Uso de la programación matlab para predecir el flujo de pasajeros utilizando la red neuronal RBF

%% borrar variables de entorno

clc

borrar

cerrar todo

%%

a=load('walk1.txt');%Leer datos% xlsread(' ');Leer archivo ejecutable

data=a(1:500,5);%Datos de muestra y prueba datos

order=5;%número de datos de entrada

snum=200;%número de muestras de entrenamiento

paso=3;%número de pasos de predicción

entrada=datos(1:snum);

salida=datos(1+orden+paso:snum+orden+paso);

retraso=200; % de retraso entre las muestras de entrenamiento y las muestras de prueba

input1=data(1+delay:snum+delay);

output1=date(1+order+delay+step:snum+ order+ retraso+paso);

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);

fin

%% predicción de red neuronal RBF

%% establecimiento y entrenamiento de red

net=newrb(input_train',output', 0.001, 100,300,25);

% net=newrbe(input_train',output',100);

% net=newgrnn(input_train',output',10);

%% verificación de red

ty=sim(net,input_train');

errR=abs(output-ty');

ty1 =sim(net,input_test');

errR1=abs(output1-ty1');

figura

plot(1:snum,output1 ,' r*-');

espera;

plot(1:snum,ty1','kx-');

title(' Tres- paso RBF');

xlabel('número de serie de datos');

ylabel('valor de datos');

legend('valor real', 'valor previsto');

figura

subplot(2,1,1);

stem(1:snum,errR1,'r*') ;

title('RBF de tres pasos');

xlabel('Número de serie de datos');

ylabel('Valor de error absoluto');

p>

rbfmean = media(errR1)

subtrama(2,1,2);

stem(1:snum,

abs(errR1 ./output1),'r*');

title('RBF de tres pasos');

xlabel('Número de serie de datos') ;

ylabel ('tasa de error absoluta');

rbfpmean = mean(abs(er

rR1./output1))*100%%

Cámbialo tú mismo.