BP神经网络实现气温学习和预测代码及代码分析（python+tensorflow）.zip

BP神经网络实现气温学习和预测代码及代码分析(python+tensflow)，用python+tensflow实现气温的预测，本代码包含数据集，不用重新下载，可以自行设置测试学习次数，误差范围，点开导包，运行即可使用，并且附上了因版本不同，可能出现导包错误的解决方法。我实在是即稳又贴心。

import tensorflow.compat.v1 as tf
tf.disable_v2_behavior（）
from numpy.random import RandomState
import pandas as pd
import numpy as np
import time

#定义神经网络的参数
d=3#输入节点个数
l=1#输出节点个数
q=2*d+1#隐层个数采用经验公式2d+1
train_num=480#训练数据个数
test_num=240#测试数据个数
eta=0.5#学习率
error=0.0009#精度

#初始化权值和阈值
w1= tf.Variable（tf.random.normal（[d q] stddev=1 seed=1））#seed设定随机种子，保证每次初始化相同数据
b1=tf.Variable（tf.constant（0.0shape=[q]））
w2= tf.Variable（tf.random.normal（[q l] stddev=1 seed=1））
b2=tf.Variable（tf.constant（0.0shape=[l]））

#输入占位
x = tf.placeholder（tf.float32 shape=（None d））#列数是d，行数不定
y_= tf.placeholder（tf.float32 shape=（None l））

#构建图：前向传播
a=tf.nn.sigmoid（tf.matmul（xw1）+b1）#sigmoid激活函数
y=tf.nn.sigmoid（tf.matmul（aw2）+b2）
mse = tf.reduce_mean（tf.square（y_ -  y））#损失函数采用均方误差
train_step = tf.train.AdamOptimizer（eta）.minimize（mse）#Adam算法
#train_step = tf.train.GradientDescentOptimizer（eta）.minimize（mse）#梯度下降法

#读取气温数据
dataset = pd.read_csv（‘tem.csv‘ delimiter=““）
dataset=np.array（dataset）
mn=np.shape（dataset）
totalX=np.zeros（（m-dd））
totalY=np.zeros（（m-dl））
for i in range（m-d）:#分组：前三个值输入，第四个值输出
    totalX[i][0]=dataset[i][0]
    totalX[i][1]=dataset[i+1][0]
    totalX[i][2]=dataset[i+2][0]
    totalY[i][0]=dataset[i+3][0]
#归一化数据
Normal_totalX=np.zeros（（m-dd））
Normal_totalY=np.zeros（（m-dl））
nummin=np.min（dataset）
nummax=np.max（dataset）
dif=nummax-nummin
for i in range（m-d）:
    for j in range（d）:
        Normal_totalX[i][j]=（totalX[i][j]-nummin）/dif
    Normal_totalY[i][0]=（totalY[i][0]-nummin）/dif

#截取训练数据
X=Normal_totalX[:train_num-d:]
Y=Normal_totalY[:train_num-d:]
testX=Normal_totalX[train_num::]
testY=totalY[train_num::]
start = time.clock（）

#创建会话来执行图
with tf.Session（） as sess:
    init_op = tf.global_variables_initializer（）#初始化节点
    sess.run（init_op）

    STEPS=0
    while True:
        sess.run（train_step feed_dict={x: X y_: Y}）
        STEPS+=1
        train_mse= sess.run（mse feed_dict={x: X y_: Y}）
        if STEPS % 10000 == 0:#每训练100次，输出损失函数
            print（“第 %d 次训练后训练集损失函数为：%g“ % （STEPS train_mse））
        ##if train_mse        ##  break
        if STEPS>10000000:
          break

    print（“总训练次数：“STEPS）
    end = time.clock（）
    print（“运行耗时（s）：“end-start）
	
	#测试
    Normal_y= sess.run（y feed_dict={x: testX}）#求得测试集下的y计算值
    DeNormal_y=Normal_y*dif+nummin#将y反归一化
    test_mse= sess.run（mse feed_dict={y: DeNormal_y y_: testY}）#计算均方误差
    print（“测试集均方误差为：“test_mse）
	
	#预测
    XX=tf.constant（[[18.317.416.7]]）
    XX=（XX-nummin）/dif#归一化
    a=tf.nn.sigmoid（tf.matmul（XXw1）+b1）
    y=tf.nn.sigmoid（tf.matmul（aw2）+b2）
    y=y*dif+nummin#反归一化
    print（“[18.317.416.7]输入下预测气温为：“sess.run（y））

