对于刚刚的问题，写一下matlab代码

好的，根据您的问题，以下是一个简单的Matlab代码示例，用于加载数据、创建LSTM模型、训练模型、预测未来负荷：

%% 加载数据
load('data_load.mat');
data = data_load(:); % 将数据展开成一列

%% 数据预处理
% 这里省略数据预处理步骤

%% 准备训练数据和测试数据
numTimeStepsTrain = floor(0.8*numel(data));
dataTrain = data(1:numTimeStepsTrain+1);
dataTest = data(numTimeStepsTrain+1:end);

XTrain = dataTrain(1:end-1);
YTrain = dataTrain(2:end);

XTest = dataTest(1:end-1);
YTest = dataTest(2:end);

%% 创建LSTM模型
numHiddenUnits = 200;
numResponses = 1;
layers = [ ...
    sequenceInputLayer(1)
    lstmLayer(numHiddenUnits,'OutputMode','sequence')
    fullyConnectedLayer(numResponses)
    regressionLayer];

%% 训练LSTM模型
maxEpochs = 100;
miniBatchSize = 10;
options = trainingOptions('adam', ...
    'ExecutionEnvironment','cpu', ...
    'GradientThreshold',1, ...
    'MaxEpochs',maxEpochs, ...
    'MiniBatchSize',miniBatchSize, ...
    'SequenceLength','longest', ...
    'Shuffle','never', ...
    'Verbose',0);

net = trainNetwork(XTrain,YTrain,layers,options);

%% 预测未来负荷
numTimeStepsTest = numel(XTest);
dataPred = zeros(numTimeStepsTest,1);
netState = [];
for i = 1:numTimeStepsTest
    [net,netState] = predictAndUpdateState(net,XTest(i),netState);
    dataPred(i) = netState(end);
end

%% 可视化结果
figure
plot(dataTrain(1:end-1))
hold on
idx = numTimeStepsTrain:(numTimeStepsTrain+numTimeStepsTest);
plot(idx,[data(numTimeStepsTrain) dataPred'],'.-')
hold off
xlim([1,numel(data)])
title('LSTM负荷预测')
legend('训练数据','预测数据')

需要注意的是，这里的代码仅仅是一个简单的示例，实际应用中还需要根据自己的数据和需求进行调整。希望能对您有所帮助！