数据说明.txt

BP神经网络预测程序 第一行的第二个数据表示train_flowoutput第一行的第二个数据对应预测日前一天2点的时用水量

test_flowoutput为测试集的输出数据，第一行的第一个数据表示预测日1点的时用水量，第一行的第二个数据表示预测日2点的时用水量，第三个表示预测日3点的时用水量，。。。，一行共有24个数据
test_input为测试集的输入数据，第一行的第一个数据表示test_flowoutput第一行的第一个数据对应预测日前一天1点的时用水量，第二行的第一个数据表示test_flowoutput第一行的第一个数据预测日前一周1点的时用水量，
               第一行的第二个数据表示test_flowoutput第一行的第二个数据对应预测日前一天2点的时用水量，第二行的第二个数据表示test_flowoutput第一行的第二个数据预测日前一周2点的时用水量，其余的数据与test_flowoutput相对应。每一行有24个数据

train_flowoutput为训练集的输出数据，第一行的第一个数据表示预测日1点的时用水量，第一行的第二个数据表示预测日2点的时用水量，第三个表示预测日3点的时用水量，。。。，一行共有288个数据
train_input为训练集的输入数据，第一行的第一个数据表示train_flowoutput第一行的第一个数据对应预测日前一天1点的时用水量，第二行的第一个数据表示train_flowoutput第一行的第一个数据预测日前一周1点的时用水量，
               第一行的第二个数据表示train_flowoutput第一行的第二个数据对应预测日前一天2点的时用水量，第二行的第二个数据表示train_flowoutput第一行的第二个数据对应预测日前一周2点的时用水量，其余的数据与train_flowoutput相对应，每一行有288个数据。

注意，test_flowoutput和test_input数据是对应的，train_flowoutput和train_input数据是对应，为预测某一天某时刻的时用水量，即BP网络的输出取这一天这个时刻的时用水量，BP网路的输入取这一天前一天同样时刻的时用水量，这一天前一周相同时刻的时用水量，

矩阵的打开和读取需要用fopen和fscanf函数，具体可以用
fid=fopen('train_input.m','r');
X=fscanf(fid,'%f',[288,2])';
fclose(fid);
fid1=fopen('train_flowoutput.m','r');
Y=fscanf(fid1,'%f',[288,1])';
fclose(fid1);
fid2=fopen('test_input.m','r');
Xtest=fscanf(fid2,'%f',[24,2])';
fclose(fid2);
fid3=fopen('test_flowoutput.m','r');
Ytest=fscanf(fid3,'%f',[24,1])';
fclose(fid3);
计算时，你把自己编制的程序和train_input.m，train_flowoutput.m，test_flowoutput.m以及test_input.m文件放在同一个文件夹中