matlab小波神经网络,小波神经网络程序

以下是交通流量预测的，请问各位大神怎么用自己的数据来替代这个从数据库中下载的数据？自己的数据是开始这些数据，求指教！！！

55.5306         0        1000;

55.8821         2        1000;

56.2303         4        1000;

56.5795         6        1000;

56.9285         8        1000;

57.2766         10        1000;

57.626         12        1000;

57.9718         14        1000;

58.3186         16        1000;

58.6652         18        1000;

59.011         20        1000;

59.3566         22        1000;

59.7042         24        1000;

60.0487         26        1000;

60.3942         28        1000;

60.7393         30        1000;

61.0839         32        1000;

61.4298         34        1000;

61.7736         36        1000;

62.1153         38        1000;

62.4581         40        1000;

62.8004         42        1000;

63.1424         44        1000;

63.4855         46        1000;

63.8247         48        1000;

65.5267         58        1000;

64.1652         50        1000;

49.7254         0        900;

50.3483         4        900;

50.6599         6        900;

50.9712         8        900;

51.2802         10        900;

51.5906         12        900;

51.9004         14        900;

52.2082         16        900;

52.5174         18        900;

52.8259         20        900;

53.1325         22        900;

53.4401         24        900;

53.7475         26        900;

54.0542         28        900;

54.3588         30        900;

54.6648         32        900;

54.9717         34        900;

55.2767         36        900;

55.5831         38        900;

55.8888         40        900;

56.1925         42        900;

56.4974         44        900;

56.8018         46        900;

57.1059         48        900;

57.4077         50        900;

57.7108         52        900;

58.0135         54        900;

58.3139         56        900;

58.6155         58        900;

43.9219         0        800;

44.194         2        800;

44.4678         4        800;

44.7405         6        800;

45.0144         8        800;

45.2861         10        800;

45.5576         12        800;

45.8302         14        800;

46.1007         16        800;

46.3726         18        800;

46.6423         20        800;

46.9117         22        800;

47.1822         24        800;

47.4507         26        800;

47.9878         30        800;

48.2549         32        800;

48.5233         34        800;

48.7909         36        800;

49.0602         38        800;

49.3273         40        800;

49.594         42        800;

49.862         44        800;

50.1278         46        800;

50.3949         48        800;

50.6599         50        800;

50.9243         52        800;

51.1902         54        800;

51.4537         56        800;

51.7185         58        800;

%从数据库中下载数据

load traffic_flux input output input_test output_test

%网络结构初始化

M=4;

N=1;

n=6;

%权值和参数学习速率

lr1=0.01;

lr2=0.001;

maxgen=100; %网络迭代学习次数

%网络权值初始化

Wjk=randn(n,M);

Wij=randn(N,n);

a=randn(1,n);

b=randn(1,n);

%权值学习增量初始化

d_Wjk=zeros(n,M);

d_Wij=zeros(N.n);

d_a=zeros(1,n);

d_b=zeros(1,n);

%训练数据归一化

[inputn,inputps]=mapminmax(input');

[outputn,outputps]=mapminmax(output');

inputn=inputn';

outputn=outputn';

%网络训练

for i=1:maxgen

gerror(i)=0;%记录每次误差

%网络训练

for kk=1:size(input,1)

%提取输入输出数据

x=inputn(kk,:);

yqw=outputn(kk,:);

%网络预测输出

for j=1:n

for k=1:M

net(j)=net(j)+Wjk(j,k)*x(k);

net_ab(j)=(net(j)-b(j))/a(j);

end

temp=mymorlet(net_ab(j));

for k=1:N

y(k)=y(k)+Wij(k,j)*temp;

end

end

%误差积累

error(i)=error(i)+sum(abs(yqw-y));

%权值修正

for j=1:n

%计算d_Wij(Wij修正值)

temp=mymorlet(net_ab(j));

for k=1:N

d_Wij(k,j)=d+Wij(k,j)-(yqw(k)-y(k))*temp;

end

%计算d_Wjk(Wjk修正值)

temp=d_mymorlet(net_ab(j));

for k=1:M

for l=1:N

d_Wjk(j,k)=d_Wjk(j,k)+(yqw(l)-y(l))*Wij(l,j);

end

%计算d_b(b修正值)

for k=1:N

d_a(j)=d_a(j)+(yqw(k)-y(k))*Wij(k,j);

end

d_a(j)=d_a(j)*temp*((net(j)-b(j))/b(j))/a(j);

end

%权值参数更新

Wij=Wij-lr1*d_Wij;

Wjk=Wjk-lr1*d_Wjk;

b=b-lr2*d_b;

a=a-lr2*d_a;

d_Wjk=zeros(n,M);

d_Wij=zeros(N,n);

d_a=zeros(1,n);

d_b=zeros(1,n);

y=zeros(1,N);

net=zeros(1,n);

net_ab=zeros(1,n);

end

end

%预测输入归一化

x=mapminmax('apply',input_test',inputps);

x=x';

%网络预测

for i=1:92;

x_test=x(i,:);

for j=1:1:n

for k=1:1:M

net(j)=net(j)+Wjk(j,k)*x_test(k);

net_ab(j)=(net(j)-b(j))/a(j);

end

temp=mymorlet(net_ab(j));

for k=1:N

y(k)=y(k)+Wij(k,j)*temp;

end

end

yuce(i)=y(k);      %预测结果记录

y=zeros(1,N);      %输出节点初始化

net=zeros(1,n);    %隐含节点初始化

net_ab=zeros(1,n); %隐含几点初始化

end

%网络预测反归一化

ynn=mapminmax('reverse',yuce,outputps);

figure(1)

plot(ynn,'r:')

hold on

title('预测交通流量','fontsize',12)

legend('预测交通流量','实际交通流量')

xlabel('时间点')

ylabel('交通流量')