自己測試人口預測的matlab實現：

x=[54167

55196

56300

57482

58796

60266

61465

62828

64653

65994

67207

66207

65859

67295

69172

70499

72538

74542

76368

78534

80671

82992

85229

87177

89211

90859

92420

93717

94974

96259

97542

98705

100072

101654

103008

104357

105851

107507

109300

111026

112704

114333

115823

117171

118517

119850

121121

122389

123626

124761

125786

126743

127627

128453

129227

129988

130756

131448

132129

132802

134480

135030

135770

136460

137510]';

% 該腳本用來做NAR神經網絡預測

lag=3; ? ?% 自回歸階數

iinput=x; ? ?% x為原始序列(行向量)

n=length(iinput);

%準備輸入和輸出數據

inputs=zeros(lag,n-lag);

for i=1:n-lag

inputs(:,i)=iinput(i:i+lag-1)';

end

targets=x(lag+1:end);

%創建網絡

hiddenLayerSize = 10; %隱藏層神經元個數

net = fitnet(hiddenLayerSize);

% 避免過擬合，劃分訓練，測試和驗證數據的比例

net.divideParam.trainRatio = 70/100;

net.divideParam.valRatio = 15/100;

net.divideParam.testRatio = 15/100;

%訓練網絡

[net,tr] = train(net,inputs,targets);

%% 根據圖表判斷擬合好壞

yn=net(inputs);

errors=targets-yn;

figure, ploterrcorr(errors) ? ? ? ? ? ? ? ? ? ? ?%繪制誤差的自相關情況(20lags)

figure, parcorr(errors) ? ? ? ? ? ? ? ? ? ? ? ? ?%繪制偏相關情況

%[h,pValue,stat,cValue]= lbqtest(errors) ? ? ? ? %Ljung－Box Q檢驗(20lags)

figure,plotresponse(con2seq(targets),con2seq(yn)) ? %看預測的趨勢與原趨勢

figure, ploterrhist(errors) ? ? ? ? ? ? ? ? ? ? ?%誤差直方圖

figure, plotperform(tr) ? ? ? ? ? ? ? ? ? ? ? ? ?%誤差下降線

%% 下面預測往后預測幾個時間段

fn=7; ?%預測步數為fn

f_in=iinput(n-lag+1:end)';

f_out=zeros(1,fn); ?%預測輸出

% 多步預測時，用下面的循環將網絡輸出重新輸入

for i=1:fn

f_out(i)=net(f_in);

f_in=[f_in(2:end);f_out(i)];

end

% 畫出預測圖

figure,plot(1949:2013,iinput,'b',2013:2020,[iinput(end),f_out],'r')

用2014a版matlab運行后結果如下：

網絡結構和各參數顯示如下：

誤差直方圖

圖1 ?自相關 ? ?圖2 誤差

圖3 預測

注意在對結果好壞的判斷中，僅僅看誤差圖是不夠的，如果是一個好的預測，那么自相關性圖中除了0階自相關外，其他的自相關系數系數都不應該超過上下置信區間。還有其他的統計量和圖表都都寫在”%“后面了，如果需要，去掉就可用。最后的預測值為f_out，我的預測值為

138701.065269972?? ?139467.632609654?? ?140207.209707364?? ?141210.109373609?? ?141981.285378849?? ?142461.332139592?? ?143056.073139776

總結

以上是生活随笔為你收集整理的神经网络人口预测matlab,BP神经网络预测(人口)程序（matlab）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。