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
部分代码：
%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)
%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)
3 结果
