• wxy_fdu
    了解作者
  • matlab
    开发工具
  • 1KB
    文件大小
  • zip
    文件格式
  • 1
    收藏次数
  • 1 积分
    下载积分
  • 47
    下载次数
  • 2017-08-02 14:15
    上传日期
拉丁超立方抽样及BP神经网络代理模型的建立与预测误差分析
modify_surrogate.zip
  • surrogate_Buildup.m
    1.5KB
  • lhsdesign_modified.m
    531B
内容介绍
global net global minp maxp mint maxt %读入数据库'FullDatabase.out' fp=fopen('FullDatabase.out','r'); Npara=str2num(fgetl(fp)); Npoints=str2num(fgetl(fp)); for i=1:1:Npoints str=fgetl(fp); sline=sscanf(str,'%f',Npara+1); for j=1:1:Npara P(j,i)=sline(j); end; T(i)=sline(Npara+1); end; fclose(fp); %构建网络 %前处理:样本点归一化 [Pn,minp,maxp]=premnmx(P); [Tn,mint,maxt]=premnmx(T); Pn=Pn/2; Tn=Tn/2; %开始训练 %net=newff(minmax(Pn),[floor(sqrt(Npoints*2))+5,1],{'tansig','tansig'},'trainlm'); net=newff(minmax(Pn),[min(floor(sqrt(Npoints*2))+5,100),1],{'tansig','tansig'},'trainlm'); net.trainParam.epochs=6000; net.trainParam.goal=0; net.trainParam.min_grad=0; net=train(net,Pn,Tn); %代入样本 计算误差 yn=sim(net,Pn); yn=yn*2; Pn=Pn*2; Tn=Tn*2; y=postmnmx(yn,mint,maxt); error=y-T; %样本点预测结果 画图 figure(1) subplot(2,1,1) set(gcf,'Name','样本预测结果对比') xlabel('样本点编号') ylabel('值') p1=plot(y,'r.');hold on p2=plot(T,'o'); hold on legend([p1 p2], '预测值','真实值'); subplot(2,1,2) p3=plot(error,'-k') ; hold on %legend([p3],'绝对误差'); % figure(2) % set(gcf,'Name','样本预测的函数图') % scatter3(P(1,:),P(2,:),y,'.') % hold on
评论
  • Antomac 2018-12-05 00:55:55
    数据文件没有
相关推荐