使用Matlab 实现 Bp神经网络实现数值预测 案例

（1）时序预测（2）绘制预测值和真实值对比曲线（3）绘制真实值和预测值的误差对比曲线（4）可以通过更改参数显示多个预测值

针对传统永磁同步电机速度预测控制系统的价值函数速度与电流项权重系数难以确定,且 采用遍历方式选择控制电压矢量导致计算量大这 2 个缺点,提出一种基于期望电压矢量的快速速 度预测控制方法。 利用泰勒级数对电机速度模型进行离散化,获得期望电压矢量;将价值函数中转 速和 d 轴电流的误差项均转化为电压量纲,避免了权重系数的调整;利用 Clark 变换计算期望电压 矢量的角度,得到期望电压矢量所在的局部扇区。 将构成该局部扇区的基本电压矢量作为备选电 压矢量,代入价值函数计算,令价值函数最小的备选电压矢量作为控制电压矢量调节逆变器。

针对煤矿回采工作面瓦斯涌出的非线性特征,提出一种基于改进量子粒子群优化BP神经网络(IQPSO-BP)的瓦斯涌出量预测方法。鉴于量子粒子群算法的遍历能力有限,采用混沌序列来初始化量子的初始角位置。同时,采用凸函数调整惯性权重,以平衡算法的全局勘探和局部开发能力。并依此来优化BP神经网络的权值、阈值参数,进而建立了瓦斯涌出量预测模型。试验结果表明,IQPSO-BP算法具有较强的泛化能力及较高的预测精度,可有效用于煤矿瓦斯涌出量的预测。

针对煤层底板突水预测问题，在总结现有突水预测方法和理论的基础上，通过特征选择实验得出水压、距工作面距离、砂岩段厚度、煤层厚度、煤层倾角、断层落差、是否裂隙带、开采面积、采高、走向长度是影响突水发生的主要因素，这些因素具有复杂、非线性的特点。提出基于长短时记忆(LSTM)神经网络构建的突水预测模型，将煤矿突水实例的数据作为样本数据对模型进行训练。最后，将LSTM神经网络模型与遗传算法–反向传播(GA-BP)神经网络模型和反向传播(BP)神经网络模型进行对比实验。实验结果表明，LSTM神经网络模型在测试集上的预测正确率更高，稳定性更好，更加适用于煤层底板突水预测。

Excel中的销售预测模型设计.doc

Excel模板商品销量预测.zip

重庆市直辖10年以来城市化水平得到了快速提升，从影响重庆市城市化进程中的城市化经济因子、城市化居民生活因子、基础设施因子中的3方面14项指标，运用主成分分析方法，得到目标权重值，对人口城市化率进行回归，建立回归模型，对重庆市城市化率进行预测。结果1996年至2007年之间的数据拟合较好，回归模型预测2008年重庆市城市化率达到50%，2020年为70%，平均每年增长1.6个百分点。结果表明，重庆市的城市化水平进程可谓是时间短、速度快。重庆市应该根据自身未来城市化的发展趋势，采取有效措施，合理确定发展路径，

App页面主要分为4个区域，分别是：曲线显示区、模型初始化和预防参数设定区、传染病特征参数设定区、绘图控制区。 ① 曲线显示区：显示模型预测的不同人数量随时间的变化曲线。 ② 模型初始化和预防参数设定区：设定初始化参数（S健康人数、E潜伏区人数、I发病人数、R康复人数）和r单位时间接触次数、p个人防护率。 ③ 传染病特征参数设定区：设定 每次接触感染概率、 单位时间从潜伏期发展到病发的概率、 单位时间治愈概率、 单位时间致死概率。 ④ 绘图控制区：控制绘图、设定基本参数、设定坐标轴区间、设定绘制对象人数。 (2) 使用说明 a. 曲线显示区&绘图控制区 曲线显示区主要功能为显示模型预测的不同人数量随时间的变化曲线。 绘图控制区的主要功能为控制绘图、设定基本参数、设定坐标轴区间、设定绘制对象人数。

matlab源码