【预测模型】 BP神经网络公路运量预测【Matlab 328期】

一、简介

BP网络（Back Propagation），是1986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。
在人工神经网络发展历史中，很长一段时间里没有找到隐层的连接权值调整问题的有效算法。直到误差反向传播算法（BP算法）的提出，成功地解决了求解非线性连续函数的多层前馈神经网络权重调整问题。

BP (Back Propagation)神经网络，即误差反传误差反向传播算法的学习过程，由信息的正向传播和误差的反向传播两个过程组成。输入层各神经元负责接收来自外界的输入信息，并传递给中间层各神经元；中间层是内部信息处理层，负责信息变换，根据信息变化能力的需求，中间层可以设计为单隐层或者多隐层结构；最后一个隐层传递到输出层各神经元的信息，经进一步处理后，完成一次学习的正向传播处理过程，由输出层向外界输出信息处理结果。当实际输出与期望输出不符时，进入误差的反向传播阶段。误差通过输出层，按误差梯度下降的方式修正各层权值，向隐层、输入层逐层反传。周而复始的信息正向传播和误差反向传播过程，是各层权值不断调整的过程，也是神经网络学习训练的过程，此过程一直进行到网络输出的误差减少到可以接受的程度，或者预先设定的学习次数为止。

BP神经网络模型BP网络模型包括其输入输出模型、作用函数模型、误差计算模型和自学习模型。
在这里插入图片描述

2 BP神经网络模型及其基本原理

3 BP_PID算法流程

二、源代码

%rood_yunliang.m，公路客运量运量BP网络预测，2007年11月20－21日调试
%问题：用BP网络预测公路客运量
%现有某省1978～2002年的客运量数据，即时间序列有Ｎ=25个历史观察值,
%采用长度ｎ=5为一期,n0=2为滚动间隔。即用前5年的数据预测下一年的数据,
%每隔2年开始一期长度为5年的观察数据。要求预测出2003年、2004年的客运量。
%分析：20期数据样本分成两组,每组10个，分别做为训练集（1978年开始）和
%测试集（1979年开始）。设计BP网络有5个输入，1个输出。采用双隐含层，
%隐含层神经元数目采用试差法确定,经试验,第1、2隐含层神经元数目分别为8、5，
%即BP网络设计为5-8-5-1。
%将表1中的输入、输出数据比例化到区间[0.2～0.9]内,并将初始权值随机化,取η=0 6,
%用1978年开始的10个训练集训练网络。经1979年开始的10个测试集测试。 
%1978～2002年的客运量数据
%年份	客运量	
%1978 	12815	
%1979	15543	
%1980	19326	
%1981	22864	
%1982	26150	
%1983	28468	
%1984	30882	
%1985	39375	
%1986	45759	
%1987	49589	
%1988	52560	
%1989	48726	
%1990	51083	
%1991	56495	
%1992	62767	
%1993	83606	
%1994	92090	
%1995	101370	
%1996	107317	
%1997	108654	
%1998	111847	
%1999	112872	
%2000	116997	
%2001	126007	
%2002	128980	

close all
clc;
clear;
%按年份排列的原始客运量数据
p0=[12815 15543 19326  22864  26150 28468 30882 39375  45759  49589  52560  48726 ...
      51083  56495  62767  83606  92090  101370  107317  108654  111847  112872 ...
     116997  126007  128980];

 %绘制客运量随年份的变换曲线
year=1978:2002;
plot(year,p0,'b+')
hold on
plot(year,p0,'b-.')
pause

 %将原始数据归一化到[0.2  0.9]
 %规一化公式：规一化后数据＝z1+(z2-z1)*(x-xmin)/(xmax-xmin)
 %[z1 z2]为规格化后的数据范围，如本例z1=0.2，z2=0.9；x为待规格化数据；
 %xmin、xmax分别为数据序列的最小、最大值。
  p1=0.2+(0.9-0.2).*(p0-min(p0))./(max(p0)-min(p0));

 %绘制规一化后客运量随年份的变换曲线
 %plot(year,p1)
%pause

%按每5年为一期组织样本，作为训练集,p为输入，t为目标。从第1978年客运量开始
j=0;
for i=1:10;
       p(:,i)=p1(i+j:i+j+4);  %取第i个训练样本，给p
       t(:,i)=p1(i+j+5);
       j=j+1;
end
p
t
pause

%按每5年为一期组织样本，作为测试集,testp为输入，testt为目标。从1979年客运量开始
j=0;
for i=1:10;
       testp(:,i)=p1(i+j+1:i+j+5);
       testt(:,i)=p1(i+j+6);
       j=j+1;
end

三、运行结果

在这里插入图片描述

四、备注