%%?此程序為BP神經網絡和基于遺傳算法優化的BP神經網絡預測效果對比
%?清空環境變量
clearclose?all
clc
warning?off

%%?讀取數據
data=xlsread（‘數據.xlsx‘）;
input=data（:1:end-1）;
output=data（:end）;

%%?設置訓練數據和預測數據
L=length（output）;??%總樣本個數
num=150;?????????%設置訓練樣本個數

input_train?=?input（1:num:）‘;
output_train?=?output（1:num:）‘;
input_test?=?input（num+1:end:）‘;
output_test?=?output（num+1:end:）‘;

disp（[‘訓練樣本數‘num2str（num）]）
disp（[‘測試樣本數‘num2str（L-num）]）

%%?數據歸一化
[inputninputps]=mapminmax（input_train）;%歸一化到[-11]之間，inputps用來作下一次同樣的歸一化
[outputnoutputps]=mapminmax（output_train）;
inputn_test=mapminmax（‘apply‘input_testinputps）;%?對測試樣本數據進行歸一化

%%?節點個數
inputnum=size（input_train1）;???????%輸入層節點個數
outputnum=size（output_train1）;??????%輸出層節點個數
hiddennum=10;

%%?構建BP神經網絡
disp（‘?‘）
disp（‘標準的BP神經網絡：‘）
net0=newff（inputnoutputnhiddennum{‘tansig‘‘purelin‘}‘trainlm‘‘learngdm‘）;%?建立模型

%網絡參數配置
net0.trainParam.epochs=1000;?????????%?訓練次數，這里設置為1000次
net0.trainParam.lr=0.01;???????????????????%?學習速率，這里設置為0.01
net0.trainParam.goal=0.00001;????????????????????%?訓練目標最小誤差，這里設置為0.0001
net0.trainParam.show=25;????????????????%?顯示頻率，這里設置為每訓練25次顯示一次
net0.trainParam.mc=0.01;?????????????????%?動量因子
net0.trainParam.min_grad=1e-6;???????%?最小性能梯度
net0.trainParam.max_fail=6;???????????????%?最高失敗次數

%開始訓練
[net0tr0]=train（net0inputnoutputn）;
figure
plotperform（tr0）???%訓練集的誤差曲線
%預測
an0=sim（net0inputn_test）;?%用訓練好的模型進行仿真

%預測結果反歸一化與誤差計算
test_simu0=mapminmax（‘reverse‘an0outputps）;?%把仿真得到的數據還原為原始的數量級
%誤差指標
[mae0mse0rmse0mape0error0errorPercent0]=calc_error（output_testtest_simu0）;

%%?遺傳算法尋最優權值閾值
disp（‘?‘）
disp（‘GA優化BP神經網絡：‘）
net=newff（inputnoutputnhiddennum{‘tansig‘‘purelin‘}‘trainlm‘‘learngdm‘）;%?建立模型

%網絡參數配置
net.trainParam.epochs=1000;?????????%?訓練次數，這里設置為1000次
net.trainParam.lr=0.01;???????????????????%?學習速率，這里設置為0.01
net.trainParam.goal=0.00001;????????????????????%?訓練目標最小誤差，這里設置為0.0001
net.trainParam.show=25;????????????????%?顯示頻率，這里設置為每訓練25次顯示一次
net.trainParam.mc=0.01;?????????????????%?動量因子
net.trainParam.min_grad=1e-6;???????%?最小性能梯度
net.trainParam.max_fail=6;???????????????%?最高失敗次數

save?data?inputnum?hiddennum?outputnum?net?inputn?outputn??inputn_test?outputps?output_test


%初始化ga參數
PopulationSize_Data=10;???%初始種群規模
MaxGenerations_Data=30;???%最大進化代數
CrossoverFraction_Data=0.8;??%交叉概率
MigrationFraction_Data=0.2;???%變異概率
nvars=inputnum*hiddennum+hiddennum+hiddennum*outputnum+outputnum;????%自變量個數
lb=repmat（-3nvars1）;????%自變量下限
ub=repmat（3nvars1）;???%自變量上限

%調用遺傳算法函數
options?=?optimoptions（‘ga‘）;
options?=?optimoptions（options‘PopulationSize‘?PopulationSize_Data）;
options?=?optimoptions（options‘CrossoverFraction‘?CrossoverFraction_Data）;
options?=?optimoptions（options‘MigrationFraction‘?MigrationFraction_Data）;
options?=?optimoptions（options‘MaxGenerations‘?MaxGenerations_Data）;
options?=?optimoptions（options‘SelectionFcn‘?@selectionroulette）;???%輪盤賭選擇
options?=?optimoptions（options

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----
?????文件?????????564??2020-09-02?01:32??遺傳算法優化bp神經網絡\calc_error.p
?????文件?????????402??2020-09-02?01:32??遺傳算法優化bp神經網絡\fitness.p
?????文件????????5367??2020-09-02?01:29??遺傳算法優化bp神經網絡\main.m
?????文件???????17448??2020-09-02?01:28??遺傳算法優化bp神經網絡\數據.xlsx