load?P;
load?T;
threshold=[0?1;0?1;0?1;0?1;0?1;0?1;0?1;0?1;0?1;0?1;0?1;0?1;0?1;0?1;0?1];?%設置輸入向量閾值，輸入向量15維數據的取值均在[0?1]之間
net=newff（PT[31?12]{‘tansig‘‘logsig‘}‘trainlm‘）;?%建立BP網絡，輸入層神經元有15個，根據Kolmogorov定理，網絡中間層神經元可以取31個。輸出層神經元12個。網絡中間層神經元傳遞函數采用S型正切函數tansig（），輸出層神經元傳遞函數采用S型對數函數logsig（）。這是因為網絡的輸出位于區間[01]中，正好滿足網絡輸出的要求。trainlm?表示設定網絡的訓練函數為trainlm（），它采用Levenberg-Marquardt算法進行網絡學習
net.trainParam.epochs=1000;?%訓練次數為1000
net.trainParam.goal=0.01;?%訓練目標為0.01
LP.lr=0.1;?%學習速率為0.1
net=train（netPT）;?%訓練網絡，P為輸入向量，T為目標向量
%?P_test=[0.2123?0.1257?0.1343?0.2079?0.5579?0.5716?0.7059?0.7145?0.7205?0.7401?0.8019?0.8136?0.2317?0.2936?0]‘;?%利用2004-7-20的電力負荷和21日的氣象特征數據預測21日用電負荷
Out=sim（netP）?%?輸出仿真結果

%繪制預測誤差曲線

plot（1:12T-Out）

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

?????文件????????960??2012-03-23?13:14??BP神經網絡短期負荷預測\main.asv

?????文件????????958??2012-03-23?13:15??BP神經網絡短期負荷預測\main.m

?????文件???????1137??2012-03-23?10:23??BP神經網絡短期負荷預測\P.mat

?????文件???????1152??2012-03-23?13:10??BP神經網絡短期負荷預測\T.mat

?????文件??????11748??2012-03-23?10:17??BP神經網絡短期負荷預測\X.xlsx

?????目錄??????????0??2012-03-23?13:14??BP神經網絡短期負荷預測

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

????????????????15955????????????????????6