径向基网络预测地下水位 matlab仿真实验

径向基网络预测地下水位的实例，m文件中包含样本和输出，输出平均相对误差，最大相对误差，显示实际值与拟合值，显示残差。

% rbf_underwater.m

%% 清理工作空间
clearclc
close all

%% 定义输入数据
% 输入
x = [ 1.5 1.8 4.0 13.0 5.0 9.0 10.0 9.0 7.0 9.5 5.5 12.0...
    1.5 3.0 7.0 19.0 4.5 8.0 57.0 35.0 39.0 23.0 11.0 4.5;
     -10.0 -10.0 -2.0 10.0 17.0 22.0 23.0 21.0 15.0 8.5 0 -8.5...
     -11.0 -7.0 0 10.0 18.0 21.5 22.0 19.0 13.0 6.0 1.0 -2.0;
     1.2 2.0 2.5 5.0 9.0 10.0 8.0 6.0 5.0 5.0 6.2 4.5...
     2.0 2.5 3.0 7.0 10.0 11.0 5.5 5.0 5.0 3.0 2.0 1.0;
     1.0 1.0 6.0 30.0 18.0 13.0 29.0 74.0 21.0 15.0 14.0 11.0...
     1.0 2.0 4.0 0 19.0 81.0 186.0 114.0 60.0 35.0 4.0 6.0;
     1.2 0.8 2.4 4.4 6.3 6.6 5.6 4.6 2.3 3.5 2.4 0.8...
     1.3 1.3 4.1 3.2 6.5 7.7 5.5 4.6 3.6 2.6 1.7 1.0
    ];

y = [6.92 6.97 6.84 6.5 5.75 5.54 5.63 5.62 5.96 6.3 6.8 6.9...
    6.7 6.77 6.67 6.33 5.82 5.58 5.48 5.38 5.51 5.84 6.32 6.56];

%% 划分训练数据与测试数据

% 训练输入向量
trainx = x（: 6:24）;
% 训练样本对应的输出
trainy = y（6:24）;

% 测试输入向量
testx = x（:1:5）;
% 测试样本对应的输出
testy = y（1:5）;

%% 对训练样本做插值

% 训练样本的个数
N = size（trainx 2）;
X = [trainx; trainy];

% 网格
[xx0 yy0] = meshgrid（1:N 1:6）;
[xx1yy1] = meshgrid（linspace（1N100） 1:6）;

% 使用interp2函数做二维三次插值
XX = interp2（xx0 yy0 X xx1 yy1 ‘cubic‘）;

% 形状复原
trainx = XX（1:5 :）;
trainy = XX（6 :）;

%% 创建网络
% 误差容限
er = 1e-8;

% 扩散因子
spread = 22;

% 神经元个数
N = 101;
net = newrb（trainx trainy er spread N）;

%% 测试 
yy = net（testx）;

%% 计算、显示相对误差
e = （testy - yy）./testy;
fprintf（‘相对误差: \n ‘）;
fprintf（‘%f   ‘ e）;
fprintf（‘\n\n‘）;
% 平均相对误差
m = mean（ abs（e） ）;
fprintf（‘平均相对误差: \n %f\n‘ m）;

% 最大相对误差
ma = max（abs（e））;
fprintf（‘最大相对误差: \n %f\n‘ ma）;

% 显示实际值与拟合值
figure（1）
plot（1:5 testy ‘bo-‘）
hold on
plot（1:5 yy ‘r*-‘）
title（‘地下水测试结果‘）
legend（‘真实值‘ ‘预测值‘）
axis（[1508]）

% 显示残差
figure（2）
plot（1:5 abs（testy - yy） ‘-o‘）
title（‘残差‘）
axis（[1500.3]）

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2012-11-19 13:00  径向基网络预测地下水位\
     文件        2189  2012-10-25 07:49  径向基网络预测地下水位\rbf_underwater.m