小波神经网络程序

swyh1105

％％时间系列神经网络小波程序

%% 清空环境变量

clc

clear

%% 网络参数配置

load mohexiaoboliuliang input output input_test output_test

M=size(input,2); %输入节点个数

N=size(output,2); %输出节点个数

n=7; %隐形节点个数

lr1=0.01; %学习概率

lr2=0.001; %学习概率

maxgen=2000; %迭代次数

%权值初始化

Wjk=randn(n,M);Wjk_1=Wjk;Wjk_2=Wjk_1;

Wij=randn(N,n);Wij_1=Wij;Wij_2=Wij_1;

a=randn(1,n);a_1=a;a_2=a_1;

b=randn(1,n);b_1=b;b_2=b_1;

%节点初始化

y=zeros(1,N);

net=zeros(1,n);

net_ab=zeros(1,n);

%权值学习增量初始化

d_Wjk=zeros(n,M);

d_Wij=zeros(N,n);

d_a=zeros(1,n);

d_b=zeros(1,n);

%% 输入输出数据归一化

[inputn,inputps]=mapminmax(input');

[outputn,outputps]=mapminmax(output');

inputn=inputn';

outputn=outputn';

%% 网络训练

for i=1:maxgen

   

    %误差累计

    error(i)=0;

   

    % 循环训练

    for kk=1:size(input,1)

        x=inputn(kk,:);

        yqw=outputn(kk,:);

   

        for j=1:n

            for k=1:M

                net(j)=net(j)+Wjk(j,k)*x(k);

                net_ab(j)=(net(j)-b(j))/a(j);

            end

            temp=mymorlet(net_ab(j));

            for k=1:N

                y=y+Wij(k,j)*temp;   %小波函数

            end

        end

        

        %计算误差和

        error(i)=error(i)+sum(abs(yqw-y));

        

        %权值调整

        for j=1:n

            %计算d_Wij

            temp=mymorlet(net_ab(j));

            for k=1:N

                d_Wij(k,j)=d_Wij(k,j)-(yqw(k)-y(k))*temp;

            end

            %计算d_Wjk

            temp=d_mymorlet(net_ab(j));

            for k=1:M

                for l=1:N

                    d_Wjk(j,k)=d_Wjk(j,k)+(yqw(l)-y(l))*Wij(l,j) ;

                end

                d_Wjk(j,k)=-d_Wjk(j,k)*temp*x(k)/a(j);

            end

            %计算d_b

            for k=1:N

                d_b(j)=d_b(j)+(yqw(k)-y(k))*Wij(k,j);

            end

            d_b(j)=d_b(j)*temp/a(j);

            %计算d_a

            for k=1:N

                d_a(j)=d_a(j)+(yqw(k)-y(k))*Wij(k,j);

            end

            d_a(j)=d_a(j)*temp*((net(j)-b(j))/b(j))/a(j);

        end

        

        %权值参数更新      

        Wij=Wij-lr1*d_Wij;

        Wjk=Wjk-lr1*d_Wjk;

        b=b-lr2*d_b;

        a=a-lr2*d_a;

   

        d_Wjk=zeros(n,M);

        d_Wij=zeros(N,n);

        d_a=zeros(1,n);

        d_b=zeros(1,n);

        y=zeros(1,N);

        net=zeros(1,n);

        net_ab=zeros(1,n);

        

        Wjk_1=Wjk;Wjk_2=Wjk_1;

        Wij_1=Wij;Wij_2=Wij_1;

        a_1=a;a_2=a_1;

        b_1=b;b_2=b_1;

    end

end

%% 网络预测

%预测输入归一化

x=mapminmax('apply',input_test',inputps);

x=x';

%网络预测

for i=1:6  %此处需要根据输入预测数据调整

    x_test=x(i,:);

    for j=1:1:n

        for k=1:1:M

            net(j)=net(j)+Wjk(j,k)*x_test(k);

            net_ab(j)=(net(j)-b(j))/a(j);

        end

        temp=mymorlet(net_ab(j));

        for k=1:N

            y(k)=y(k)+Wij(k,j)*temp ;

        end

    end

    yuce(i)=y(k);

    y=zeros(1,N);

    net=zeros(1,n);

    net_ab=zeros(1,n);

end

%预测输出反归一化

ynn=mapminmax('reverse',yuce,outputps);

%% 结果分析

figure(1)

plot(ynn,'r*:')

hold on

plot(output_test,'bo--')

title('预测漠河站水位','fontsize',12)

legend('预测水位','实际水位')

xlabel('时间点')

ylabel('水位')

以上程序是时间系列小波神经网络。由于采用时间节点前的4个数据进行分析预报，所以能预测数据为n-4个数据，此次采用44组数据训练，6组数据验证的模式进行分析预报。程序中需要的函数在附件中，同时也有实验数据。

ZZQGIS

说明能不能更详细点？什么神经网络？

kongfeng0824

多谢分享！            

leyutianzi

不知道能不能用楼主需要的金钱太多了。。

desertsky

3ks for sharing

不会飘的云

很详细，但是金钱不太够。=，没能看太全。