已知负荷数据24×4，写一组lstm负荷预测的matlab代码，

好的，以下是一组简单的 MATLAB 代码，用于使用 LSTM 模型进行负荷预测：

首先，我们需要将负荷数据分为训练集和测试集。这里我们使用前 20 天的数据来训练模型，并使用后 4 天的数据来测试模型。

% 加载负荷数据
load('load_data.mat');

% 定义训练和测试数据
train_data = load_data(1:20*24);
test_data = load_data(20*24+1:end);

接下来，我们需要将数据转换为 LSTM 模型所需的格式。这里，我们将每个输入序列定义为 24 个连续小时的负荷数据。我们将使用前 23 个小时的负荷数据来预测下一个小时的负荷数据。

% 将数据转换为 LSTM 模型所需的格式
num_hours = 24; % 定义每个输入序列的小时数
X_train = [];
Y_train = [];
X_test = [];
Y_test = [];

% 构造训练数据
for i = 1:num_hours:length(train_data)-num_hours
    x = train_data(i:i+num_hours-1);
    y = train_data(i+num_hours);
    X_train = [X_train; x];
    Y_train = [Y_train; y];
end

% 构造测试数据
for i = 1:num_hours:length(test_data)-num_hours
    x = test_data(i:i+num_hours-1);
    y = test_data(i+num_hours);
    X_test = [X_test; x];
    Y_test = [Y_test; y];
end

接下来，我们需要定义 LSTM 模型。这里我们使用一个包含两个隐藏层的 LSTM 模型，每个隐藏层包含 50 个 LSTM 单元。我们还使用一个密集层来将 LSTM 输出映射到单个预测值。

% 定义 LSTM 模型
num_features = 1; % 输入特征数（这里只有一个负荷值）
num_units = 50; % LSTM 单元数量
num_layers = 2; % 隐藏层数量

% 定义 LSTM 层
lstm_layers = {};
for i = 1:num_layers
    lstm_layers{end+1} = lstmLayer(num_units, 'OutputMode', 'last');
end

% 连接 LSTM 层
layers = [ ...
    sequenceInputLayer(num_hours, 'Name', 'input')
    lstm_layers
    fullyConnectedLayer(1)
    regressionLayer];

% 定义训练选项
options = trainingOptions('adam', ...
    'MaxEpochs', 100, ...
    'MiniBatchSize', 64, ...
    'SequenceLength', num_hours, ...
    'GradientThreshold', 1, ...
    'Shuffle', 'never', ...
    'Verbose', false);

% 训练 LSTM 模型
net = trainNetwork(X_train', Y_train', layers, options);

训练完成后，我们可以使用测试数据来评估模型的性能。

% 使用测试数据评估模型性能
YPred = predict(net, X_test')';
rmse = sqrt(mean((YPred - Y_test).^2));
fprintf('RMSE: %.2f\n', rmse);

% 绘制预测结果
figure;
plot(Y_test, 'b');
hold on;
plot(YPred, 'r--');
legend('实际值', '预测值');
xlabel('时间');
ylabel