import?tensorflow?as?tf
import?numpy?as?np
import?matplotlib.pyplot?as?plt
import?pandas?as?pd
from?sklearn.preprocessing?import?MinMaxScaler
import?time
import?random

minMax1?=?MinMaxScaler（）??#?minmax
tpot_data?=?pd.read_excel（‘S2_date_6-6_new.xlsx‘）??#?data?load
tpot_data?=?tpot_data.dropna（）??#?delete?NAN
tpot_data?=?tpot_data[:5000]??#?delete?NAN
print（len（tpot_data））
targcts?=?tpot_data[‘S2[MW]‘].values
tpot_data[“DATE“]?=?tpot_data[“DATE“].astype（np.int64）/np.max（tpot_data[“DATE“].astype（np.int64））*10
features?=?minMax1.fit_transform（tpot_data.drop（‘S2[MW]‘?axis=1））??#?feature

#?num?=?18202
num?=?4000
training_features?testing_features?training_target?testing_target?=?\
????????features[:num]?features[num:-1]?targcts[:num]?targcts[num:-1]
batch_start?=?0
NN?=?0
print（len（training_target））
print（len（testing_target））


def?get_batch（input_size?batch_size?time_step?target?feature）:
????global?batch_start
????print（“start:“?batch_start）
????sxs?=?np.arange（batch_start?batch_start?+?time_step?*?batch_size）.reshape（（batch_size?time_step））
????#?構造數組?batch?*?steps?=?100?*?10?=?1000行數據
????#?sxs?reshape?（100batch?10steps）
????#?循環過程每次輸入10行數據，輸入100次

????xs?=?feature[batch_start:?batch_start+time_step*batch_size]
????ys?=?target[batch_start:?batch_start+time_step*batch_size]
????#?構造數組?batch?*?1steps?=?10?*?100?=?1000行數據

????#?print（‘時間段?=‘?batch_start?batch_start?+?time_step?*?batch_size）
????#?輸出當前狀態（起點位置?終點位置）

????seq?=?xs.reshape（（batch_size?time_step?input_size））
????#?xs?reshape?（100batch?10steps?len（input））
????res?=?ys.reshape（（batch_size?time_step?1））
????#?ys?reshape?（100batch?10steps?len（output））
????batch_start?+=?time_step

????return?[seq?res?sxs]
????#?feature（batch?step?input）?target（batch?step?output）?aggregated?data（batch?step?input?+?output）


def?function（ps?test?le）:
????ss?=?100?-?np.sum（np.abs（test?-?ps））/le
????return?ss


class?LSTMRNN（object）:
????def?__init__（self?n_steps?input_size?output_size?cell_size?batch_size?LR）:
????????self.n_steps?=?int（n_steps）
????????self.input_size?=?int（input_size）
????????self.output_size?=?int（output_size）
????????self.cell_size?=?int（cell_size）??#?記憶單元維度
????????self.batch_size?=?int（batch_size）
????????if?NN?!=?0:
????????????tf.reset_default_graph（）
????????with?tf.name_scope（‘inputs‘）:
????????????self.xs?=?tf.placeholder（tf.float32?[None?n_steps?input_size]?name=‘xs‘）
????????????self.ys?=?tf.placeholder（tf.float32?[None?n_steps?output_size]?name=‘ys‘）
????????with?tf.variable_scope（‘in_hidden‘）:
????????????self.add_input_layer（）
????????with?tf.variable_scope（‘LSTM_cell‘）:
????????????self.add_cell（）
????????with?tf.variable_scope（‘out_hidden‘）:
????????????self.add_output_layer（）
????????with?tf.name_scope（‘cost‘）:
????????????self.compute_cost（）
????????with?tf.name_scope（‘train‘）:
????????????self.train_op?=?tf.train.AdamOptimizer（LR）.minimize（sel