matlab bp神经网络 预测模型 代码（详见补充），非常感谢！

1. matlab bp神经网络 预测模型 代码（详见补充），非常感谢！

可以用

2. 用这些数据怎么通过matlab软件做bp神经网络预测，求大神帮忙

建立样本。可以以前一个月、前两个月、前三个月、前12个月、前24个月的数据作为输入，共5个数据。输出就是当月的价格，输出为1个数据。按照这个原则组织样本。
归一化。matlab中mapminmax函数。
建立网络并训练。newff函数和train函数。
预测。用sim函数。
你这里是要预测一段连续的时间，所以可能需要滚动式预测，即用预测出来的数据继续进行下一次的预测。参考附件的代码，附件是一个电力负荷预测的实例。

3. 求大神帮忙用matlab程序做BP神经网络预测

1、样本数据太少，用BP网络预测可能并非好选择。说不定用一般的回归分析效果更好。
2、要对Y进行预测，需要知道2015年的影响因素X1~X7才行吧？
 
BP神经网络的参考程序：
data = [ ...    2009 2102.13 108.69 1104.99 888.45 700.6 64.28 8204.5 17502.1    2010 2701.61 132.74 1456.64 1121.64 839.02 99.58 9100 20760.52    2011 3636.62 208.22 2002.1 1426.29 1111.12 123.09 10086.88 29286.8    2012 4164.32 229.05 2303.9 1631.37 1293.62 176.42 12005.115 33720.1    2013 4672.91 247.21 2583.75 1841.95 1480.84 181.9 13136.77 39131    2014 5157.97 257.63 2872.01 2028.33 1666.75 200.87 15110 42194    ];year = data(:,1);p = data(:,2:8).';t = data(:,9).';net = newff(p,t,10);net = train(net,p,t);y1 = sim(net,p(:,end))由于没有2015年的X1~X7数据，最后一句用2014年的数据进行测试。
 
如果用多元线性回归：
c=regress(t',p')y2=c'*p(:,end)由于样本数量太少（少于影响因素的数量），这种情况下，实际上回归的结果可以几乎没有误差（只有数值误差）。当然，用于预测是否准确要另当别论。

4. 请问MATLAB中神经网络预测结果应该怎么看？求大神解答

从图中Neural Network可以看出，你的网络结构是两个隐含层，2-3-1-1结构的网络，算法是traindm，显示出来的误差变化为均方误差值mse。经过482次迭代循环完成训练，耗时5秒。相同计算精度的话，训练次数越少，耗时越短，网络结构越优秀。达到设定的网络精度0.001的时候，误差下降梯度为0.0046，远大于默认的1e-5，说明此时的网络误差仍在快速下降，所以可以把训练精度目标再提高一些，比如设为0.0001或者1e-5。

5. 求一个bp神经网络预测模型的MATLAB程序

BP神经网络预测的步骤:
1、输入和输出数据。
2、创建网络。fitnet（）
3、划分训练，测试和验证数据的比例。net.divideParam.trainRatio； net.divideParam.valRatio；net.divideParam.testRatio
4、训练网络。 train（）
5、根据图表判断拟合好坏。ploterrcorr（）；parcorr（）；plotresponse（）
6、预测往后数据。net（）
7、画出预测图。plot（）
执行下列命令
BP_prediction
得到结果：
[ 2016, 14749.003045557066798210144042969]
[ 2017, 15092.847215188667178153991699219]
[ 2018, 15382.150005970150232315063476562]
[ 2019,  15398.85769711434841156005859375]
[ 2020, 15491.935150090605020523071289062]

6. 通过matlab软件做bp神经网络预测奶制品价格，求大神帮忙

主要是样本组织，把输入和输出样本都确定。可以用前12个月的数据预测下一个月的数据，即第n个数据至n+11共12个数据作为输入，n+12作为输出组织样本。
以附件的程序作参考，将P、T换为你的样本即可。

BP（Back Propagation）神经网络是86年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层（input）、隐层(hidden layer)和输出层(output layer)。

7. 求预测一组数据的bp神经网络模型的matlab代码

用matlab求预测一组数据的bp神经网络模型，可以分1、给定已经数据，作为一个原始序列；2、设定自回归阶数，一般2～3，太高不一定好；3、设定预测某一时间段4、设定预测步数5、用BP自定义函数进行预测6、根据预测值，用plot函数绘制预测数据走势图其主要实现代码如下：clc% x为原始序列（行向量）x=[208.72 205.69 231.5 242.78 235.64 218.41];%x=[101.4 101.4 101.9 102.4 101.9 102.9];%x=[140 137 112 125 213 437.43];t=1:length(x);% 自回归阶数lag=3; %预测某一时间段t1=t(end)+1:t(end)+5;%预测步数为fnfn=length(t1);     [f_out,iinput]=BP(x,lag,fn);P=vpa(f_out,5);A=[t1' P'];disp('预测值')disp(A)% 画出预测图figure(1),plot(t,iinput,'bo-'),hold onplot(t(end):t1(end),[iinput(end),f_out],'rp-'),grid ontitle('BP神经网络预测某地铁线路客流量')xlabel('月号'),ylabel('客流量（百万）');运行结果：

8. 求用matlab编BP神经网络预测程序

P=[。。。];输入T=[。。。];输出

%  创建一个新的前向神经网络 
net_1=newff(minmax(P),[10,1],{'tansig','purelin'},'traingdm')

%  当前输入层权值和阈值
inputWeights=net_1.IW{1,1}
inputbias=net_1.b{1}
%  当前网络层权值和阈值
layerWeights=net_1.LW{2,1}
layerbias=net_1.b{2}

%  设置训练参数
net_1.trainParam.show = 50;
net_1.trainParam.lr = 0.05;
net_1.trainParam.mc = 0.9;
net_1.trainParam.epochs = 10000;
net_1.trainParam.goal = 1e-3;

%  调用 TRAINGDM 算法训练 BP 网络
[net_1,tr]=train(net_1,P,T);

%  对 BP 网络进行仿真
A = sim(net_1,P);
%  计算仿真误差 
E = T - A;
MSE=mse(E)

x=[。。。]';%测试
sim(net_1,x) 

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
不可能啊 我2009