ELM:ELM基于近红外光谱的汽油测试集辛烷值含量预测结果对比—Jason niu

Posted 一个处女座的IT

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了ELM:ELM基于近红外光谱的汽油测试集辛烷值含量预测结果对比—Jason niu相关的知识,希望对你有一定的参考价值。

%ELM:ELM基于近红外光谱的汽油测试集辛烷值含量预测结果对比—Jason niu
load spectra_data.mat 
temp = randperm(size(NIR,1)); P_train = NIR(temp(1:50),:)\'; T_train = octane(temp(1:50),:)\'; P_test = NIR(temp(51:end),:)\'; T_test = octane(temp(51:end),:)\'; N = size(P_test,2); [Pn_train,inputps] = mapminmax(P_train); Pn_test = mapminmax(\'apply\',P_test,inputps); [Tn_train,outputps] = mapminmax(T_train); Tn_test = mapminmax(\'apply\',T_test,outputps); [IW,B,LW,TF,TYPE] = elmtrain(Pn_train,Tn_train,30,\'sig\',0); tn_sim = elmpredict(Pn_test,IW,B,LW,TF,TYPE); T_sim = mapminmax(\'reverse\',tn_sim,outputps); result = [T_test\' T_sim\']; E = mse(T_sim - T_test); N = length(T_test); 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)); figure(1) plot(1:N,T_test,\'r-*\',1:N,T_sim,\'b:o\') grid on legend(\'真实值\',\'预测值\') xlabel(\'样本编号\') ylabel(\'辛烷值\') string = {\'ELM:ELM基于近红外光谱的汽油测试集辛烷值含量预测结果对比—Jason niu\';[\'(mse = \' num2str(E) \' R^2 = \' num2str(R2) \')\']}; title(string)

 

以上是关于ELM:ELM基于近红外光谱的汽油测试集辛烷值含量预测结果对比—Jason niu的主要内容,如果未能解决你的问题,请参考以下文章

BP神经网络及其应用神经网络四

RBF神经网络在化工方面的应用神经网络七

RBF神经网络在化工方面的应用神经网络七

Matlab基于极限学习机ELM实现多分类预测(Excel可直接替换数据)

Matlab基于极限学习机ELM实现多分类预测(Excel可直接替换数据)

基于Matlab极限学习机ELM回归预测