24小时热门版块排行榜

返回列表

lcsfengshi

木虫 (初入文坛)

应助: 0 (幼儿园)
金币: 1867.8
散金: 46
帖子: 48
在线: 32.3小时
虫号: 3165326
注册: 2014-04-26
性别: GG
专业: 高分子物理与高分子物理化

[求助] BP神经网络预测价格，提示size出错？

p是历史价格(296个)，t是所要预测价格(21个)。但程序运行错误不知怎么改？
运行结果：“Error using network/train (line 272)
Output data size does not match net.outputs{2}.size.
”
clear all
p=[331.40 333.50 333.10 333.89 333.60 335.80 335.70 337.00 337.80 337.20 339.01...
339.05 339.80 339.60 337.20 336.20 334.55 335.10 335.51 336.61 334.80 336.60...
337.10 336.90 337.30 336.45 326.80 326.75 328.85 318.90 323.20 323.15 323.00...
326.40 324.10 320.70 320.29 320.55 319.10 319.00 318.48 319.10 319.31 321.00...
319.10 320.10 321.00 321.85 322.95 322.10 322.70 322.10 321.05 319.32 321.05...
319.61 319.88 320.10 314.10 316.60 315.40 316.80 311.49 311.80 289.00 274.30...
276.99 275.30 284.50 288.60 283.50 290.20 294.80 295.85 297.15 299.30 294.10...
294.49 296.80 296.90 293.00 291.11 285.00 280.60 277.80 275.90 282.50 281.29...
279.20 279.00 280.70 279.00 277.95 280.80 281.50 278.60 279.60 278.50 277.45...
281.00 277.95 277.05 275.55 274.50 266.50 262.65 259.44 258.70 251.69 250.00...
241.80 253.95 256.30 252.00 255.30 252.50 250.80 253.50 253.10 259.35 257.45...
259.70 259.08 259.15 256.30 259.80 264.50 266.90 268.70 264.40 266.50 264.40...
260.00 265.31 264.35 258.20 263.55 259.50 257.10 258.80 262.80 266.40 267.99...
264.35 267.50 271.50 272.00 273.55 270.60 272.20 271.60 273.40 277.55 278.30...
282.35 279.00 277.90 279.35 279.80 275.65 273.18 276.18 273.60 272.50 268.15...
261.50 263.21 261.90 258.90 263.40 262.45 262.30 264.50 262.51 265.60 263.20...
262.05 259.70 257.40 254.89 253.10 255.00 253.80 260.00 260.70 259.40 262.50...
262.60 262.90 262.90 263.50 264.25 263.30 262.10 260.68 258.30 258.60 258.20...
258.90 257.58 253.29 251.95 250.40 252.51 253.00 252.80 250.80 250.95 245.90...
245.70 243.40 247.29 245.65 244.40 244.30 245.70 242.00 241.00 243.88 243.10...
243.00 245.00 246.70 246.30 241.45 242.60 245.00 242.95 240.50 236.20 238.58...
237.50 239.00 239.00 240.60 239.00 237.40 244.52 244.60 241.80 242.00 243.30...
245.81 246.30 244.39 244.25 245.25 246.40 246.01 243.65 243.30 246.75 247.50...
247.80 245.80 245.50 246.10 248.10 249.75 251.00 252.00 252.15 256.40 259.85...
258.00 258.30 257.55 259.30 260.35 262.00 265.00 261.00 262.80 266.00 263.80...
263.09 262.95 265.30 262.45 264.65 267.30 269.78 269.16 273.05 269.05 261.03...
265.21 265.60 263.80 261.00 261.99 259.00 258.10 258.30 257.70 ]';

