基于ELMAN神经网络的用气量预测，基于ELMAN的天然气消费量预测（代码完整，数据齐全）

clc clear close all; % Z1= xlsread('附件2'); Z1= xlsread('附件1'); Z = Z1(4:end,2); n=length(Z); tq = []; zt = ones(24,1); for ii = 1:n/24 tq = [tq;zt.*Z1(ii,8)]; end Z=Z(:); % Z(n) 由Z(n-1),Z(n-2),...,Z(n-L)共L个数预测得到. L = 47; % Z_n：每列为一个构造完毕的样本，共n-L个样本 Z_n = zeros(L+1, n-L); Z_n1 = zeros(L+1, n-L); for ii=1:n-L Z_n(:,ii) = Z(ii:ii+L); Z_n1(:,ii) = tq(ii:ii+L); end Z_n = [Z_n1(1:24,:);Z_n]; %% 划分训练、测试样本 % 将前300份数据划分为训练样本 % 后66份数据划分为测试样本 trainx = Z_n(1:48, 1:8712); trainy = Z_n(49:72, 1:8712); testx = Z_n(1:48, 8713:end); testy = Z_n(49:72, 8713:end); %% 创建Elman神经网络 % 包含15个神经元，训练函数为traingdx net=elmannet(1:2,15,'traingdx'); % 设置显示级别 net.trainParam.show=1; % 最大迭代次数为2000次 net.trainParam.epochs=2000; % 误差容限，达到此误差就可以停止训练 net.trainParam.goal=0.00001; % 最多验证失败次数 net.trainParam.max_fail=5; % 对网络进行初始化 net=init(net); %% 网络训练 %训练数据归一化 [trainx1, st1] = mapminmax(trainx); [trainy1, st2] = mapminmax(trainy); % 测试数据做与训练数据相同的归一化操作 testx1 = mapminmax('apply',testx,st1); testy1 = mapminmax('apply',testy,st2); % 输入训练样本进行训练 [net,per] = train(net,trainx1,trainy1); %% 测试。输入归一化后的数据，再对实际输出进行反归一化 % 将训练数据输入网络进行测试 train_ty1 = sim(net, trainx1); train_ty = mapminmax('reverse', train_ty1, st2); % 将测试数据输入网络进行测试 test_ty1 = sim(net, testx1); test_ty = mapminmax('reverse', test_ty1, st2); %% 显示结果 % 显示训练数据的测试结果 figure(1) x=1:length(train_ty); % 显示真实值 plot(x,trainy(1,:),'b-'); hold on % 显示神经网络的输出值 plot(x,train_ty(1,:),'r--') legend('h真实值','Elman网络输出值') title('训练数据的测试结果'); % 显示残差 figure(2) plot(x, train_ty(1,:) - trainy(1,:)) title('训练数据测试结果的残差') % 显示均方误差 mse1 = mse(train_ty - trainy); fprintf(' mse_train = \n %f\n', mse1) % 显示相对误差 disp(' 训练数据相对误差：') fprintf('%f ', (train_ty - trainy)./trainy ); fprintf('\n') figure(3) x=1:length(test_ty); % 显示真实值 plot(x,testy,'b-'); hold on % 显示神经网络的输出值 plot(x,test_ty,'r--') legend('真实值','Elman网络输出值') title('测试数据的测试结果'); % 显示残差 figure(4) plot(x, test_ty - testy) title('测试数据测试结果的残差') % 显示均方误差 mse2 = mse(test_ty - testy); fprintf(' mse_test = \n %f\n', mse2) % 显示相对误差 disp(' 测试数据相对误差：') fprintf('%f ', (test_ty - testy)./testy ); fprintf('\n') % 保存相对误差 test_re = test_ty - testy; train_re = train_ty - trainy; test_error = (test_ty - testy)./testy; train_error = (train_ty - trainy)./trainy;