%%?該代碼為基于雙隱含層BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)
%%?清空環(huán)境變量
clc
clear

%%?訓(xùn)練數(shù)據(jù)預(yù)測(cè)數(shù)據(jù)提取及歸一化
%裝載輸入輸出數(shù)據(jù)
load?temperature
load?humidity
tday?=?350;???????????%訓(xùn)練數(shù)據(jù)時(shí)間
sday?=?10;???????????%預(yù)測(cè)數(shù)據(jù)時(shí)間
sdata?=?（tday+sday）*24;??????%總的采集數(shù)據(jù)個(gè)數(shù)
oddata?=?24;??????%一天采集的數(shù)據(jù)個(gè)數(shù)
%在10天的數(shù)據(jù)中將10分鐘的數(shù)據(jù)提取出來(lái)，總計(jì)2880個(gè)
temperature?=?Temp（1:1:sdata:）;
humidity?=?Humidity（1:1:sdata:）;
%?information=[temp?humidity];
%?初始化數(shù)據(jù)
[mn]=size（temperature）;
n?=?8;
%?m?=?（m-sday*oddata/10）-oddata/10-n+1;
m?=?（m-sday*oddata）-oddata-n+1;
input?=?zeros（mn）;
output?=?zeros（m1）;
%找出訓(xùn)練數(shù)據(jù)和預(yù)測(cè)數(shù)據(jù)
for?i?=?1:m
%?????input_train（i1:n/2）?=?temperature_10_14（i:i+5:）;
%?????input_train（in/2+1:n）?=?humidity（i:i+5:）;
%?????output_train（i:）?=?temp（i+oddata/10:）;
????input_train（i1:n/2）?=?temperature（i:i+3:）;
????input_train（in/2+1:n）?=?humidity（i:i+3:）;
????output_train（i:）?=?temperature（i+oddata:）;
end
[mn]?=?size（temperature）;
n?=?8;
%?m?=?（m-tday*oddata/10）-oddata/10-n+1;
m?=?（m-tday*oddata）-oddata-n+1;
for?i?=?1:m
%?????input_test（i1:n/2）?=?temp（i+tday*oddata/10:i+5+tday*oddata/10:）;
%?????input_test（in/2+1:n）?=?humidity（i+tday*oddata/10:i+5+tday*oddata/10:）;
%?????output_test（i:）?=?temp（i+oddata/10+tday*oddata/10:）;
????input_test（i1:n/2）?=?temperature（i+tday*oddata:i+3+tday*oddata:）;
????input_test（in/2+1:n）?=?humidity（i+tday*oddata:i+3+tday*oddata:）;
????output_test（i:）?=?temperature（i+oddata+tday*oddata:）;
end
input_train=input_train‘;
output_train=output_train‘;
input_test?=?input_test‘;
output_test=output_test‘;

%選連樣本輸入輸出數(shù)據(jù)歸一化
[inputninputps]=mapminmax（input_train01）;
[outputnoutputps]=mapminmax（output_train01）;

%%?BP網(wǎng)絡(luò)訓(xùn)練
%?%初始化網(wǎng)絡(luò)結(jié)構(gòu)
net=newff（inputnoutputn[8?8]）;

net.trainParam.epochs=200;
net.trainParam.lr=0.1;
net.trainParam.goal=0.0000004;

%網(wǎng)絡(luò)訓(xùn)練
[nettr]=train（netinputnoutputn）;

%%?BP網(wǎng)絡(luò)預(yù)測(cè)
%預(yù)測(cè)數(shù)據(jù)歸一化
inputn_test=mapminmax（‘a(chǎn)pply‘input_testinputps01）;


%網(wǎng)絡(luò)預(yù)測(cè)輸出
an=sim（netinputn_test）;

%網(wǎng)絡(luò)輸出反歸一化
BPoutput=mapminmax（‘reverse‘a(chǎn)noutputps）;

%%?結(jié)果分析

figure（1）
subplot（231）
plot（BPoutput‘:og‘）
hold?on
plot（output_test‘-*‘）;
legend（‘預(yù)測(cè)輸出‘‘期望輸出‘）
title（‘BP網(wǎng)絡(luò)預(yù)測(cè)輸出‘‘fontsize‘12）
ylabel（‘函數(shù)輸出‘‘fontsize‘12）
xlabel（‘樣本‘‘fontsize‘12）

%預(yù)測(cè)誤差
error=BPoutput-output_test;
subplot（232）
plot（error‘-*‘）
title（‘BP網(wǎng)絡(luò)預(yù)測(cè)誤差‘‘fontsize‘12）
ylabel（‘誤差‘‘fontsize‘12）
xlabel（‘樣本‘‘fontsize‘12）

subplot（233）
plot（（output_test-BPoutput）./BPoutput‘-*‘）;
title（‘神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)誤差百分比‘）
ylabel（‘誤差百分比‘‘fontsize‘12）
xlabel（‘樣本‘‘fontsize‘12）

errorsum=sum（abs（error））;
subplot（234）
plot（errorsum‘-*‘）;
title（‘神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)誤差絕對(duì)值‘）
ylabel（‘誤差絕對(duì)值‘‘fontsize‘12）
xlabel（‘樣本‘‘fontsize‘12）

%?a?=?tr.num_epochs;
%?MSE?=?mse（error）;
subplot（235）
plot（tr.epochtr.perf‘‘r‘tr.epochtr.vperf‘‘:g‘tr.epochtr.tperf‘‘-.b‘）;
%?legend（[‘終止代數(shù)＝‘?num2str（a）]）
legend（‘訓(xùn)練‘‘確證‘‘測(cè)試‘-1）
title（‘誤差曲線‘）
ylabel（‘MSE誤差平方‘‘fontsize‘12）
xlabel（‘進(jìn)化代數(shù)‘‘fontsize‘12）

fenmu?=?sum（（output_test-mean（BPoutput））.^2）;
fenzi?=?sum（（output_test-BPoutput）.^2）;
R?=?1-fenzi/fenmu;
subplot（236）
plot（BPoutputoutput_test‘.‘）;
legend（[‘R?=