【GMDH预测】 基于matlab GMDH时间序列预测【含Matlab源码 2189期】
⛄一、GMDH神经网络法简介
GMDH神经网络法是一种研究变量之间关系的启发式自组织方法。GMDH神经网络法可以自动查找数据中的相互关系、选择模型或网络的最佳结构,并提高现有算法的准确性。Ivakhnenko为更好地预测河流中的鱼类种群,创造了分组数据处理方法(GMDH),使神经元成为具有多项式传递函数的更复杂的单元,并简化了神经元之间的互联,同时开发了用于结构设计和权重调整的自动算法。43-55Ivakhnenko构造的多项式为:
上式(1)也称为Ivakhnenko多项式。其中,m表示每个神经元进入回归模型的变量数量;a,b,c…是多项式中变量的权重;y是响应变量;xi和xj是探索性变量。在研究中,上述模型仅包含主要影响,由此可表示为:
若上式(2)为二变量多项式,则将构造m×(m-1) 2个候选神经元,其中m是上一层中的神经元数量。如果选择以允许来自上一层和输入层的输入,则m将是上一层和输入层中神经元数量的总和。如果选择以允许来自任何层的输入,则m将是输入变量的数量加上所有先前层中的神经元数量的总和。
在模型建立和评估过程中,数据被分为三组:训练集(60%)、验证集(20%)和测试集(20%)。训练集包含在模型构建中,验证集则用于对神经元的选择;测试集是用于考察评估模型在未观察数据上的性能。GMDH神经网络法是由神经元构成的层次系统。每层中对应神经元的数量取决于输入的数量。假设进入某一层的输入数量等于p,则该层中的神经元数量变为:
上式(3)考虑了所有成对的输入组合,但这并不意味着所有层都包括h个神经元。例如,输入层中的输入数量仅定义第一层中的神经元数量。在第一层中选择的神经元数量决定第二层中的神经元数量。该算法自行组织架构,当存在三个层次和四个输入时,GMDH神经网络法的体系结构如图1所示。
图1 GMDH神经网络法的体系结构
在图1所示的GMDH神经网络法体系结构中,存在四个输入(X1,X2,X3,X4),其中三个变量(X1,X2,X4)主导着系统,而X3对分类没有影响。GMDH神经网络法会自组织选择对分类有影响的输入变量,这说明网络中神经元之间的连接不是固定的,而是在训练期间进行选择以优化网络;网络中的层数也会自动选择,以产生最大的精度而不会过度拟合。
⛄二、部分源代码
%
clc;
clear;
close all;
%% Load Data
data = load(‘global_ice_volume’);
x = data.x;
Delays = [1 2 3 4 5];
[Inputs, Targets] = CreateTimeSeriesData(x,Delays);
nData = size(Inputs,2);
% Perm = randperm(nData);
Perm = 1:nData;
% Train Data
pTrain = 0.7;
nTrainData = round(pTrain*nData);
TrainInd = Perm(1:nTrainData);
TrainInputs = Inputs(:,TrainInd);
TrainTargets = Targets(:,TrainInd);
% Test Data
pTest = 1 - pTrain;
nTestData = nData - nTrainData;
TestInd = Perm(nTrainData+1:end);
TestInputs = Inputs(:,TestInd);
TestTargets = Targets(:,TestInd);
%% Create and Train GMDH Network
params.MaxLayerNeurons = 25; % Maximum Number of Neurons in a Layer
params.MaxLayers = 5; % Maximum Number of Layers
params.alpha = 0; % Selection Pressure
params.pTrain = 0.7; % Train Ratio
gmdh = GMDH(params, TrainInputs, TrainTargets);
%% Evaluate GMDH Network
Outputs = ApplyGMDH(gmdh, Inputs);
TrainOutputs = Outputs(:,TrainInd);
TestOutputs = Outputs(:,TestInd);
%% Show Results
figure;
PlotResults(TrainTargets, TrainOutputs, ‘训练数据’);
figure;
PlotResults(TestTargets, TestOutputs, ‘测试数据’);
figure;
PlotResults(Targets, Outputs, ‘全部数据’);
if ~isempty(which(‘plotregression’))
figure;
plotregression(TrainTargets, TrainOutputs, ‘训练数据’, …
TestTargets, TestOutputs, ‘测试数据’, …
Targets, Outputs, ‘全部数据’);
end
⛄三、运行结果
⛄四、matlab版本及参考文献
1 matlab版本
2014a
2 参考文献
[1] 石峰.基于GMDH神经网络法的中小板上市公司ST分类预测研究[J].湖南工程学院学报(社会科学版). 2021,31(02)
3 备注
简介此部分摘自互联网,仅供参考,若侵权,联系删除
【GMDH预测】 基于matlab GMDH时间序列预测【含Matlab源码 2189期】相关推荐
- 【Matlab电力负荷预测】粒子群优化支持向量机短期电力负荷预测【含GUI源码 751期】
一.代码运行视频(哔哩哔哩) [Matlab电力负荷预测]粒子群优化支持向量机短期电力负荷预测[含GUI源码 751期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 ...
