MAT之SVM/BP：SVR(better)和BP两种方法比较且实现建筑物钢筋混凝土抗压强度预测

输出结果

代码设计

输出结果

代码设计

load concrete_data.mat n = randperm(size(attributes,2));p_train = attributes(:,n(1:80))';
t_train = strength(:,n(1:80))';p_test = attributes(:,n(81:end))';
t_test = strength(:,n(81:end))';[pn_train,inputps] = mapminmax(p_train');
pn_train = pn_train';
pn_test = mapminmax('apply',p_test',inputps);
pn_test = pn_test';[tn_train,outputps] = mapminmax(t_train');
tn_train = tn_train';
tn_test = mapminmax('apply',t_test',outputps);
tn_test = tn_test';[c,g] = meshgrid(-10:0.5:10,-10:0.5:10);
[m,n] = size(c);
cg = zeros(m,n);
eps = 10^(-4);
v = 5;
bestc = 0;
bestg = 0;
error = Inf;
for i = 1:mfor j = 1:ncmd = ['-v ',num2str(v),' -t 2',' -c ',num2str(2^c(i,j)),' -g ',num2str(2^g(i,j) ),' -s 3 -p 0.1'];cg(i,j) = svmtrain(tn_train,pn_train,cmd);if cg(i,j) < errorerror = cg(i,j);bestc = 2^c(i,j);bestg = 2^g(i,j);endif abs(cg(i,j) - error) <= eps && bestc > 2^c(i,j)error = cg(i,j);bestc = 2^c(i,j);bestg = 2^g(i,j);endend
endcmd = [' -t 2',' -c ',num2str(bestc),' -g ',num2str(bestg),' -s 3 -p 0.01'];
model = svmtrain(tn_train,pn_train,cmd);[Predict_1,error_1] = svmpredict(tn_train,pn_train,model);
[Predict_2,error_2] = svmpredict(tn_test,pn_test,model);predict_1 = mapminmax('reverse',Predict_1,outputps);
predict_2 = mapminmax('reverse',Predict_2,outputps);result_1 = [t_train predict_1];
result_2 = [t_test predict_2];figure(1)
plot(1:length(t_train),t_train,'r-*',1:length(t_train),predict_1,'b:o')
grid on
legend('真实值','预测值')
xlabel('样本编号')
ylabel('耐压强度')
string_1 = {'训练集预测结果对比(SVM之SVR)—Jason niu';['mse = ' num2str(error_1(2)) ' R^2 = ' num2str(error_1(3))]};
title(string_1)
figure(2)
plot(1:length(t_test),t_test,'r-*',1:length(t_test),predict_2,'b:o')
grid on
legend('真实值','预测值')
xlabel('样本编号')
ylabel('耐压强度')
string_2 = {'SVM之SVR测试集预测结果对比(SVM之SVR)—Jason niu';['mse = ' num2str(error_2(2)) ' R^2 = ' num2str(error_2(3))]};
title(string_2)%BP神经网络
pn_train = pn_train';
tn_train = tn_train';
pn_test = pn_test';
tn_test = tn_test';net = newff(pn_train,tn_train,10);net.trainParam.epochs = 1000;
net.trainParam.goal = 1e-3;
net.trainParam.show = 10;
net.trainParam.lr = 0.1;net = train(net,pn_train,tn_train);tn_sim = sim(net,pn_test);E = mse(tn_sim - tn_test);N = size(t_test,1);
R2=(N*sum(tn_sim.*tn_test)-sum(tn_sim)*sum(tn_test))^2/((N*sum((tn_sim).^2)-(sum(tn_sim))^2)*(N*sum((tn_test).^2)-(sum(tn_test))^2)); t_sim = mapminmax('reverse',tn_sim,outputps);figure(3)
plot(1:length(t_test),t_test,'r-*',1:length(t_test),t_sim,'b:o')
grid on
legend('真实值','预测值')
xlabel('样本编号')
ylabel('耐压强度')
string_3 = {'测试集预测结果对比(BP神经网络)—Jason niu';['mse = ' num2str(E) ' R^2 = ' num2str(R2)]};
title(string_3)

