%%%使用BPTT算法完成Elman網絡的訓練
%%?程序說明
%??1、數據為7天，四個時間點的空調功耗，用前三個推測第四個訓練，依次類推。第七天作為檢驗
%??2、Elman網絡輸入結點為12，輸出結點為4個，隱藏結點18個
clear?all;
clc;
%%?加載數據并進行歸一化處理
[train_datatest_data]=Elman_data_process（）;
data_length=size（train_data1）;????????????%每個樣本的長度
data_num=size（train_data2）;???????????????%樣本數目?
%%?網絡參數初始化
%結點數目設置
input_layer_num=data_length;
hidden_layer_num=18;
output_layer_num=size（test_data1）;
%權重初始化
weight_input_hidden=rand（hidden_layer_numinput_layer_num）/1000;
weight_prehidden_hidden=rand（hidden_layer_numhidden_layer_num）/1000;
weight_hidden_output=rand（output_layer_numhidden_layer_num）/1000;
output_state=zeros（output_layer_num3）;
%%?網絡訓練學習部分??采用BPTT算法
yita=0.001;??????????????%每次迭代的步進
for?num=1:4000
for?t=1:3???????%%時間步，使用三推一
????%從輸入到隱層
????if?（t==1）
????????pre_hidden_state=weight_input_hidden*train_data（:t）;
????else
???????pre_hidden_state=weight_input_hidden*train_data（:t）+weight_prehidden_hidden*hidden_state（:t-1）;
????end

????%從隱層到輸出
????for?n=1:hidden_layer_num
????????hidden_state（nt）=1/（1+exp（-pre_hidden_state（n:）））;??????????????%%通過sigmoid函數
????end
????output_state（:t）=weight_hidden_output*hidden_state（:t）;

????%誤差計算
????Error=output_state（:t）-test_data（:t）;
????Error_cost（1num）=sum（（output_state（:t）-test_data（:t））.^2）;
????if（Error_cost（1num）<1e-4）
????????break;
????end
????%權值更新
????[weight_input_hiddenweight_prehidden_hiddenweight_hidden_output]=updata_weight（tyitaErrortrain_datahidden_stateweight_input_hiddenweight_prehidden_hiddenweight_hidden_output）;

end
????if（Error_cost（1num）<1e-4）
????????break;
????end
end
%%?繪制COST曲線
for?n=1:1:num
????text（nError_cost（1n）‘*‘）;
????axis（[0num01]）;
????xlabel（‘迭代次數‘）;
????ylabel（‘誤差‘）;
end
%%?結果檢驗
%%由前1-3天=>第4天
pre_hidden_state=weight_input_hidden*train_data（:1）;
for?n=1:hidden_layer_num
????hidden_state（n1）=1/（1+exp（-pre_hidden_state（n:）））;??????????????%%通過sigmoid函數
end
output_state（:1）=weight_hidden_output*hidden_state（:1）;
for?i=4:7
fprintf（‘第%d天前面3天推測第%d天的結果%d?\n‘iioutput_state（i-33））;
fprintf（‘真實第%d天結果%d?\n‘itest_data（i-34））;
end
%使用第七組檢驗
test_final=[0.4557?0.4790?0.7019?0.8211?0.4601?0.4811?0.7101?0.8298?0.4612?0.4845?0.7188?0.8312]‘;
test_final=test_final/sqrt（sum（test_final.^2））;
test_output=test_data（:4）;
pre_hidden_state=weight_input_hidden*test_final+weight_prehidden_hidden*hidden_state（:3）;
for?n=1:hidden_layer_num
????hidden_state1（n1）=1/（1+exp（-pre_hidden_state（n:）））;??????????????%%通過sigmoid函數
end
t_output=weight_hidden_output*hidden_state1（:1）;
test_output;
%計算誤差度
wucha=sum（abs（test_output-t_output）./t_output）/4

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----
?????文件?????1084464??2019-08-16?00:32??賈偉偉_RNN算法推導過程及代碼.pdf
?????文件????????2899??2019-08-15?17:21??運行代碼\Elman_BPTT.m
?????文件????????1304??2019-08-15?16:42??運行代碼\Elman_data_process.m
?????文件????????1324??2019-08-15?16:42??運行代碼\updata_weight.m
?????文件??????594299??2019-08-16?00:30??RNN算法推導過程及代碼.docx