%總共10天的數據選取前面9天的數據作為神經網絡的訓練樣本，每3天的負荷作為輸入向量，
%第四天的負荷作為目標向量，這樣可以得到6組訓練樣本。第10天的數據作為網絡的測試樣本
%驗證網絡能否準確預測當天的負荷數據
clear?all
clc
%?close?all
%?nntwarn?off;
%導入題中所給樣本數據
a=[0.37?0.51?0.71;...
????0.12?0.17?0.88;...
????0.32?0.99?0.69;...
????0.13?0.55?0.63;...
????0.11?0.42?0.84;...
????0.24?0.53?0.71;...
????0.33?0.44?0.9;...
????0.19?0.66?0.44;...
????0.31?0.67?0.49;...
????0.37?0.51?0.71];

%%%%%%%%%%選取訓練數據和測試數據%%%%%%%%%%%%%
for?i=1:7
????p（i:）=[a（i:）a（i+1:）a（i+2:）];
end
%?訓練數據輸入
p_train=p（1:6:）;
%?訓練數據輸出
t_train=a（4:9:）;
%?測試數據輸入
p_test=p（7:）;
%?測試數據輸出
t_test=a（10:）;

%為適應網絡結構對數據做轉置處理
p_train=p_train‘;
t_train=t_train‘;
p_test=p_test‘;


%%%%%%%%%%%網絡的建立和訓練%%%%%%%%%%%%%%%%%
%設置不同的隱藏層神經元個數
nn=[5?10?15?20];
for?i=1:4
????threshold=[0?1;0?1;0?1;

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----

?????文件???????2109??2015-10-25?17:30??基于Elman神經網絡的電力負荷預測\demo1.m

?????目錄??????????0??2015-10-25?17:40??基于Elman神經網絡的電力負荷預測

-----------?---------??----------?-----??----

?????????????????2109????????????????????2