Question

我试图用matlab中的自定义神经网络预测短期电价。我有数据文件，其中包含14个输入参数。我使用2012年和2013年，2年的实际数据进行培训，并测试2014年前7个月的实际数据模型。我的问题是，当我将测试数据与模型输出进行比较时，它存在巨大差距。我不知道结果离测试数据有多远。

1.这就是我创建训练和测试数据的方式。

            `% Interpolate missing values
            ind = data.ElecPrice==0;
            data.ElecPrice(ind) = interp1(find(~ind), data.ElecPrice(~ind), find(ind));
            % Create training set
            trainInd = data.NumDate < datenum('2014-01-01');
            trainX = X(trainInd,:);
            trainY = data.ElecPrice(trainInd);
            % Create test set and save for later
            testInd = data.NumDate >= datenum('2014-01-01');
            testX = X(testInd,:);
            testY = data.ElecPrice(testInd);
            testDates = dates(testInd);
            save testSet testDates testX testY
            clear X data trainInd testInd term holidays dates ans num text`

这是我的自定义神经网络模型调用代码

        `reTrain = false;
        if reTrain || ~exist('Models\NNModel.mat', 'file')
        net = newfit(trainX', trainY', 20);
        net.performFcn = 'mae';
        net = train(net, trainX', trainY');
        save Models\NNModel.mat net
        else
        load Models\NNModel.mat
        end`

我的最后一步是预测2014年前7个月的价格 forecastPrice = sim(net, testX')';

4. 我的模型专长是：

4.1。我的模型有1个输入，2个层和1个输出。我的关系：

            `biasConnect: [1; 1]
            inputConnect: [1; 0]
            layerConnect: [0 0; 1 0]
            outputConnect: [0 1]`

4.2。模型功能：

        `
            adaptFcn: 'adaptwb'
            adaptParam: (none)
            derivFcn: 'defaultderiv'
            divideFcn: 'dividerand'
            divideParam: .trainRatio, .valRatio, .testRatio
            divideMode: 'sample'
            initFcn: 'initlay'
            performFcn: 'mae'
            performParam: .regularization, .normalization
            plotFcns: {'plotperform', plottrainstate, plotfit,
                      plotregression}
            plotParams: {1x4 cell array of 4 params}
            trainFcn: 'traingdm'
            trainParam: .showWindow, .showCommandLine, .show, .epochs,
                        .time, .goal, .min_grad, .max_fail, .lr, .mc`

4.3。型号＆＃39;第一层属性：

        `  name: 'Hidden Layer'
                dimensions: 20
               distanceFcn: (none)
             distanceParam: (none)
                 distances: []
                   initFcn: 'initnw'
               netInputFcn: 'netsum'
             netInputParam: (none)
                 positions: [1x20 double]
                     range: [20x2 double]
                      size: 20
               topologyFcn: 'hextop'
               transferFcn: 'tansig'
             transferParam: (none)
                  userdata: (your custom info)`

4.4。型号＆＃39;第二层属性：

   name: 'Output Layer'
        dimensions: 1
       distanceFcn: (none)
     distanceParam: (none)
         distances: []
           initFcn: 'initnw'
       netInputFcn: 'netsum'
     netInputParam: (none)
         positions: 0
             range: [1x2 double]
              size: 1
       topologyFcn: 'hextop'
       transferFcn: 'tansig'
     transferParam: (none)
          userdata: (your custom info)

我希望你能帮助我。

神经网络结果不接近测试数据

0 个答案: