clc
clear?all
close?all
aa=xlsread（‘sy1.xls‘）;
at=[{‘日期:2005-6-30至2006-12-1‘}{‘開盤價‘}{‘成交量‘}{‘最高價‘}{‘最低價‘}{‘收盤價‘}];
ys=‘brgmcyk‘;

pd=aa（1:330:）‘;
[pnminpmaxp]=premnmx（pd）;
pr=[pn（:1:320）;pn（:2:321）;pn（:3:322）;pn（:4:323）;pn（:5:324）];
%?px=[pn（:1:300）;pn（:2:301）;pn（:3:302）;pn（:4:303）;pn（:5:304）];
px=pr（:1:300）;
py=pn（56:305）;

pX=pr（:301:320）
pY=pd（5306:325）;?%pn（5306:325）;??

net1=newff（minmax（px）[161]{‘tansig‘‘purelin‘}‘trainlm‘）;?%{‘tansig‘‘logsig‘}‘traingdx‘）;?{‘logsig‘‘purelin‘}
net1.trainParam.show=1;
net1.trainParam.epochs=2000;
net1.trainParam.goal=0.001;
net1.trainParam.max_fail=5;
net1=init（net1）;
[net1trYE]=train（net1pxpy）;

s=sim（net1px）;

er=py-s;

figure
plot（py‘b‘）;
hold?on
plot（s‘r*‘）;
title（‘神經網絡訓練圖‘）;

pp=sim（net1pX）;

legend（‘實際目標值‘‘網絡擬合值‘2）;
%?pp=pp+0.015*pp.*randn（1length（pp））;??%加噪聲

disp（‘實際值‘）
pY
disp（‘預測值‘）
pp=minp（5）+（maxp（5）-minp（5））*（pp+1）/2
disp（‘預測產生的誤差‘）
pY-pp

figure;
plot（pY‘g-‘）;
hold?on
plot（pp‘m*‘）;

title（‘神經網絡預測圖‘）;
legend（‘實際目標值‘‘預測值‘2）

figure;
plot（er‘m‘）;
title（‘神經網絡訓練誤差曲線‘）;

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

?????文件???????1213??2007-12-09?19:25??BP-forecast.m

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

?????????????????1431????????????????????2