相关文章
SVM—PK—BP：SVR(better)和BP两种方法比较且实现建筑物钢筋混凝土抗压强度预测

MAT之SVM/BP：SVR(better)和BP两种方法比较且实现建筑物钢筋混凝土抗压强度预测相关推荐

MAT之SA：T1编写主函数法和T2Matlab自带的SA工具箱GUI法，两种方法实现对二元函数优化求解
MAT之SA:T1编写主函数法和T2Matlab自带的SA工具箱GUI法,两种方法实现对二元函数优化求解目录输出结果实现代码输出结果 %SA:T2法利用Matlab自带的SA工具箱optimt ...
MAT之SA：T1编写主函数法和T2Matlab自带的SA工具箱GUI法，两种方法实现对一元函数优化求解
MAT之SA:T1编写主函数法和T2Matlab自带的SA工具箱GUI法,两种方法实现对一元函数优化求解目录输出结果实现代码输出结果 %SA:T2法利用Matlab自带的SA工具箱optimt ...
机器学习的几种方法（knn，逻辑回归，SVM，决策树，随机森林，极限随机树，集成学习，Adaboost，GBDT）
一.判别模式与生成模型基础知识举例:要确定一个瓜是好瓜还是坏瓜,用判别模型的方法是从历史数据中学习到模型,然后通过提取这个瓜的特征来预测出这只瓜是好瓜的概率,是坏瓜的概率. 举例:利用生成模型是根 ...
bp神经网络预测模型原理,BP神经网络预测模型
深度学习与神经网络有什么区别深度学习与神经网络关系2017-01-10最近开始学习深度学习,基本上都是zouxy09博主的文章,写的蛮好,很全面,也会根据自己的思路,做下删减,细化. 五.DeepL ...
BP算法与累积BP算法
西瓜书5.5:试编程实现BP算法与累积BP算法,在西瓜数据集3.0上分别用这两个算法训练一个单隐层网络,并进行比较. BP算法matlab实现 clearx = xlsread('watermelon ...
基于BP神经网络实现气凝胶加气混凝土抗压强度预测（附代码）
目录前言 1. 背景 1.1 什么是加气混凝土 1.2 传统AAC抗压强度测试方法 1.3 为什么选择BP神经网络 2. MATLAB算法实现 2.1 训练集数据编辑 2.2 数据导入与整理 2.3 ...
MAT之SVM：SVM之分类预测根据已有大量数据集案例，输入已有病例的特征向量实现乳腺癌诊断高准确率预测
MAT之SVM:SVM之分类预测根据已有大量数据集案例,输入已有病例的特征向量实现乳腺癌诊断高准确率预测目录输出结果代码设计输出结果代码设计 load BreastTissue_data.m ...
trainlm算法c语言,粒子群优化的BP神经网络模型对C、Mn两种元素收得率的预测
粒子群优化的BP神经网络模型对C.Mn两种元素收得率的预测来源:用户上传作者: 摘要:本文首先对数据进行处理,利用收得率公式求出历史收得率:并利用已知的影响元素收得率的主要影响因素结合BP神经网 ...
谈谈SVM和SVR的区别
支持向量机(SVM)本身是针对二分类问题提出的,而SVR(支持向量回归)是SVM(支持向量机)中的一个重要的应用分支.SVR回归与SVM分类的区别在于,SVR的样本点最终只有一类,它所寻求的最优超平面 ...

MAT之SVM/BP：SVR(better)和BP两种方法比较且实现建筑物钢筋混凝土抗压强度预测

输出结果

代码设计

MAT之SVM/BP：SVR(better)和BP两种方法比较且实现建筑物钢筋混凝土抗压强度预测相关推荐

最新文章

热门文章