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！
. V0 I. Z1 _* b
%  聚丙烯/蒙脱土纳米复合材料的双指标性能的RBF预测模型
%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
1 20 100 34.49 34.7
1 30 50 34.38 18.7
3 10 50 33.44 21.3
- v0 H; m$ s% v9 ~9 @/ X3 20 80 33.23 21.3
3 30 100 33.58 20.0
5 10 100 31.89 20.0
* X6 ?  K# K% o( d1 `" F7 o5 K4 d( v5 20 50 29.51 25.3
0 [9 e0 `  \' C5 l! V! r7 w5 30 80 31.59 25.3];
/ |# w" `: q! ~6 r7 F, Nt_data=t_data';
tt1=t_data(4:5,:);
3 _% Y5 k' m# N2 O! m( W%t_data分别表示归一化后的向量
0 P. T2 f, w' w: r/ M4 S+ H# vfor i=1:5
    t_data(i,:)=(t_data(i,:)-min(t_data(i,:)))/(max(t_data(i,:))-min(t_data(i,:)));
end
. S/ ?/ v# y( ht_data=t_data';
%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;
%定义delta平方为样本各点的协方差之和
delta=cov(x');
7 o  f; T  p5 J$ l: s. k. {1 fdelta=sum(delta);
%隐含层输出R
: a2 [6 Z5 P. r8 ]3 j" P; Zfor i=1:1:9
) e* q/ @9 x! x  ^- H  for j=1:1:9
     R(i,j)=((x(i,:)-c(j,:)))*((x(i,:)-c(j,:))');
' F5 P! K. K3 L3 N2 M- H4 `, A1 c     R(i,j)=exp(-R(i,j)./delta(j));
% A0 f+ j( }! L% o: \9 D  J) @) n8 B  end
end
%输入向量p
8 s( j6 f3 [7 O0 pp=R;
. S# h- G0 u# {8 x9 h3 A%建立神经网络模型
% v7 q9 `3 s# j. U1 _9 o, I, t- zr=radbas(p);
err_goal=0.001;
sc=3;
net=newrb(p,tt,err_goal,sc,1000,1);
%测试
* E, y6 O0 @9 bty=sim(net,p);
tE=tt-ty;
" K$ i/ ~! W% C# ], l! ztSSE=sse(tE);
$ z4 n5 y& D" p2 J( TtMSE=mse(tE);
tt=tt1;
& A1 R# ^$ s4 k6 Ety1=ty(1,:)*(max(tt(1,:))-min(tt(1,:)))+min(tt(1,:));
ty2=ty(2,:)*(max(tt(2,:))-min(tt(2,:)))+min(tt(2,:));
6 \0 L; L2 K  {' H" Z, t%预测(测试）曲线
figure;
( S/ u$ ^8 W! h& I" P0 t% j plot(tt(1,:),'-+');
8 M) ?; k' Y; o0 Z! f; F hold on;
plot(ty1,'r:*');
/ H% x8 B8 s6 U 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');
xlabel('输入样本点');
* G( ?, T- ^3 M7 w6 C: h ylabel('拉伸强度/Mpa');
hold off;
figure;
plot(tt(2,:),'-+');
: D+ q" L8 r5 g% R1 ^0 B hold on;
7 D- T( k4 [; Q plot(ty2,'r:o');
# j; A) n6 U5 G1 A# a2 w! g 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');
0 t1 e( b) i3 H& p. p: U% B) L xlabel('输入样本点');
ylabel('断裂伸长率/%');
hold off