clearclc
close?all


price?=[
???66.8000
???68.1000
???66.9000
???67.3000
???70.7000
???72.7000
???72.7000
???74.9000
???73.8000
???75.6000
???78.1000
???78.6000
???79.0000
???79.4000
???80.2000
???81.2000
???81.9000
???82.5000
???83.0000
???83.2000
???85.6000
???86.6000
???88.8000
???91.0000
???93.3000
???93.5000
???94.9000
???97.4000
???96.3000
???96.5000
???96.4000
???97.5000
???98.0000
???99.4000
??100.1000];

whos
rng（now）

%%?2.構造樣本集
%?數據個數
n=length（price）;

%?確保price為列向量
price=price（:）;

%?x（n）?由x（n-1）x（n-2）...x（n-L）共L個數預測得到，相當于輸入層.
L?=?6;

%?price_n：每列為一個構造完畢的樣本，共n-L個樣本
price_n?=?zeros（L+1?n-L）;
for?i=1:n-L
????price_n（:i）?=?price（i:i+L）;
end

%%?劃分訓練、測試樣本
%?將前17份數據劃分為訓練樣本
%?后24份數據劃分為測試樣本，輸入層

trainx?=?price_n（1:6?1:17）;
trainy?=?price_n（7?1:17）;

testx?=?price_n（1:6?18:end）;
testy?=?price_n（7?18:end）;

%%?創建Elman神經網絡

%?包含12個神經元，訓練函數為traingdx，隱含層
net=elmannet（1:212‘traingdx‘）;

%?設置顯示級別
net.trainParam.show=1;

%?最大迭代次數為1000次
net.trainParam.epochs=1000;

%?誤差容限，達到此誤差就可以停止訓練
net.trainParam.goal=0.00001;

%?最多驗證失敗次數
net.trainParam.max_fail=5;

%?對網絡進行初始化
net=init（net）;

%%?網絡訓練

%訓練數據歸一化
[trainx1?st1]?=?mapminmax（trainx）;
[trainy1?st2]?=?mapminmax（trainy）;

%?測試數據做與訓練數據相同的