clear;
clc;
N=2000;????????????%數據總個數
M=1900;????????????%訓練數據
load?data1.mat?
k=rand（1N）;
[mn]=sort（k）;
input_train=input（n（1:M）:）‘;
output_train=output（n（1:M）:）‘;
input_test=input（n（（M+1）:N）:）‘;
output_test=output（n（（M+1）:N）:）‘;
%數據歸一化
[inputninputps]=mapminmax（input_train）;
[outputnoutputps]=mapminmax（output_train）;
net=newff（inputnoutputn5）;%構建BP神經網絡
net.trainParam.epochs=100;%訓練時間設置為100
net.trainParam.goal=0.0004;%訓練精度
net.trainParam.lr=0.1;%訓練學習速率
net=train（netinputnoutputn）;%BP神經網絡訓練
inputn_test=mapminmax（‘apply‘input_testinputps）;%測試樣本歸一化
an=sim（netinputn_test）;%BP神經網絡預測
BPoutput=mapminmax（‘reverse‘anoutputps）;%預測結果反歸一化
save?data1?net?inputps?outputps%網絡存儲
figure（1）;
plot（BPoutput‘*r‘）;
hold?on
plot（output_test‘-*‘）;
legend（‘預測輸出‘‘期望輸出‘）;
title（‘BP網絡預測輸出‘）;
xlabel（‘樣本‘）;
ylabel（‘輸出‘）;
figure（2）
error=BPoutput-output_test;
plot（1:（N-M）error）;
xlabel（‘樣本‘）;
ylabel（‘GA優化前輸出的誤差‘）;
title（‘BP網絡預測誤差‘）;

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

?????文件???????1075??2014-11-27?10:25??基于遺傳算法的BP神經網絡\BPyuce.m

?????文件????????195??2014-11-27?11:21??基于遺傳算法的BP神經網絡\Code.m

?????文件???????1387??2014-11-27?11:18??基于遺傳算法的BP神經網絡\Cross.asv

?????文件????????888??2014-11-27?11:19??基于遺傳算法的BP神經網絡\Cross.m

?????文件????????216??2014-11-27?10:24??基于遺傳算法的BP神經網絡\data.m

?????文件??????46407??2014-11-27?10:24??基于遺傳算法的BP神經網絡\data.mat

?????文件????????970??2014-11-27?11:23??基于遺傳算法的BP神經網絡\fun.asv

?????文件????????970??2014-11-27?11:23??基于遺傳算法的BP神經網絡\fun.m

?????文件???????3799??2014-11-27?11:24??基于遺傳算法的BP神經網絡\GAyuBP.m

?????文件???????1001??2014-11-27?11:19??基于遺傳算法的BP神經網絡\Mutation.m

?????文件????????780??2014-11-27?11:20??基于遺傳算法的BP神經網絡\Select.m

?????目錄??????????0??2015-01-23?13:35??基于遺傳算法的BP神經網絡

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

????????????????57688????????????????????12