RBFNN一步预测混沌序列性能程序（转贴）

christy

一个神经网络对logistic混沌序列一步预测的程序

1. %% use logistic function to genenrate a sequence
   
2. %%
   
3. clear all;
   
4. x=[];
   
5. T=[];
   
6. x(1)=0.22;
   
7. k=4;
   
8. n=900;
   
9. N=400;
   
10. % 产生logistic序列，前100个去除
    
11. for i=1:n
    
12.     x(i+1)=k*x(i)*(1-x(i));
    
13. end
    
14. X(1:800)=x(101:900);
    
15. 
    
16. % 用X的前400个数据训练RBF神经网络
    
17. for j=1:N   
    
18.     P(1:8,j)=X(j:j+7)';
    
19. end
    
20. T=X(9:408);   % 目标数据
    
21. net1=newrb(P,T,0.001,1);  % 训练RBF神经网络
    
22. 
    
23. N1=300;
    
24. 
    
25. % 选取X的400—700个数据进行RBF神经网络检验
    
26. for j=1:N1
    
27.     P1(1:8,j)=X(j+400:j+7+400)';
    
28. end
    
29. T1=X(409:708);   % 目标数据
    
30. 
    
31. %仿真验证
    
32. a=sim(net1,P1);  % 对检验数据的预测结果
    
33. 
    
34. e = T1-a;        % 一步预测误差
    
35. 
    
36. mse = sqrt(e*e')/size(e,2)    % 均方误差 Mean  Square  Error
    
37. 
    
38. %画图描绘仿真结果
    
39. figure(2)
    
40. plot(X(1:200));
    
41. axis([1 200 -0.1 1.1]);
    
42. title('logistic混沌序列');
    
43. xlabel('t');
    
44. ylabel('magnitude');
    
45. 
    
46. figure(3)
    
47. plot(1:300,T1,'b',1:300,a,'r*');
    
48. h = legend('混沌序列','RBF神经网络一步预测值');
    
49. axis([1 300 -0.5 1.5]);
    
50. hold on
    
51. title('混沌序列与一步预测值');
    
52. xlabel('t');
    
53. ylabel('magnitude');
    
54. 
    
55. 
    
56. figure(4);
    
57. plot(e,'b-');
    
58. axis([1 300 -0.1 0.1]);
    
59. title('预测误差e');
    
60. xlabel('t');
    
61. ylabel('magnitude');

复制代码

转自：matwav--mary