我在MatLab中使用前馈反向传播ANN。
我需要输入datetime作为输入，并预测未来24小时的未来热量需求。我有3个热电厂的历史数据，每个热电厂的容量都不同。我输入的ANN是历史热负荷，温度和datetime，格式为dd.MM.yyyy hh:mm:ss。
我已将datetime分别划分为日，月和小时。我还确定了非工作日，并为工作时间创建了一个二进制输入。
我已使用[0;1]归一化温度以适应x=data-min(data)/(max(data)-min(data)的范围。
我的训练数据集是17x17500矩阵（2016、2017年）和2018年（测试）数据集17x8566。
目标数据是该时段的归一化热负荷。
当我将该网络（函数）用于测试数据集时，我得到了不好的结果。但是当我比较预测值和原始值时，结果确实很好。
输入矩阵：
0.0322580645161290 0.0322580645161290 %day
0.0833333333333333 0.0833333333333333 %month
0.0434782608695652 0.0869565217391304 %hour
0.514701910237105 0.515792343235321 % outside temp
0 0 % morning peak
0 0 % non-working day
0 0 % monday
0 0 %tuesday
0 0 %wednesday
0 0 %thursday
0 0 %friday
1 1 %saturday
0 0 %sunday
0 0 %summer
0 0 %winter
我做了一些谷歌搜索，发现如何通过sin / cos变换对小时等循环数据进行编码（因此，循环输入由2个额外的神经元sin和cos值表示）训练集的预测值确实不错，但是如果我应用函数（神经网络）的另一个数据集，这些结果与测试集的实际负载相去甚远...我都在海上。有改善的建议吗？