Question

用matlab编程实现用RBF神经网络预测客流

本人完全是小白。。。请大神帮忙编写个程序。回答的很有帮助的再追加分数，开始最高给100。。。
程序实现的就是RBF神经网络的预测。但是不同之处在于我的数据太多，不能像传统程序那样，在matlab中直接输入data=（12，13，25，21，13，34……），（22，21，33，12，11，23……），……这样的很多组数据。要从excel中读取。
我将这现在有的672个数据放在了excel表格的一列中，想用前500个数据作为训练用，后172个数据作为检测用。
这500个训练数据是用第1到10个数据作为输入，第11个数据作为输出。然后用第2到11个数据作为输入，第12个数据作为输出，这样的一个规律。。。。（最后应该是有490组测试样本）
后172个数据也用这样的规律组成测试样本。（最后应该是有162组测试样本）

如果这个太难实现。。。那就我一个个输入数据。。。。
假设有这样的数据，第一组的11个数据为：（1，2，3，2，3，4，1，2，3，4，1），前边10个是输入，那个1是输出。（2，3，4，5，3，4，3，1，2，3，6）；（2，3，4，2，4，5，6，3，2，1，2）；（1，3，3，8，4，5，3，3，2，2，2）；（4，3，4，1，4，2，6，3，1，1，2）；（1，3，6，3，4，5，3，1，2，1，5）；（7，3，1，2，4，3，6，3，1，1，3）；（2，3，5，2，1，5，6，2，4，1，2）；（1，3，4，1，4，1，6，1，2，1，2）；（2，3，3，2，6，5，2，3，1，1，2）。这十组是训练样本。
测试样本就用（1，3，4，1，4，1，6，1，2，1，2）。
需要出基本的几个图，比如预测出来的数值和现实的数值放在一张图上对比。

当然最好是用上边的那种不用重新输入的方法。。。。谢谢！！！下边是之前一个人编写的有点类似于这个的程序，我看不懂，留作参考吧。。。。





Answer 1

%% 清空环境变量
clc
clear
close all
%%
a=load('walk1.txt');%读取数据 % xlsread（‘ ‘）；读取execl文件
data=a(1:500,5);%样本数据和测试数据
order=5;%输入数据个数
snum=200;%训练样本数
step=3;%预测步数
input=data(1:snum);
output=data(1+order+step:snum+order+step);
delay=200;%训练样本与测试样本间时延
input1=data(1+delay:snum+delay);
output1=date(1+order+delay+step:snum+order+delay+step);
input_train=zeros(snum,order);input_test=zeros(snum,order);
for i=1:snum
input_train(i,:)=data(i:i+order-1);
input_test(i,:)=data(i+delay:i+delay+order-1);
end
%% RBF神经网络预测
%% 网络建立和训练
net=newrb(input_train',output',0.001,100,300,25);
% net=newrbe(input_train',output',100);
% net=newgrnn(input_train',output',10);
%% 网络验证
ty=sim(net,input_train');
errR=abs(output-ty');
ty1=sim(net,input_test');
errR1=abs(output1-ty1');

figure
plot(1:snum,output1,'r*-');
hold on;
plot(1:snum,ty1','kx-');
title('三步RBF');
xlabel('数据序号');
ylabel('数据值');
legend('实际值','预测值');

figure
subplot(2,1,1);
stem(1:snum,errR1,'r*');
title('三步RBF');
xlabel('数据序号');
ylabel('绝对误差值');
rbfmean = mean(errR1)
subplot(2,1,2);
stem(1:snum,
abs(errR1./output1),'r*');
title('三步RBF');
xlabel('数据序号');
ylabel('绝对误差率');
rbfpmean = mean(abs(errR1./output1))*100%%
自己对着改一下。

Answer 2

可否介绍一下的你数据的意义

Answer 3

其实核心很简单，你要用到神经网络的训练函数，百度好多的