0 引言

BP神经网络是常用的工程预测方法之一。常用的实现方式有直接编程（by：python/matlab等）和matlab神经网络工具箱。直接编程的优势在于算法可解释且灵活性高，采用matlab神经网络工具箱的优势在于方便快捷直观。本篇主要介绍matlab神经网络工具箱的使用方法。2024a版本的matlab对该工具箱做了一定的更新（与2021版本相比），所以本篇以2024a版本为载体讲解。

1 正文

1.1 训练模型

第一步，打开神经网络拟合app。

第二步，在网络中直接导入数据。要注意数据导入类型为数值矩阵，以及区分预测变量和响应及对应的矩阵行列类型。

第三步，导入完成后点击训练。在工具栏中可以查看反应模型效果的各种图表。到此，模型训练完成。（注意模型参数R要符合要求，不符合需求可以重复训练）

1.2 保存模型

相比于之前版本的matlab，2024a将输出模型都放在了工具栏，使用者根据自己的需求输出模型。本篇输出常用的简易训练工作流模型。

导出mat文件和m文件以及训练数据在同一路径下。

至此，保存就完成了。

1.3 使用模型预测

为了验证我们模型的准确性或使用训练好的模型，可以再手动测试一下我们的模型或直接进行预测任务。测试很容易这里不提。只说一下使用方法。

1.首先打开刚刚保存的m文件，在将预测数据导入matlab（同一路径下）。

2.运行后在命令窗使用sim函数预测。eg.predict_y=sim(net,predict_input')

3.生成的预测数据可以在命令窗通过xlswrite函数写入excel文件eg.xlswrite("predict_target.xlsx",predict_y)

结束

需要模拟数据可以后台私信。