bp神经网络时序预测代码python

BP神经网络是一种常用的机器学习模型，可用于时序预测等问题。以下是一个使用Python编写的简单的BP神经网络时序预测代码示例：

import numpy as np

class BPNN:
    def __init__(self, input_size, hidden_size, output_size):
        self.input_size = input_size
        self.hidden_size = hidden_size
        self.output_size = output_size

        self.W1 = np.random.randn(self.input_size, self.hidden_size)
        self.W2 = np.random.randn(self.hidden_size, self.output_size)

    def sigmoid(self, x):
        return 1 / (1 + np.exp(-x))

    def forward(self, x):
        self.z2 = np.dot(x, self.W1)
        self.a2 = self.sigmoid(self.z2)
        self.z3 = np.dot(self.a2, self.W2)
        y_pred = self.sigmoid(self.z3)
        return y_pred

    def sigmoid_prime(self, x):
        return x * (1 - x)

    def backward(self, x, y, y_pred, lr):
        delta3 = (y_pred - y) * self.sigmoid_prime(y_pred)
        dW2 = np.dot(self.a2.T, delta3)
        
        delta2 = np.dot(delta3, self.W2.T) * self.sigmoid_prime(self.a2)
        dW1 = np.dot(x.T, delta2)

        self.W1 -= lr * dW1
        self.W2 -= lr * dW2

    def train(self, X, Y, epochs=1000, lr=0.1):
        for i in range(epochs):
            y_pred = self.forward(X)
            self.backward(X, Y, y_pred, lr)

    def predict(self, X):
        y_pred = self.forward(X)
        return y_pred

if __name__ == '__main__':
    # 生成样本数据
    X = np.array([[0.2], [0.4], [0.6], [0.8], [1.0]])
    Y = np.array([[0.4], [0.5], [0.6], [0.7], [0.8]])

    # 创建BP神经网络
    nn = BPNN(1, 3, 1)

    # 训练模型
    nn.train(X, Y)

    # 预测结果
    x_test = np.array([[1.2]])
    y_pred = nn.predict(x_test)
    print("预测结果：", y_pred)

以上代码实现了一个简单的BP神经网络，其中`train()`函数用于训练模型，`predict()`函数用于预测结果。在训练时需要提供输入数据`X`和对应的输出数据`Y`，可以通过调整学习率和迭代次数等超参数来优化模型效果。