⑴ 设计基于BP神经网络的货运量预测模型，利用MATLAB软件的GUI功能实现货运量的自动预测。
我整理好发送你。
⑵ 一个简单的Bp神经网络分类预测程序，使用如下图所示的数据进行训练，能量和熵值作为输入，Ra为输出
这个不难吧，具
⑶ 求解！基于matlab利用BP神经网络预测未来多年（10年）的能源消耗量。
这么大的课题，已经可以算上硕士论文的级别了。建议与国内实力较强的高校联手来做这个课题吧。
⑷ 求一个基于BP神经网络的时间序列matlab仿真的完整预测 程序
nntool。调用工具箱
⑸ 如何用BP神经网络实现预测
BP神经网络具有任意复杂的模式分类能力和优良的多维函数映射能力，解决了简单感知器不能解决的异或(Exclusive OR，XOR)和一些其他问题。从结构上讲，BP网络具有输入层、隐藏层和输出层；从本质上讲，BP算法就是以网络误差平方为目标函数、采用梯度下降法来计算目标函数的最小值。
⑹ BP神经网络预测
参看附件代码，代码中的数据已经归一化，如果你自己的数据应使用mapminmax函数进行归一化。
newff函数的格式为：
net=newff(PR,[S1 S2 ...SN],{TF1 TF2...TFN},BTF,BLF,PF），函数newff建立一个可训练的前馈网络。输入参数说明：
PR：Rx2的矩阵以定义R个输入向量的最小值和最大值；
Si：第i层神经元个数；
TFi：第i层的传递函数，默认函数为tansig函数；
BTF：训练函数，默认函数为trainlm函数；
BLF：权值/阀值学习函数，默认函数为learngdm函数；
PF：性能函数，默认函数为mse函数。
⑺ 该代码为基于bp神经网络的预测算法怎么看
BP（Back Propagation）神经网络是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层（input）、隐层(hidden layer)和输出层(output layer)。
上传的m文件里是一个电力系统负荷预测的实例，用的是最简单的BP算法，你可以参考。
很抱歉，回答者上传的附件已失效
⑻ bp神经网络股票价格预测的MATLAB编程
P=[];‘输入，开盘价，最高价，最低价，收盘价成交量依次5天的数据’
T=[];’输出，即第二日的收盘’
net=newff(minmax(P),[7,1],{'tansig','logsig'},'traingdx');
net.trainParam.epochs=1000; ‘最大训练次数，根据需要可自行调节’
net.trainParam.goal=0.01; ‘误差’
net.trainParam.lr=0.01; ‘学习率’
net=train(net,P,T); ‘训练网络’
test=[];‘待预测数据输入’
out=sim(net,test); ‘仿真预测’
我的这个程序没有进行初始化，你还需要先将数据进行初始化后才能算。
⑼ 我用bp神经网络做预测，改变输入节点和隐层节点数，想找到最优节点，为什么每次算出来都不一样
输入向量方案由你自己定，把可能影响未来值的因素都量化作为输入，这个不需要你优化。
而隐层节点数一般通过经验法和试凑法得到。神经网络训练时是充满随机性的，基本上不可能每次都收敛到一个相同的权值组合上，所以每次网络的输出（即你的预测值）都是不一样的。你可以多进行几轮试凑，看每次试凑得到的最佳隐层节点数是否很接近，接近的话说明当隐层节点数取这个值时，网络性能较稳定，就可以直接将这个值作为S1。