matlab的pb神经网络最后测试预测值是一条直线

img

  1. ```
    %% 第二步 设置训练数据和预测数据
    input_train = input(1:1400,:)';
    output_train =output(1:1400,:)';
    input_test = input(1401:1822,:)';
    output_test =output(1401:1822,:)';
    %节点个数
    inputnum=2; % 输入层节点数量
    hiddennum=8;% 隐含层节点数量
    outputnum=1; % 输出层节点数量
    %% 第三本 训练样本数据归一化
    [inputn,inputps]=mapminmax(input_train);%归一化到[-1,1]之间，inputps用来作下一次同样的归一化
    [outputn,outputps]=mapminmax(output_train);
    %% 第四步 构建BP神经网络
    net=newff(inputn,outputn,hiddennum,{'tansig','purelin'},'trainlm');% 建立模型，传递函数使用purelin，采用梯度下降法训练

W1= net. iw{1, 1};%输入层到中间层的权值
B1 = net.b{1};%中间各层神经元阈值

W2 = net.lw{1,1};%中间层到输出层的权值
B2 = net. b{2};%输出层各神经元阈值

%% 第五步 网络参数配置（ 训练次数，学习速率，训练目标最小误差等）
net.trainParam.epochs=15000; % 训练次数，这里设置为1000次
net.trainParam.lr=0.1; % 学习速率，这里设置为0.01
net.trainParam.goal=0.00001; % 训练目标最小误差，这里设置为0.00001
net.dividefcn = '';

%% 第六步 BP神经网络训练
net=train(net,inputn,outputn);%开始训练，其中inputn,outputn分别为输入输出样本

%% 第七步 测试样本归一化
inputn_test=mapminmax('apply',input_test,inputps);% 对样本数据进行归一化

%% 第八步 BP神经网络预测
an=sim(net,inputn_test); %用训练好的模型进行仿真

%% 第九步 预测结果反归一化与误差计算
test_simu=mapminmax('reverse',an,outputps); %把仿真得到的数据还原为原始的数量级
error=test_simu-output_test; %预测值和真实值的误差

%对训练集的仿真
an0=sim(net,inputn);
train_simu=mapminmax('reverse',an0,outputps);

%画图
figure('units','normalized','position',[0.119 0.2 0.38 0.5])
plot(output_train,'bo-','markersize',2,'markerfacecolor','b')
hold on
plot(train_simu,'r*-','markersize',2,'markerfacecolor','r')
grid on;

legend('期望值','预测值')
xlabel('数据组数')
ylabel('样本值')
title('BP神经网络训练集的预测值与实际值对比图')

%%第十步 真实值与预测值误差比较
figure('units','normalized','position',[0.05 0.2 0.38 0.5])
plot(output_test,'bo-','markersize',3,'markerfacecolor','b')
hold on
plot(test_simu,'r*-','markersize',3,'markerfacecolor','r')
grid on;

legend('期望值','预测值')
xlabel('数据组数')
ylabel('样本值')
title('BP神经网络测试集的预测值与实际值对比图')

[c,l]=size(output_test);
MAE1=sum(abs(error))/l;
MSE1=error*error'/l;
RMSE1=MSE1^(1/2);
disp(['-----------------------误差计算--------------------------'])
disp(['隐含层节点数为',num2str(hiddennum),'时的误差结果如下：'])
disp(['平均绝对误差MAE为：',num2str(MAE1)])
disp(['均方误差MSE为： ',num2str(MSE1)])
disp(['均方根误差RMSE为： ',num2str(RMSE1)])

```

你好，我是有问必答小助手，非常抱歉，本次您提出的有问必答问题，技术专家团超时未为您做出解答


本次提问扣除的有问必答次数，将会以问答VIP体验卡（1次有问必答机会、商城购买实体图书享受95折优惠）的形式为您补发到账户。


因为有问必答VIP体验卡有效期仅有1天，您在需要使用的时候【私信】联系我，我会为您补发。