一个很好的bp神经网络预测程序，有较好的预测精确性

一个很好的bp神经网络预测程序实例，有较好的预测精确性

clc
clear all
close all
aa=xlsread（‘sy1.xls‘）;
at=[{‘日期:2005-6-30至2006-12-1‘}{‘开盘价‘}{‘成交量‘}{‘最高价‘}{‘最低价‘}{‘收盘价‘}];
ys=‘brgmcyk‘;

pd=aa（1:330:）‘;
[pnminpmaxp]=premnmx（pd）;
pr=[pn（:1:320）;pn（:2:321）;pn（:3:322）;pn（:4:323）;pn（:5:324）];
% px=[pn（:1:300）;pn（:2:301）;pn（:3:302）;pn（:4:303）;pn（:5:304）];
px=pr（:1:300）;
py=pn（56:305）;

pX=pr（:301:320）
pY=pd（5306:325）; %pn（5306:325）;  

net1=newff（minmax（px）[161]{‘tansig‘‘purelin‘}‘trainlm‘）; %{‘tansig‘‘logsig‘}‘traingdx‘）; {‘logsig‘‘purelin‘}
net1.trainParam.show=1;
net1.trainParam.epochs=2000;
net1.trainParam.goal=0.001;
net1.trainParam.max_fail=5;
net1=init（net1）;
[net1trYE]=train（net1pxpy）;

s=sim（net1px）;

er=py-s;

figure
plot（py‘b‘）;
hold on
plot（s‘r*‘）;
title（‘神经网络训练图‘）;

pp=sim（net1pX）;

legend（‘实际目标值‘‘网络拟合值‘2）;
% pp=pp+0.015*pp.*randn（1length（pp））;  %加噪声

disp（‘实际值‘）
pY
disp（‘预测值‘）
pp=minp（5）+（maxp（5）-minp（5））*（pp+1）/2
disp（‘预测产生的误差‘）
pY-pp

figure;
plot（pY‘g-‘）;
hold on
plot（pp‘m*‘）;

title（‘神经网络预测图‘）;
legend（‘实际目标值‘‘预测值‘2）

figure;
plot（er‘m‘）;
title（‘神经网络训练误差曲线‘）;

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       1213  2007-12-09 19:25  BP-forecast.m

----------- ---------  ---------- -----  ----

                 1431                    2