建设营销型网站服务,外贸大楼,网站建设 统一质量标准,wordpress数据库在哪%% 清空环境变量 clc clear close all format compact %% 网络结构建立 %% 清空环境变量 clc clear close all format compact %% 网络结构建立 %读取数据 dataxlsread(天气_电量_数据.xlsx,C12:J70);%前7列为每个时刻的发电量 最后列为天气 for i1:58 input(i,:)[data…%% 清空环境变量 clc clear close all format compact %% 网络结构建立 %% 清空环境变量 clc clear close all format compact %% 网络结构建立 %读取数据 dataxlsread(天气_电量_数据.xlsx,C12:J70);%前7列为每个时刻的发电量 最后列为天气 for i1:58 input(i,:)[data(i,:) data(i1,end)]; output(i,:)data(i1,1:7); end %% 节点个数 inputnum9;%输入 前一天7个时刻的电量前一天的天气预测日的天气 hiddennum5; outputnum7;%预测日7个时刻的发电量 %% 训练数据和预测数据 最后一天用来测试 前面的都拿来训练 input_traininput(1:57,:); input_testinput(58,:); output_trainoutput(1:57,:); output_testoutput(58,:); %选连样本输入输出数据归一化 [inputn,inputps]mapminmax(input_train); [outputn,outputps]mapminmax(output_train); inputn_testmapminmax(apply,input_test,inputps); %% %构建网络 netnewff(inputn,outputn,hiddennum); %寻优 [bestnest,trace]antforelm(inputnum,hiddennum,outputnum,net,inputn,outputn); figure plot(trace) title(适应度曲线) xlabel(迭代数) ylabel(适应度值) %% 把最优初始阀值权值赋予网络预测 xbestnest; % 用CS优化的BP网络进行值预测 w1x(1:inputnum*hiddennum); B1x(inputnum*hiddennum1:inputnum*hiddennumhiddennum); w2x(inputnum*hiddennumhiddennum1:inputnum*hiddennumhiddennumhiddennum*outputnum); B2x(inputnum*hiddennumhiddennumhiddennum*outputnum1:inputnum*hiddennumhiddennumhiddennum*outputnumoutputnum); net.iw{1,1}reshape(w1,hiddennum,inputnum); net.lw{2,1}reshape(w2,outputnum,hiddennum); net.b{1}reshape(B1,hiddennum,1); net.b{2}B2; %% BP网络训练 %网络进化参数 net.trainParam.epochs200; net.trainParam.lr0.1; %net.trainParam.goal0.00001; %网络训练 [net,per2]train(net,inputn,outputn); %% BP网络预测 %数据归一化 inputn_testmapminmax(apply,input_test,inputps); ansim(net,inputn_test); test_simumapminmax(reverse,an,outputps); errortest_simu-output_test; %% figure a1output_test; a2test_simu; plot(a1,*-);hold on plot(a2,O-) title(各时刻发电量实际值与预测值) xlabel() legend(原始数据,bp预测数据) set(gca,XTick,1:7,... XTickLabel,{9:00,10:00,11:00,12:00,13:00,14:00,15:00},... TickLength,[0 0]); grid on ylabel(发电量KW)
