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！

3 t, l: q3 @* p2 E%  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=[
/ ]8 s- n! D/ D$ T  |3 }6 `2 A1 10 80 33.92 69.3
1 f1 Y7 Q4 b1 o0 S2 Y1 [( F0 |1 20 100 34.49 34.7
& k2 P  W5 ?; _: \& v1 30 50 34.38 18.7
3 10 50 33.44 21.3
3 20 80 33.23 21.3
3 N. b1 l6 [3 z- `  q) f3 30 100 33.58 20.0
* G0 N; a5 N$ N- Q2 N3 o5 10 100 31.89 20.0
6 _$ U$ M! n  C  ^& L9 [" K5 20 50 29.51 25.3
% J! P2 h7 {5 R5 N0 L5 30 80 31.59 25.3];
t_data=t_data';
2 f: V: @, u1 Rtt1=t_data(4:5,:);
: Y! w! a; k+ ^7 Z  ^%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,:)));
0 y3 H3 Z$ [2 Hend
t_data=t_data';
+ h+ R* X: L$ H0 x%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';
% w+ T8 D, Q! j  C%随机选取中心
c=x;
4 }- p) j5 ~& [+ \5 n7 A' s$ F%定义delta平方为样本各点的协方差之和
delta=cov(x');
$ E+ K4 b# y" C' ?delta=sum(delta);
# X$ p# J4 M, q/ e6 F( Z%隐含层输出R
; K( Z7 X5 c5 tfor i=1:1:9
  for j=1:1:9
     R(i,j)=((x(i,:)-c(j,:)))*((x(i,:)-c(j,:))');
8 X* u) @: \! v$ O% v9 S     R(i,j)=exp(-R(i,j)./delta(j));
  end
end
%输入向量p
7 X* L, q) g: C; p/ up=R;
0 |# r( T' X6 P6 `3 t2 ^%建立神经网络模型
  M! J5 B: I8 ]8 y+ P, e4 ~& ]5 sr=radbas(p);
' U0 m4 d, R+ ], b: ^  v" {err_goal=0.001;
  e( j: l. q* y: H* Ysc=3;
7 T7 _: g/ H7 n8 k! |: j, tnet=newrb(p,tt,err_goal,sc,1000,1);
%测试
ty=sim(net,p);
tE=tt-ty;
tSSE=sse(tE);
% U* {% M! O2 \1 L6 V* C; s9 ttMSE=mse(tE);
7 f, O  H4 P2 mtt=tt1;
" o0 [1 s8 g5 {ty1=ty(1,:)*(max(tt(1,:))-min(tt(1,:)))+min(tt(1,:));
ty2=ty(2,:)*(max(tt(2,:))-min(tt(2,:)))+min(tt(2,:));
%预测(测试）曲线
figure;
plot(tt(1,:),'-+');
hold on;
plot(ty1,'r:*');
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');
' n& M* f) G" x0 @1 n% Q xlabel('输入样本点');
# m. f5 c: {' S( S' N  O, W* X9 G( {$ f ylabel('拉伸强度/Mpa');
0 {; o& b$ H3 B1 l hold off;
figure;
plot(tt(2,:),'-+');
hold on;
plot(ty2,'r:o');
) F( s1 n. ^% H% N4 {2 K3 } legend('原始目标值','预测值');
2 u7 k" ^2 X, k1 n( d 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');
ylabel('断裂伸长率/%');
hold off