请高人指点，以下为我为毕业论文设计的BP神经网络，目前存在两个问题：

1.模型预测精度特别低。

我已经尝试改变隐含层节点数(从20到100都一一试过了)，并将传递函数和训练函数都做了替换，但均无明显效果。不知该从何处着手提高模型的预测和训练精度。

2.每次程序运行完，都要提示错误，貌似是运算符合不对，但是改过之后依然有误。不知该怎么改？clc;

clear;

close all;

warning off;

tic;

%用2012年数据创建模型，2011年数据验证模型精确度。 自动读取文本文档，第一行为农学参数，第二行至最后一行都为光谱值。

data1=importdata('E:\2012SR.txt');

data2=importdata('E:\2011SR.txt');

M1 = size(data1,2);%行

Y1 = data1(1,1:M1);%第一行所有列,农学参数，2012

M2 = size(data2,2);

Y2 = data2(1,1:M2);%第一行所有列，农学参数,2011

P =data1(2:size(data1,1),:);      %2012年光谱数据，文本里第二行开始，所有列

T = Y1 ;    %2012年农学参数，第一行所有列

N2011_validation=data2(2:size(data2,1),:) ;  %2011年光谱数据，文本里第二行开始，所有列

N2012_data=P;       %2012年光谱数据

net=newff(P,T,[61 1],{'tansig' 'purelin'},'traingd')

t1                      = clock;                              %计时开始

net                     = fitnet(70);

net.trainParam.epochs   = 5000;                               %设置训练次数

net.trainParam.goal     = 0.01;                            %设置性能函数(训练要求精度)

net.trainParam.show     = 1;                                  %每10显示

net.trainParam.Ir       = 0.005;                              %设置学习速率

net                     = train(net,P,T);                  %训练BP网络(P为输入，T为输出)

datat                   = etime(clock,t1);

Nets                    = net;

view(Nets);

%2011年数据进行验证

y = sim(net,N2011_validation);

figure;

plot(y,'k-x');hold on

plot(N2011_validation(1:126),'.k');hold on

ymin=-1;

ymax=4;

axis([0 length(N2011_validation) floor(ymin) ceil(ymax)]);

legend('Pridicted values','Measured values');

title('模型预测结果， 烟叶N含量');

%2012年数据进行测试

y1=sim(net,N2012_data);

figure;

plot(y1,'k-x');

hold on;

plot(N2012_data(1:102),'.k');

ymin=0;

ymax=4;

axis([0 length(N2012_data) floor(ymin) ceil(ymax)]);

legend('Pridicted values','Measured values');

title('模型训练结果， 烟叶N含量');

%导入到文本文件

fid=fopen('E:\2012SR1.txt','wt');

if fid == -1

error('文件打开失败');

end

fprintf(fid,'实际值 预测值\n');

A=[N2012_data;y1];

fprintf(fid,'%f %f\n',A);

fclose(fid);

fid=fopen('E:\2011SR1.txt','wt');

if fid == -1

error('文件打开失败');

end

fprintf(fid,'实际值 预测值\n');

A=[N2011_validation;y];

fprintf(fid,'%f %f\n',A);

fclose(fid);

%预测效果分析

for i = 1:length(N2011_validation);

K(i)  = abs(y(i) - N2011_validation(i))/(N2011_validation(i));

end

RMSE = sqrt(sum((y-N2011_validation)*(y-N2011_validation)')/length(N2011_validation))

E= 1-sum((y-N2011_validation)*(y-N2011_validation)')/sum((N2011_validation-mean(N2011_validation))*(N2011_validation-mean(N2011_validation))')

k= average(sum(abs((y-N2011_validation)/(N2011_validation))))

%训练效果分析

for i = 1:length(N2012_data);

K_1(i)  = average(sum(abs((y1(i)-N2012_data(i))/(N2012_data(i)))));

end

RMSE_1=sqrt(sum((y1-N2012_data)*(y1-N2012_data)')/length(N2012_data))

E_1= 1-sum((y1-N2012_data)*(y1-N2012_data)')/sum((N2012_data-mean(N2012_data))*(N2012_data-mean(N2012_data))')

k_1 = average(sum(abs((y1-N2012_data)/(N2012_data))))

2012-12-30 17:23 上传

点击文件名下载附件

30.54 KB, 下载次数: 514

2012-12-30 17:23 上传

点击文件名下载附件

23.52 KB, 下载次数: 391