bp神经网络预测销售额

一，说明对销售额进行bp神经网络预测，销售额如表1其中前17月数据用作训练样本，来预测第18个月的数据，然后利用前18个月的数据来预测第19个月的数据，以此来预测全部月份的数据，并最终给出真实值与预测值之间的误差二，程序程序包括两部分，main.m为主程序，NNetwork.m为训练及预测程序，NNetwork输入为真实数据，输出为预测数据。程序如下main程序clear all %清除变量空间clc %清除命令窗口所有数据close all %关闭所有figure窗口% 数据,前17组为训练数据t=124.2 117.1 108.4 102.8 99.2 98.6 100.4 100. 99.4 101.2 103.9 101.8 101.5 104.8 105.9 99.3 103.3 113.2 116.5 117.1 116.9 115.8; %原始数据（数据的观测值）n=1; %每次预测个数 for i=17:21s=t(1:i);a, anew=NNetwork(s,n); %调用神经网络预测程序disp(预测的第,num2str(i+1),个值为);anew %预测值pred=a(1,:) ; pred(end+1)=anew; %加上预测值新数据 end%画图部分figure xx=1:i+1;plot(xx,pred,r-*,xx,t,k-+);legend(预测值,实际值);xlabel(点数);ylabel(数据);figures=abs(pred-t)./t*100;plot(xx,s,b-*);xlabel(点数);ylabel(误差比例(%);disp(实际值的标准差为)std(t) %求标准差disp(预测值的标准差为)std(pred)NNetwork程序如下function a, anew=NNetwork(x,n)% x为神经网络训练数组% n为预测数据的个数p=1:length(x); %数据的个数warning off%数据归一化pn,minp,maxp,tn,mint,maxt=premnmx(p,x); %BP网络训练net=newff(-1,1,5,1,tansig,tansig,purelin,traingdx);net.trainParam.show=1000; %每1000轮回显示一次结果net.trainParam.Lr=0.05; %学习速率为0.05net.trainParam.epochs=5000; %循环5000次net.trainParam.goal=1e-6; %均方误差net=train(net,pn,tn); %训练an=sim(net,pn); %神经网络仿真a=postmnmx(an,mint,maxt); %还原仿真得到的数据，反归一化%对新数据进行预测xx=1:length(x);pnew=length(xx):length(xx)+n;%预测数据pnewn=tramnmx(pnew,minp,maxp);%新数据归一化anewn=sim(net,pnewn); anew=postmnmx(anewn,mint,maxt);%还原得到预测值anew=an