一、神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)原理！

Back Propagation BP (Back Propagation)神經(jīng)網(wǎng)絡(luò)，即誤差反傳誤差反向傳抄播算法的學(xué)習(xí)過程，由信息的正向傳播和誤差的反向傳播兩個(gè)過程組成。輸入層各神經(jīng)元負(fù)責(zé)襲接收來(lái)自外界的輸入信息，并傳遞給中間層各神經(jīng)元；中間層是內(nèi)部信息處理層，負(fù)責(zé)信息變換，根據(jù)信息變化2113能力的需求，中間層（隱含層）可以設(shè)計(jì)為單隱層5261或者多隱層結(jié)構(gòu)；最后一個(gè)隱層傳遞到輸出層各神經(jīng)元的信息，4102經(jīng)進(jìn)一步處理后，完成一次學(xué)習(xí)的正向1653傳播處理過程，由輸出層向外界輸出信息處理結(jié)果。神經(jīng)網(wǎng)絡(luò)很多種，BP神經(jīng)網(wǎng)絡(luò)最常用。

二、如何利用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)

可以用MATLAB神經(jīng)網(wǎng)絡(luò)工具箱，先提取樣本，用mapminmax函數(shù)歸一化，再newff函數(shù)建立網(wǎng)絡(luò)，設(shè)置好訓(xùn)練參數(shù)后，使用train

三、matlab bp神經(jīng)網(wǎng)絡(luò)只能輸入一組預(yù)測(cè)一組嗎 可以用前面很多數(shù)據(jù)建立網(wǎng)絡(luò)后預(yù)測(cè)下幾組數(shù)據(jù)嗎

當(dāng)然可以，這就是輸入模式和輸出模式的制定，可以自由設(shè)置，多輸入多輸出。但要注意如果預(yù)測(cè)多組，輸入必須要提供足夠的信息擁有足夠多維。

BP（Back Propagation）神經(jīng)網(wǎng)絡(luò)是86年由Rumelhart和McCelland為首的科學(xué)家小組提出，是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)，是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一。BP網(wǎng)絡(luò)能學(xué)習(xí)和存貯大量的輸入-輸出模式映射關(guān)系，而無(wú)需事前揭示描述這種映射關(guān)系的數(shù)學(xué)方程。它的學(xué)習(xí)規(guī)則是使用最速下降法，通過反向傳播來(lái)不斷調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值，使網(wǎng)絡(luò)的誤差平方和最小。BP神經(jīng)網(wǎng)絡(luò)模型拓?fù)浣Y(jié)構(gòu)包括輸入層（input）、隱層(hidden layer)和輸出層(output layer)。

四、如何利用matlab進(jìn)行神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)

matlab 帶有神經(jīng)網(wǎng)絡(luò)工具箱，可直接調(diào)用，建議找本書看看，或者M(jìn)ATLAB論壇找例子。

核心調(diào)用語(yǔ)句如下：

%數(shù)據(jù)輸入

%選連樣本輸入輸出數(shù)據(jù)歸一化

[inputn,inputps]=mapminmax(input_train);

[outputn,outputps]=mapminmax(output_train);

%% BP網(wǎng)絡(luò)訓(xùn)練

% %初始化網(wǎng)絡(luò)結(jié)構(gòu)

net=newff(inputn,outputn,[8 8]);

net.trainParam.epochs=100;

net.trainParam.lr=0.01;

net.trainParam.goal=0.01;

%網(wǎng)絡(luò)訓(xùn)練

net=train(net,inputn,outputn);

%% BP網(wǎng)絡(luò)預(yù)測(cè)

%預(yù)測(cè)數(shù)據(jù)歸一化

inputn_test=mapminmax('apply',input_test,inputps);

%網(wǎng)絡(luò)預(yù)測(cè)輸出

an=sim(net,inputn_test);

%網(wǎng)絡(luò)輸出反歸一化

BPoutput=mapminmax('reverse',an,outputps);

%% 結(jié)果分析

五、采用什么手段使神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)更加準(zhǔn)確

1. 優(yōu)化神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。如BP神經(jīng)網(wǎng)絡(luò)改變隱層神經(jīng)元數(shù)量、訓(xùn)練算法等；

2. 使用其他神經(jīng)網(wǎng)絡(luò)。如Elman神經(jīng)網(wǎng)絡(luò)考慮了前一時(shí)刻的輸出，比較適合用于預(yù)測(cè)，預(yù)測(cè)效果往往更好。RBF神經(jīng)網(wǎng)絡(luò)的訓(xùn)練速度很快，訓(xùn)練效果也很好。

3. 改進(jìn)的神經(jīng)網(wǎng)絡(luò)算法。例如BP神經(jīng)網(wǎng)絡(luò)增加動(dòng)量項(xiàng)、自適應(yīng)學(xué)習(xí)率等措施，防止陷入局部極小影響預(yù)測(cè)效果。

4. 組合神經(jīng)網(wǎng)絡(luò)。取長(zhǎng)補(bǔ)短，將全局搜索能力強(qiáng)的算法與局部逼近快的算法組合起來(lái)，如遺傳算法優(yōu)化初始權(quán)值，再訓(xùn)練。這種方法比較靈活，可以和許多算法融合。

5. 全面考慮影響因素。未來(lái)的預(yù)測(cè)值受許多因素影響，所以應(yīng)該在基于歷史數(shù)據(jù)的基礎(chǔ)上，充分考慮各種因素，考慮得越周全，預(yù)知信息越多，預(yù)測(cè)效果一般更好。

六、如何用BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)預(yù)測(cè)

首先要知道你建立的這個(gè)模型的內(nèi)部邏輯關(guān)系。。 1，確定隱層數(shù)，畫出簡(jiǎn)要模型圖。 2，確定采用什么樣的神經(jīng)網(wǎng)絡(luò)來(lái)建立模型 3.通過測(cè)試數(shù)據(jù)來(lái)訓(xùn)練模型。。 4.根據(jù)測(cè)試訓(xùn)練得到的數(shù)據(jù)和實(shí)際數(shù)據(jù)進(jìn)行比對(duì)，或者算出誤差。從而修改隱層中的權(quán)值和閥值。 反復(fù)重復(fù)3-4.。最后得到一個(gè)最優(yōu)的模型。 大致是這樣。。。樓主說的太概略。。。無(wú)法回答清楚請(qǐng)抱歉