急救：rbf神经网络预测模型，请高手帮忙修改程序

lianlj

我建立了rbf神经网络，并用来预测数据，但是预测曲线和原始的目标数据一模一样，一点误差都没有。经别人看看过后说是，我没有定义预测的数据，而且是把所有的数据都用来训练啦。我的要求是用以下数据的t_data数据中的前七组用来训练，最后两组用来做预测。本人是用来做毕业设计的。希望高手帮个忙，万分感激！

& ^) z! S, z& z& v" g* G%  聚丙烯/蒙脱土纳米复合材料的双指标性能的RBF预测模型
& J( b6 E! I; ]) X  M* L%t_data为原始数据，其中前三列是输入向量，后两列是输出的目标向量
t_data=[
1 10 80 33.92 69.3
9 _& F$ @( Q/ P; @& M1 20 100 34.49 34.7
1 30 50 34.38 18.7
3 10 50 33.44 21.3
3 20 80 33.23 21.3
. ~$ @$ v3 Q- J7 H5 Y3 30 100 33.58 20.0
( J3 N2 H$ O6 u, B* @+ D5 Y5 10 100 31.89 20.0
& j5 R. A9 p. F  d5 20 50 29.51 25.3
6 I1 z; [7 ~) p5 30 80 31.59 25.3];
2 w: s+ r$ t# at_data=t_data';
# \/ C  n7 {  d# {5 N+ H) \tt1=t_data(4:5,:);
%t_data分别表示归一化后的向量
for i=1:5
    t_data(i,:)=(t_data(i,:)-min(t_data(i,:)))/(max(t_data(i,:))-min(t_data(i,:)));
. X8 _" l' ]1 N" Uend
t_data=t_data';
0 z8 D, H  M, v2 J' ]%初始化数据，tt为目标向量，x为输入向量
tt=t_data(:,4:5);x=t_data(:,1:3);tt=tt';
%随机选取中心
c=x;
5 g! d1 M' n0 ]: r1 q%定义delta平方为样本各点的协方差之和
7 a6 r3 |  W- }+ b, D1 J& t- S& M6 bdelta=cov(x');
delta=sum(delta);
% X; C( B; s* M1 Q( ]$ F8 @%隐含层输出R
: [, h4 M+ a- ~: ufor i=1:1:9
1 R( N- V4 @# U) T+ m8 `  for j=1:1:9
     R(i,j)=((x(i,:)-c(j,:)))*((x(i,:)-c(j,:))');
  E& |+ n  c: i+ A. |8 n     R(i,j)=exp(-R(i,j)./delta(j));
  end
end
%输入向量p
p=R;
%建立神经网络模型
- A* C" h( p2 J9 f0 Q8 |r=radbas(p);
* L! E8 m1 x4 F% ?) d" h2 Lerr_goal=0.001;
sc=3;
, k- T: E9 d% anet=newrb(p,tt,err_goal,sc,1000,1);
%测试
ty=sim(net,p);
& {1 n& _! M2 _3 @% o3 B" ?tE=tt-ty;
) {% Y) S, U# [- q. r2 B( g6 ctSSE=sse(tE);
tMSE=mse(tE);
tt=tt1;
% V& p1 p# H8 v/ |& uty1=ty(1,:)*(max(tt(1,:))-min(tt(1,:)))+min(tt(1,:));
ty2=ty(2,:)*(max(tt(2,:))-min(tt(2,:)))+min(tt(2,:));
: ]1 z, Y& R4 S  Z%预测(测试）曲线
0 R) S7 L. Z8 Z$ q* ofigure;
plot(tt(1,:),'-+');
hold on;
plot(ty1,'r:*');
# ^" j8 e  ?8 B$ i: g4 v4 r& D' } legend('原始目标值','预测值');
title('拉伸强度的RBF网络模型预测结果输出曲线');
8 P: d; S$ t" u. V8 {7 t4 r xlabel('输入样本点');
8 K9 j& ]' Z9 } ylabel('拉伸强度/Mpa');
hold off;
3 G& ^0 [; Y8 V. B figure;
8 @' F, |% L& w1 ` plot(tt(2,:),'-+');
- A- E- T. O6 \9 ~1 Z; Z' F hold on;
plot(ty2,'r:o');
legend('原始目标值','预测值');
title('断裂伸长率的RBF网络模型预测结果输出曲线');
xlabel('输入样本点');
% h7 x6 ~0 G& P5 ?% ^9 G; h# _: y ylabel('断裂伸长率/%');
/ c$ z2 C( k6 k" {& j" N. X# v9 C hold off