【BP预测】基于BP神经网络实现混凝土强度预测含Matlab源码

原创

matlab科研助手 2022-02-26 21:54:22 博主文章分类：预测模型 ©著作权

©著作权归作者所有：来自51CTO博客作者matlab科研助手的原创作品，请联系作者获取转载授权，否则将追究法律责任

1 简介

混凝土抗压强度是混凝土最重要的性能之一,是混凝土质量控制最核心的内容.通过介绍混凝土强度的预测方法,BP神经网络预测的过程,在主要考虑水灰比,砂率和水泥用量3个因素的情况下,基于MATLAB用BP神经网络预测特细砂混凝土强度.分析表明:通过BP神经网络模型拟合的计算期望值和实际值的相关系数达到0.96287,相关性非常显著.

2 部分代码

%% I. 清空环境变量
clear all
clc
close all
%% II. 训练集/测试集产生
%%
% 1. 导入数据
load concrete_data.mat
A=attributes;
B=strength;
C=A';
D=B';
%%
% 2. 随机产生训练集和测试集
temp = randperm(size(C,1));
% 训练集——90个样本
P_train =C(temp(1:90),:)';
T_train = D(temp(1:90),:)';
% 测试集——10个样本
P_test = C(temp(91:end),:)';
T_test =D(temp(91:end),:)';
N = size(P_test,2);
%% III. 数据归一化
[p_train, ps_input] = mapminmax(P_train,0,1);
p_test = mapminmax('apply',P_test,ps_input);
[t_train, ps_output] = mapminmax(T_train,0,1);
%% IV. BP神经网络创建、训练及仿真测试
%%
% 1. 创建网络
net = newff(p_train,t_train,9);
%%
% 2. 设置训练参数
net.trainParam.epochs = 1000;
net.trainParam.goal = 1e-3;
net.trainParam.lr = 0.01;
%%
% 3. 训练网络
net = train(net,p_train,t_train);
%%
% 4. 仿真测试
t_sim = sim(net,p_test);
%%
% 5. 数据反归一化
T_sim = mapminmax('reverse',t_sim,ps_output);
%% V. 性能评价
%%
% 1. 相对误差error
error = abs(T_sim - T_test)./T_test;
%%
% 2. 决定系数R^2
R2 = (N * sum(T_sim .* T_test) - sum(T_sim) * sum(T_test))^2 / ((N * sum((T_sim).^2) - (sum(T_sim))^2) * (N * sum((T_test).^2) - (sum(T_test))^2)); 
%%
% 3. 结果对比
result = [T_test' T_sim' error']
%% VI. 绘图
figure
plot(1:N,T_test,'b:*',1:N,T_sim,'r-o')
legend('真实值','预测值')
xlabel('预测样本')
ylabel('混凝土强度')
string = {'测试集混凝土强度预测结果对比';['R^2=' num2str(R2)]};
title(string)