• 大小: 2KB
    文件类型: .zip
    金币: 2
    下载: 1 次
    发布日期: 2021-07-28
  • 语言: Matlab
  • 标签: Elman  预测模型  

资源简介

完整的Elman神经网络预测模型,包含相关的数据 可在matlab2016a中运行。

资源截图

代码片段和文件信息

%%  案例18: 基于Elman神经网络的电力负荷预测模型研究



该案例作者申明: 1:本人长期驻扎在此板块里,对该案例提问,做到有问必答。 2:此案例有配套的教学视频,配套的完整可运行Matlab程序。 3:以下内容为该案例的部分内容(约占该案例完整内容的1/10)。 4:此案例为原创案例,转载请注明出处(Matlab中文论坛,《Matlab神经网络30个案例分析》)。 5:若此案例碰巧与您的研究有关联,我们欢迎您提意见,要求等,我们考虑后可以加在案例里。 6:您看到的以下内容为初稿,书籍的实际内容可能有少许出入,以书籍实际发行内容为准。 7:此书其他常见问题、预定方式等,请点击这里。




%% 清空环境变量

clc;
clear all
close all
nntwarn off;

%% 数据载入

load data;
a=data;

%% 选取训练数据和测试数据

for i=1:6
    p(i:)=[a(i:)a(i+1:)a(i+2:)];
end
% 训练数据输入
p_train=p(1:5:);
% 训练数据输出
t_train=a(4:8:);
% 测试数据输入
p_test=p(6:);
% 测试数据输出
t_test=a(9:);

% 为适应网络结构 做转置

p_train=p_train‘;
t_train=t_train‘;
p_test=p_test‘;


%% 网络的建立和训练
% 利用循环,设置不同的隐藏层神经元个数
nn=[7 11 14 18];
for i=1:4
    threshold=[0 1;0 1;0 1;0 1;0 1;0 1;0 1;0 1;0 1];
    % 建立Elman神经网络 隐藏层为nn(i)个神经元
    net=newelm(threshold[nn(i)3]{‘tansig‘‘purelin‘});
    % 设置网络训练参数
    net.trainparam.epochs=1000;
    net.trainparam.show=20;
    % 初始化网络
    net=init(net);
    % Elman网络训练
    net=train(netp_traint_train);
    % 预测数据
    y=sim(netp_test);
    % 计算误差
    error(i:)=y‘-t_test;
end

%% 通过作图 观察不同隐藏层神经元个数时,网络的预测效果

plot(1:1:3error(1:)‘-ro‘‘linewidth‘2);
hold on;
plot(1:1:3error(2:)‘b:x‘‘linewidth‘2);
hold on;
plot(1:1:3error(3:)‘k-.s‘‘linewidth‘2);
hold on;
plot(1:1:3error(4:)‘c--d‘‘linewidth‘2);
title(‘Elman预测误差图‘)
set(gca‘Xtick‘[1:3])
legend(‘7‘‘11‘‘14‘‘18‘‘location‘‘best‘)
xlabel(‘时间点‘)
ylabel(‘误差‘)
hold off;

web browser http://www.ilovematlab.cn/viewthread.php?tid=63640
%%
%

版权所有:% href=“http://www.ilovematlab.cn/“>Matlab中文论坛   ript
% src=“http://s3.cnzz.com/stat.php?id=971931&web_id=971931&show=pic“ language=“javascript“ >
ript> 

%

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件        3258  2018-12-26 14:05  Elman神经网络预测模型研究\chapter18.m
     文件         406  2018-12-26 14:05  Elman神经网络预测模型研究\data.mat
     目录           0  2019-04-18 15:21  Elman神经网络预测模型研究\

评论

共有 条评论