%%?案例8：GRNN的數據預測—基于廣義回歸神經網絡的貨運量預測
%%?清空環境變量
clc;
clear?all
close?all
nntwarn?off;

%%?載入數據
load?data;
%?載入數據并將數據分成訓練和預測兩類
p_train=p（1:12:）;
t_train=t（1:12:）;
p_test=p（13:）;
t_test=t（13:）;
%%?交叉驗證
desired_spread=[];
mse_max=10e20;
desired_input=[];
desired_output=[];
result_perfp=[];
indices?=?crossvalind（‘Kfold‘length（p_train）4）;
h=waitbar（0‘正在尋找最優化參數....‘）
k=1;
for?i?=?1:4
????perfp=[];
????disp（[‘以下為第‘num2str（i）‘次交叉驗證結果‘]）
????test?=?（indices?==?i）;?train?=?~test;
????p_cv_train=p_train（train:）;
????t_cv_train=t_train（train:）;
????p_cv_test=p_train（test:）;
????t_cv_test=t_train（test:）;
????p_cv_train=p_cv_train‘;
????t_cv_train=t_cv_train‘;
????p_cv_test=?p_cv_test‘;
????t_cv_test=?t_cv_test‘;
????[p_cv_trainminpmaxpt_cv_trainmintmaxt]=premnmx（p_cv_traint_cv_train）;
????p_cv_test=tramnmx（p_cv_testminpmaxp）;
????for?spread=0.1:0.1:2;
????????net=newgrnn（p_cv_traint_cv_trainspread）;
????????waitbar（k/80h）;
????????disp（[‘當前spread值為‘?num2str（spread）]）;
????????test_Out=sim（netp_cv_test）;
????????test_Out=postmnmx（test_Outmintmaxt）;
????????error=t_cv_test-test_Out;
????????disp（[‘當前網絡的mse為‘num2str（mse（error））]）
????????perfp=[perfp?mse（error）];
????????if?mse（error）????????????mse_max=mse（error）;
????????????desired_spread=spread;
????????????desired_input=p_cv_train;
????????????desired_output=t_cv_train;
????????end
????????k=k+1;
????end
????result_perfp（i:）=perfp;
end;
close（h）
disp（[‘最佳spread值為‘num2str（desired_spread）]）
disp（[‘此時最佳輸入值為‘]）
desired_input
disp（[‘此時最佳輸出值為‘]）
desired_output
%%?采用最佳方法建立GRNN網絡
net=newgrnn（desired_inputdesired_outputdesired_spread）;
p_test=p_test‘;
p_test=tramnmx（p_testminpmaxp）;
grnn_prediction_result=sim（netp_test）;
grnn_prediction_result=postmnmx（grnn_prediction_resultmintmaxt）;
grnn_error=t_test-grnn_prediction_result‘;
disp（[‘GRNN神經網絡三項流量預測的誤差為‘num2str（abs（grnn_error））]）
save?best?desired_input?desired_output?p_test?t_test?grnn_error?mint?maxt

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----

?????文件???????1241??2018-05-04?17:08??案例8?GRNN的數據預測-基于廣義回歸神經網絡貨運量預測\best.mat

?????文件???????2160??2018-04-26?13:07??案例8?GRNN的數據預測-基于廣義回歸神經網絡貨運量預測\chapter8.1.m

?????文件???????2994??2018-05-04?18:42??案例8?GRNN的數據預測-基于廣義回歸神經網絡貨運量預測\chapter8.2.m

?????文件????????815??2010-01-30?20:09??案例8?GRNN的數據預測-基于廣義回歸神經網絡貨運量預測\data.mat

?????文件????4601344??2018-04-17?16:15??案例8?GRNN的數據預測-基于廣義回歸神經網絡貨運量預測\電力系統負荷預測.ppt

?????文件????????198??2010-01-30?22:29??案例8?GRNN的數據預測-基于廣義回歸神經網絡貨運量預測\運行提示.txt

?????目錄??????????0??2018-06-15?17:15??案例8?GRNN的數據預測-基于廣義回歸神經網絡貨運量預測

-----------?---------??----------?-----??----

??????????????4608752????????????????????7