- 【Matlab生物电信号】生物电信号仿真【含GUI源码 684期】
一.代码运行视频(哔哩哔哩) [Matlab生物电信号]生物电信号仿真[含GUI源码 684期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 [1]董兵,超于毅,李 ...
- 【Matlab语音分析】语音信号分析【含GUI源码 1718期】
一.代码运行视频(哔哩哔哩) [Matlab语音分析]语音信号分析[含GUI源码 1718期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 [1]韩纪庆,张磊,郑铁 ...
- 【Matlab验证码识别】遗传算法和最大熵优化+大津法(OTSU)+自定义阈值数字验证码识别【含GUI源码 1694期】
一.代码运行视频(哔哩哔哩) [Matlab验证码识别]遗传算法和最大熵优化+大津法(OTSU)+自定义阈值数字验证码识别[含GUI源码 1694期] 二.matlab版本及参考文献 1 matlab ...
- 【Matlab人脸识别】BP神经网络人脸识别(含识别率)【含GUI源码 891期】
一.代码运行视频(哔哩哔哩) [Matlab人脸识别]BP神经网络人脸识别(含识别率)[含GUI源码 891期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 [1] ...
- 【Matlab人脸识别】形态学教室人数统计(带面板)【含GUI源码 1703期】
一.代码运行视频(哔哩哔哩) [Matlab人脸识别]形态学教室人数统计(带面板)[含GUI源码 1703期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 [1]孟 ...
- 【Matlab人脸识别】人脸实时检测与跟踪【含GUI源码 673期】
一.代码运行视频(哔哩哔哩) [Matlab人脸识别]人脸实时检测与跟踪[含GUI源码 673期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 [1]孟逸凡,柳益君 ...
- 【Matlab图像融合】小波变换遥感图像融合【含GUI源码 744期】
一.代码运行视频(哔哩哔哩) [Matlab图像融合]小波变换遥感图像融合[含GUI源码 744期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 [1] 包子阳,余 ...
- 【Matlab语音加密】语音信号加密解密(带面板)【含GUI源码 181期】
一.代码运行视频(哔哩哔哩) [Matlab语音加密]语音信号加密解密(带面板)[含GUI源码 181期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 [1]韩纪庆 ...
- 【Matlab身份证识别】身份证号码识别【含GUI源码 014期】
一.代码运行视频(哔哩哔哩) [Matlab身份证识别]身份证号码识别[含GUI源码 014期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 [1] 蔡利梅.MAT ...
最新文章
- [moka同学笔记转载]Yii 设置 flash消息 创建一个渐隐形式的消息框
- php使用redis内存不足,PHP开发:Redis 内存满了怎么办?
- JAVA加密算法(DSA)
- 短信猫前台群发短信的示例程序
- 图文并茂!CIC滤波器的FPGA实现
- Whiteboard for mac(mac画图软件)
- sam卡和sim卡区别_PSAM卡、SAM卡与SIM卡
- 什么是射频信号发生器?信号发生器具有哪些特点?(一)
- php写phalapi,PhalApi框架
- 计算机无法计算,计算机无法计算到的F1最后一步
- 从零开始,简单几步教会你shopify店铺设计
- MySQL 数据库连接
- pandas将dataframe的所有数据列的名称转化为大写形式(all column labels in dataframe to uppercase)
- 拼多多拼团电子商务论文题目(精选)
- SLAM中的退化问题
- 【Springboot】录屏功能实现
- python复制出现错误_Python中的错误和异常
- 录像类电子文件永久保存格式MXF介绍
- Pjblog皮肤制作循序渐进教程作者:cocoa 日期:2008-12-05
- 老毛桃win8pe制作工具u盘初始化教程