基于Elman神经网络的电力负荷预测

%总共10天的数据选取前面9天的数据作为神经网络的训练样本，每3天的负荷作为输入向量，
%第四天的负荷作为目标向量，这样可以得到6组训练样本。第10天的数据作为网络的测试样本
%验证网络能否准确预测当天的负荷数据
clear all
clc
% close all
% nntwarn off;
%导入题中所给样本数据
a=[0.37 0.51 0.71;...
    0.12 0.17 0.88;...
    0.32 0.99 0.69;...
    0.13 0.55 0.63;...
    0.11 0.42 0.84;...
    0.24 0.53 0.71;...
    0.33 0.44 0.9;...
    0.19 0.66 0.44;...
    0.31 0.67 0.49;...
    0.37 0.51 0.71];

%%%%%%%%%%选取训练数据和测试数据%%%%%%%%%%%%%
for i=1:7
    p（i:）=[a（i:）a（i+1:）a（i+2:）];
end
% 训练数据输入
p_train=p（1:6:）;
% 训练数据输出
t_train=a（4:9:）;
% 测试数据输入
p_test=p（7:）;
% 测试数据输出
t_test=a（10:）;

%为适应网络结构对数据做转置处理
p_train=p_train‘;
t_train=t_train‘;
p_test=p_test‘;


%%%%%%%%%%%网络的建立和训练%%%%%%%%%%%%%%%%%
%设置不同的隐藏层神经元个数
nn=[5 10 15 20];
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]{