神经网络时间序列预测源代码适合初学者

先加载excel文件中的数据，再训练，最后预测出未来几步的数据走势。预测步数可以自己设定。文本和程序注释有详细说明。

%% 清空环境变量
clc;
clear all
close all
nntwarn off;
%% 数据载入
aa=xlsread（‘test.xls‘‘sheet3‘‘a1:a41‘）;
lag=4;    % 自回归阶数
iinput=aa; % x为原始序列（行向量）
n=length（iinput）;
%准备输入和输出数据
inputs=zeros（lagn-lag）;%产生log行n-log列的元素为0的矩阵因为是两阶的。所以是两个数据预测第三个数据。
for i=1:n-lag
    inputs（:i）=iinput（i:i+lag-1）‘;
end
targets=aa（lag+1:end）;
targets=targets‘;%将目标矩阵转置，与inputs矩阵对应使两个矩阵列数相等（与原始数据是横还是列数据有关）
%创建网络
hiddenlayerSize = 10; %隐藏层神经元个数
net = fitnet（hiddenlayerSize）;%以隐藏层神经元的个数来建立网络
% 避免过拟合，划分训练，测试和验证数据的比例
net.divideParam.trainRatio = 70/100;
net.divideParam.valRatio = 15/100;
net.divideParam.testRatio = 15/100;

%训练网络
[nettr] = train（netinputstargets）;%trian训练函数，trian（网络结构，输入数据，对应的目标数据）
%% 根据图表判断拟合好坏
yn=net（inputs）;
errors=targets-yn;
figure ploterrcorr（errors）                      %绘制误差的自相关情况（20lags）
figure parcorr（errors）                          %绘制偏相关情况
%[hpValuestatcValue]= lbqtest（errors）         %Ljung－Box Q检验（20lags）
figureplotresponse（con2seq（targets）con2seq（yn）） %看预测的趋势与原趋势
%figure ploterrhist（errors）                      %误差直方图
%figure plotperform（tr）                          %误差下降线
%% 下面预测往后预测几个时间段
fn=10;  %比如预测步数为fn。
f_in=iinput（n-lag+1:end）;%原来给出的数据末尾几个数据作为预测的开始输入，具体是几个数据与自回归阶数log有关，log是几就以多少个末尾数据作为预测的输入。f_in=iinput（n-lag+1:end）‘;加不加转置与所给的数据是横还是列有关
f_out=zeros（1fn）;  %预测输出
% 多步预测时，用下面的循环将网络输出重新输入

for i=1:fn
    f_out（i）=net（f_in）;
    f_in=[f_in（2:end）;f_out（i）];
end
% 画出预测图
figureplot（1:niinput‘b-s‘n:n+fn[iinput（end）f_out]‘r-d‘）

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       1872  2016-08-23 09:54  神经网络训练预测\Neizupre.m

     文件      19968  2016-08-23 09:49  神经网络训练预测\test.xls

     文件         52  2016-08-23 10:34  神经网络训练预测\使用说明.txt

     目录          0  2016-08-23 10:34  神经网络训练预测

----------- ---------  ---------- -----  ----

                21892                    4