clear
clc
num=xlsread(‘ceshi.xlsx’,’A2:C1001’);
input_train=num(1:900,1:2)’;
output_train=num(1:900,3)’;
input_test=num(901:1000,1:2)’;

output_test=num(901:1000,3)’;
%数据归一化
[inputn,inputps]=mapminmax(input_train);
[outputn,outputps]=mapminmax(output_train);
%构建BP神经网络
net=newff(inputn,outputn,11);
%相关参数设置
net.trainParam.epochs=100;%迭代次数
net.trainParam.lr =0.1;%学习效率

net.trainParam.goal=0.00004;%设置目标值

net=train(net,inputn,outputn);%BP网络训练
inputn_test=mapminmax(‘apply’,input_test,inputps);%测试样本归一化
an=sim(net,inputn_test);%BP神经网络预测
BPoutput=mapminmax(‘reverse’,an,outputps);%预测结果反归一化
%预测图形
figure(1)
plot(BPoutput,’:og’)
hold on
plot(output_test,’- *’);
legend(‘预测输出’,’期望输出’)
title(‘BP神经网络预测输出’,’fontsize’,12)
ylabel(‘函数输出’,’fontsize’,12)
xlabel(‘样本’,’fontsize’,12)
error=BPoutput-output_test;
figure(2)
plot(error,’- *’)
title(‘BP神经网络预测误差’,’fontsize’,12)
ylabel(‘误差’,’fontsize’,12)
xlabel(‘样本’,’fontsize’,12)