用BP神经网络预测虫害
首先构造3年中，5月到12月，平均气温，最低气温，日照时间和降雨量的数据集，作为输入
%构建训练样本中的输入向量P p1=[-0.0909 0.4825 0.9580 0.6643 0.0350 -0.6224; -0.1408 0.3844 0.9718 0.7183 0.0423 -0.6620; -0.2500 0.1250 0.9688 0.5000 0.0000 -0.0625; -0.2984 0.3037 -0.7801 0.0419 -0.3665 -0.8796]; p2=[-0.2727 -0.909 0.9580 0.8601 0.0909 -0.9860; -0.7324 0.0000 1.0000 0.9296 0.0141 -1.0000; 0.5625 0.8125 0.6875 0.2812 0.1563 -0.5625; -0.7277 -0.6073 0.0733 -0.3979 -0.4660 -0.4241]; p3=[0.1189 0.3706 0.6923 0.6643 -0.0350 -0.4266; -0.1127 0.3521 0.7324 0.7324 0.0423 -0.5070; 0.6250 0.0313 -0.3125 -0.0625 -0.5313 -0.125; -0.6021 -0.6073 0.2670 0.1361 -0.8482 -0.8586]; P=[p1 p2 p3]; 1234567891011121314
接着构造输出，即虫害程度的数据集
%构建训练样本中的目标向量t t1=[0 0 1 1 0 0 0 0 0 0 0 0; 0 0 0 0 0 0; 1 1 0 0 1 1]; t2=[0 0 1 1 1 0; 0 1 0 0 0 0; 0 0 0 0 0 0; 1 0 0 0 0 1]; t3=[0 0 0 1 1 0; 0 0 0 0 0 1; 0 0 1 0 0 0; 1 1 0 0 0 0]; t=[t1 t2 t3]; 1234567891011121314
创建BP神经网络
%创建一个BP网络，隐含层有9个神经元，传递函数为tansig %中间层有4个神经元，传递函数为logsig，训练函数为trainlm net=newff(minmax(P),[9,4],{'tansig','logsig'},'trainlm'); 123
设置网络的训练参数
%训练步数为50 %目标误差为0.01 net.trainParam.epochs=50; net.trainParam.goal=0.01; net=train(net,P,t); 12345
构造测试集合
%预测2003年的虫情 P_test=[0.0490 0.2587 0.7203 0.9301 0.3287 -0.6084; 0.0000 0.3662 0.8028 0.9014 0.3239 -0.5211; -0.0937 -0.5313 -0.1875 0.9688 0.2813 -0.2813; -0.0995 1.0000 0.4346 -0.8691 -0.6702 -0.4346]; 12345
根据这个测试集合来预测虫害风险
y=sim(net,P_test) 1
得到y的输出，图示为6个月虫害的不同等级分布
训练过程用了9轮就达到了预定精度