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2019-12-09 08:42  BP神经网络实例及代码分析（python+tensorflow）\
     目录           0  2019-12-08 10:10  BP神经网络实例及代码分析（python+tensorflow）\BP神经网络实例及代码分析%28python%2Btensorflow%29\
     目录           0  2019-12-08 13:27  BP神经网络实例及代码分析（python+tensorflow）\BP神经网络实例及代码分析%28python%2Btensorflow%29\BP神经网络实例及代码分析（python+tensorflow）\
     目录           0  2019-12-09 08:23  BP神经网络实例及代码分析（python+tensorflow）\BP神经网络实例及代码分析%28python%2Btensorflow%29\BP神经网络实例及代码分析（python+tensorflow）\.idea\
     文件         441  2019-12-08 12:27  BP神经网络实例及代码分析（python+tensorflow）\BP神经网络实例及代码分析%28python%2Btensorflow%29\BP神经网络实例及代码分析（python+tensorflow）\.idea\BP神经网络实例及代码分析（python+tensorflow）.iml
     目录           0  2019-12-08 10:13  BP神经网络实例及代码分析（python+tensorflow）\BP神经网络实例及代码分析%28python%2Btensorflow%29\BP神经网络实例及代码分析（python+tensorflow）\.idea\inspectionProfiles\
     文件         174  2019-12-08 10:13  BP神经网络实例及代码分析（python+tensorflow）\BP神经网络实例及代码分析%28python%2Btensorflow%29\BP神经网络实例及代码分析（python+tensorflow）\.idea\inspectionProfiles\profiles_settings.xml
     文件         294  2019-12-08 12:27  BP神经网络实例及代码分析（python+tensorflow）\BP神经网络实例及代码分析%28python%2Btensorflow%29\BP神经网络实例及代码分析（python+tensorflow）\.idea\misc.xml
     文件         367  2019-12-08 10:13  BP神经网络实例及代码分析（python+tensorflow）\BP神经网络实例及代码分析%28python%2Btensorflow%29\BP神经网络实例及代码分析（python+tensorflow）\.idea\modules.xml
     文件        3758  2019-12-09 08:23  BP神经网络实例及代码分析（python+tensorflow）\BP神经网络实例及代码分析%28python%2Btensorflow%29\BP神经网络实例及代码分析（python+tensorflow）\.idea\workspace.xml
     目录           0  2019-12-08 12:26  BP神经网络实例及代码分析（python+tensorflow）\BP神经网络实例及代码分析%28python%2Btensorflow%29\BP神经网络实例及代码分析（python+tensorflow）\.ipynb_checkpoints\
     文件          72  2019-12-08 12:26  BP神经网络实例及代码分析（python+tensorflow）\BP神经网络实例及代码分析%28python%2Btensorflow%29\BP神经网络实例及代码分析（python+tensorflow）\.ipynb_checkpoints\Untitled-checkpoint.ipynb
     文件          72  2019-12-08 12:26  BP神经网络实例及代码分析（python+tensorflow）\BP神经网络实例及代码分析%28python%2Btensorflow%29\BP神经网络实例及代码分析（python+tensorflow）\Untitled.ipynb
     文件        3257  2019-12-08 13:27  BP神经网络实例及代码分析（python+tensorflow）\BP神经网络实例及代码分析%28python%2Btensorflow%29\BP神经网络实例及代码分析（python+tensorflow）\bpnn_tf.py
     文件        4153  2019-03-09 19:57  BP神经网络实例及代码分析（python+tensorflow）\BP神经网络实例及代码分析%28python%2Btensorflow%29\BP神经网络实例及代码分析（python+tensorflow）\tem.csv
     文件           0  2019-12-08 10:17  BP神经网络实例及代码分析（python+tensorflow）\BP神经网络实例及代码分析%28python%2Btensorflow%29\BP神经网络实例及代码分析（python+tensorflow）\untitled
     文件        3015  2019-12-08 10:10  BP神经网络实例及代码分析（python+tensorflow）\BP神经网络实例及代码分析%28python%2Btensorflow%29.rar
     文件       12386  2019-12-09 08:42  BP神经网络实例及代码分析（python+tensorflow）\因版本不同的报错处理方法.docx