Elman神经网络的数据预测—电力负荷预测模型研究

Elman神经网络的数据预测—电力负荷预测模型研究的matlab程序

%%  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        3344  2010-01-31 11:15  案例18 Elman神经网络的数据预测—电力负荷预测模型研究\chapter18.m
     文件         406  2009-10-25 16:29  案例18 Elman神经网络的数据预测—电力负荷预测模型研究\data.mat