','purelin'},'trainlm');
net=init(net);
net.trainParam.epochs=50000; %设置网络训练次数为50000次
net.trainParam.show=50; %设置每隔50次显示当前网络训练误差
net.trainParam.goal=0.01; %设置网络训练目标误差为0.01
[net,tr]=train(net,P,T); %利用函数train()对网络进行训练
A=sim(net,P); %利用函数sim()对训练年份和检验年份进行仿真
AA=sim(net,PP);  
T1=1:1:20;
plot(T1,T,T1,A);
T2=1:1:4;
plot(T2,TT,T2,AA);

lxq

楼主到底想表达什么东西？

museum

分别为：1.我用到的数据

museum

那位文献的作者运行的结果，极其理想，而我模拟的极不好

museum

由于那个文献容量过大，我无法上传全部，只能截取最终结果的一页

该文献具体为：“陈集中。应用人工神经网络BP模型预测乌江流域年平均含沙量。2005，25(4)：6-9”

lxq

参数设置也很重要的
尤其对于不同的数据
论坛上不少关于BP网络的讨论
先搜索一下吧！

museum

搜索了，也自己试着修改了，可惜效果还是不行，还望给予指点！

dingd

对于训练样本，可以很容易达到均方差（RMSE）为1e-10，效果非常好啊！验证的结果就要差远了。

lxq

1. clear
   
2. P=load('p0.txt');
   
3. T=load('t0.txt');
   
4. PP=load('p1.txt')
   
5. TT=load('t1.txt');
   
6. [Pn,minp,maxp,Tn,mint,maxt]=premnmx(P,T);
   
7. net=newff(minmax(Pn),[5,1],{'tansig','purelin'},'trainlm');
   
8. net=init(net);
   
9. net.trainParam.epochs=50000; %设置网络训练次数为50000次
   
10. net.trainParam.show=50; %设置每隔50次显示当前网络训练误差
    
11. net.trainParam.goal=0.0001; %设置网络训练目标误差为0.01
    
12. [net,tr]=train(net,Pn,Tn); %利用函数train()对网络进行训练
    
13. y=sim(net,Pn); %利用函数sim()对训练年份和检验年份进行仿真
    
14. Y=postmnmx(y,min(T),max(T)) %%反归一化
    
15. AA=sim(net,PP);  
    
16. T1=1:1:20;
    
17. figure;
    
18. plot(T1,T,'b',T1,Y,'r');

复制代码

我觉得主要原因有：
1： 数据读入不太准确；
2：没有进行归一化处理；
3：初始训练数据较少；
另外一个你再加上去就可以了。

museum

原帖由 lxq 于 2007-7-12 11:35 发表

                               
登录/注册后可看大图

clear
P=load('p0.txt');
T=load('t0.txt');
PP=load('p1.txt')
TT=load('t1.txt');
[Pn,minp,maxp,Tn,mint,maxt]=premnmx(P,T);
net=newff(minmax(Pn),[5,1],{'tansig','purelin'},'trainlm');
net=ini ...

天啊，lxq的代码和我那最主要的区别就是多了一个归一化和反归一化，怎么最终效果就差这么多

开心！

museum

可是，为什么训练的20年里，预测的效果是那样好，而预测的4年里，效果那么差呢？

museum

对20年内的训练效果很好，可是对接下来的4年的预测去怎么差的那么远？

museum

另外，我觉的是不是训练样本太少，我自己又找了另一组数据，训练40年之后，再对10年进行预测，还是出现同样的现像，前40年训练极好，可是后10年预测差的太多太多，是不是我这个程序还有问题？


*********************************************88

clear
P=load('p0.txt');
T=load('t0.txt');
PP=load('p1.txt')
TT=load('t1.txt');
[Pn,minp,maxp,Tn,mint,maxt]=premnmx(P,T);
net=newff(minmax(Pn),[5,1],{'tansig','purelin'},'trainlm');
net=init(net);
net.trainParam.epochs=50000; %设置网络训练次数为50000次
net.trainParam.show=50; %设置每隔50次显示当前网络训练误差
net.trainParam.goal=0.0001; %设置网络训练目标误差为0.01
[net,tr]=train(net,Pn,Tn); %利用函数train()对网络进行训练
y=sim(net,Pn); %利用函数sim()对训练年份和检验年份进行仿真
Y=postmnmx(y,min(T),max(T)) %%反归一化
AA=sim(net,PP);  
T1=1:1:20;
figure;
plot(T1,T,'b',T1,Y,'r');

figure;

T2=1:1:4;
plot(T2,TT,'b',T2,AA,'r');

ak47998

还努力学习中,感谢楼主!:victory: