untitled.jpg
P=[0.695;0.695;0.704;0.831;0.843;0.866;0.865;0.823;0.887;0.856;0.833;0.862;0.863;0.893;0.866;0.904;0.870;0.907;0.886;0.888;0.891;0.874;0.908;0.900;0.899;0.920]';%输入数据
T=[0.695;0.704;0.831;0.843;0.866;0.865;0.823;0.887;0.856;0.833;0.862;0.863;0.893;0.866;0.904;0.870;0.907;0.886;0.888;0.891;0.874;0.908;0.900;0.899;0.920;0.950]';%目标数据
figure(1)
plot(P);
hold on;
grid on
title('原始数据的变化趋势');
[x1,mint,maxt] = premnmx(P)%数据归一化
figure(2)
plot(x1);%,'d-m'
hold on;
grid on
title('数据归一化处理的变化趋势');
net=newff(minmax(P),T,[31 12],{'tansig','logsig'},'trainlm');%建立网络
net.trainParam.epochs=1000;%迭代次数
net.trainParam.goal=1e-6;%误差
LP.lr=0.05;%学习效率
net=train(net,P,T);%训练函数
P_test=[0.950];%测试样本输入
Out=sim(net,P_test);%仿真测试
X=[0.813];
figure(3)
grid on
plot(X-Out,'+')
hold on
plot(P_test,'*')
hold on
plot(Out,'o')