%===========期望输出=======
t=[256.06 255.7 257.30 257.10 261.20 261.30 262.80 262.60 264.01 262.00 260.00 259.50 259.35 257.95 258.50 257.80 257.70 259.70 261.95 260.00 260.20]';

ptest=[331.40 333.50 333.10 333.89 333.60 335.80 335.70 337.00 337.80 337.20 339.01...
339.05 339.80 339.60 337.20 336.20 334.55 335.10 335.51 336.61 334.80 336.60...
337.10 336.90 337.30 336.45 326.80 326.75 328.85 318.90 323.20 323.15 323.00...
326.40 324.10 320.70 320.29 320.55 319.10 319.00 318.48 319.10 319.31 321.00...
319.10 320.10 321.00 321.85 322.95 322.10 322.70 322.10 321.05 319.32 321.05...
319.61 319.88 320.10 314.10 316.60 315.40 316.80 311.49 311.80 289.00 274.30...
276.99 275.30 284.50 288.60 283.50 290.20 294.80 295.85 297.15 299.30 294.10...
294.49 296.80 296.90 293.00 291.11 285.00 280.60 277.80 275.90 282.50 281.29...
279.20 279.00 280.70 279.00 277.95 280.80 281.50 278.60 279.60 278.50 277.45...
281.00 277.95 277.05 275.55 274.50 266.50 262.65 259.44 258.70 251.69 250.00...
241.80 253.95 256.30 252.00 255.30 252.50 250.80 253.50 253.10 259.35 257.45...
259.70 259.08 259.15 256.30 259.80 264.50 266.90 268.70 264.40 266.50 264.40...
260.00 265.31 264.35 258.20 263.55 259.50 257.10 258.80 262.80 266.40 267.99...
264.35 267.50 271.50 272.00 273.55 270.60 272.20 271.60 273.40 277.55 278.30...
282.35 279.00 277.90 279.35 279.80 275.65 273.18 276.18 273.60 272.50 268.15...
261.50 263.21 261.90 258.90 263.40 262.45 262.30 264.50 262.51 265.60 263.20...
262.05 259.70 257.40 254.89 253.10 255.00 253.80 260.00 260.70 259.40 262.50...
262.60 262.90 262.90 263.50 264.25 263.30 262.10 260.68 258.30 258.60 258.20...
258.90 257.58 253.29 251.95 250.40 252.51 253.00 252.80 250.80 250.95 245.90...
245.70 243.40 247.29 245.65 244.40 244.30 245.70 242.00 241.00 243.88 243.10...
243.00 245.00 246.70 246.30 241.45 242.60 245.00 242.95 240.50 236.20 238.58...
237.50 239.00 239.00 240.60 239.00 237.40 244.52 244.60 241.80 242.00 243.30...
245.81 246.30 244.39 244.25 245.25 246.40 246.01 243.65 243.30 246.75 247.50...
247.80 245.80 245.50 246.10 248.10 249.75 251.00 252.00 252.15 256.40 259.85...
258.00 258.30 257.55 259.30 260.35 262.00 265.00 261.00 262.80 266.00 263.80...
263.09 262.95 265.30 262.45 264.65 267.30 269.78 269.16 273.05 269.05 261.03...
265.21 265.60 263.80 261.00 261.99 259.00 258.10 258.30 257.70 256.06 255.7...
257.30 257.10 261.20 261.30 262.80 262.60 264.01 262.00 260.00 259.50 259.35...
257.95 258.50 257.80 257.70 259.70 261.95 260.00 260.20];

[pn,minp,maxp,tn,mint,maxt]=premnmx(p,t);  %将数据归一化
net=newff(minmax(pn),[11,1],{'tansig', 'purelin'},'traingdm');
%网络创建traingdm
net.trainParam.show=1000;
net.trainParam.epochs=50000; %训练次数设置
net.trainParam.goal=1e-3; %训练所要达到的精度
net.trainParam.lr=0.05; %学习速率
net=train(net,pn,tn);
p2n=tramnmx(ptest,minp,maxp);%测试数据的归一化
an=sim(net,p2n);
a=postmnmx(an,mint,maxt) %数据的反归一化，即最终想得到的预测结果
plot(1:length(t),t,'o',1:length(t)+1,a,'*');
title('*表示预测值--- o表示实际值')
grid on
m=length(a); %向量a的长度
t1=[t,a(m)];
error=t1-a;    %误差向量
figure
plot(1:length(error),error,'-.')
title('误差变化图')
grid on

回复此楼