˵

使用单层神经网络对中国国有企业的产值数据进行预测

考虑到只有时间一个因素，采用的是单层网络（神经网络预测.M文件）：
具体实现是在根目录中“神经网络预测”文件，在函数拟合时对1-11期数据，数据中国国有企业的产值：
为
1594.82 1525.51 1632.20 1690.10 1638.09 1677.09 1567.75 1611.27 1695.12 1644.49 1678.58
用神经网络无法对其函数逼近，在MATLAB上只能看到一条直线

我对数据处理后，把11个数据和1-11期时间都放到（-1，1）之间
形成了：
原来每隔1的时间段变成每隔0.2一个时间段，P=-1:0.2:1;
生产产值数据通过相应处理落到-1，1之间（公式是：处理值=（原值-1610）/（1695.12-1525.51））：
T=[-0.1882 -1 0.2588 0.9412 0.3294 0.7882 -0.5059 0.0118 1 0.4 0.8];
这样形成的程序可以对数据作出比较接近的拟合

当输入Q1=1.2也就是第12期时，A2的值即为第12期数据的处理值。
数据输出不太稳定，比较好的结果是0.9322，差不多是1600多，比较符合实际，但结果不是很理想。
我分析是由于神经网络属于内插值，对于-1，1间的树，预测很准确，但对于1.2对应的数据必然产生较大误差。输出数据不太稳定的原因是由于使用的是随机数赋初值，对于比较少的数据，误差较大。


TRY_0，TRY_1的文件就是对用统计曲线对神经网络赋初值的尝试。步骤为：

1. 先用统计方法对数据拟合，得到拟合曲线
2. 从拟和曲线上针对11期取11个点作为样本，再对样本进行训练，得到W1，W2。使用的是TRY_0程序，W1，W2得到输出在根目录“初始权值”的txt文件中
3.再使用W1，W2作为TRY_1中初始权值，训练实际样本
T=[-0.1882 -1 0.2588 0.9412 0.3294 0.7882 -0.5059 0.0118 1 0.4 0.8]
4。输入1.2预测

预测结果为0.5几（处理后的值），差不多1600多，没有对原来有什么实质性改进，估计还要对原方法进行改进

注：使用数据在跟目录下“数据”txt文件国有企业一栏中。