径向基函数神经网络拟合轨道高度500km的空间干扰力矩的matlab代码

以下是一个简单的径向基函数神经网络拟合轨道高度500km的空间干扰力矩的 Matlab 代码：

% 轨道高度
h = 500; % km

% 读取数据
data = load('data.mat');

% 将数据划分为训练集和测试集
[trainInd, valInd, testInd] = dividerand(size(data,1),0.6,0.2,0.2);
trainData = data(trainInd,:);
valData = data(valInd,:);
testData = data(testInd,:);

% 训练径向基函数神经网络
hiddenLayerSize = 10;
net = newrb(trainData(:,1:2)',trainData(:,3)',0,1,hiddenLayerSize);
net.trainParam.showWindow = false;

% 测试网络性能
trainPred = net(trainData(:,1:2)');
trainRMSE = sqrt(mean((trainPred - trainData(:,3)').^2));
valPred = net(valData(:,1:2)');
valRMSE = sqrt(mean((valPred - valData(:,3)').^2));
testPred = net(testData(:,1:2)');
testRMSE = sqrt(mean((testPred - testData(:,3)').^2));

% 绘制拟合结果
figure;
plot3(trainData(:,1),trainData(:,2),trainData(:,3),'b.');
hold on;
plot3(valData(:,1),valData(:,2),valData(:,3),'g.');
plot3(testData(:,1),testData(:,2),testData(:,3),'r.');
[x,y] = meshgrid(0:0.1:1,0:0.1:1);
z = net([x(:)';y(:)']);
z = reshape(z,size(x));
surf(x,y,z);
xlabel('X');
ylabel('Y');
zlabel('Z');
title(['RBFN Fit to Orbit Height = ',num2str(h),' km']);
legend('Train Data','Validation Data','Test Data','RBFN Fit');

其中，`data.mat` 是一个包含了轨道高度为 500km 时空间干扰力矩数据的 Matlab 数据文件，每一行包含了输入变量 X1、X2 和输出变量 Y：

X1 X2 Y
0.1 0.2 0.3
0.2 0.3 0.4
0.3 0.4 0.5
...

代码中使用了 `newrb` 函数来构建径向基函数神经网络，该函数的参数含义如下：

net = newrb(P,T,GOAL,SPREAD,MN,DF)

- `P`：输入数据，每一列是一个输入变量，每一行是一个样本。
- `T`：输出数据，每一行是一个样本的输出。
- `GOAL`：训练目标，通常为 0。
- `SPREAD`：径向基函数的宽度，通常为 1。
- `MN`：神经网络的最小值，通常为 -1。
- `DF`：神经网络的最大值，通常为 1。

训练好的神经网络可以使用 `net` 函数来进行预测，例如：

yPred = net(x);

其中，`x` 是一个输入样本，`yPred` 是对应的网络预测输出。