目前在做rbf网络的短期负荷预测 目的是用前n天的24点负荷值和3个天气特征预测第n+1天的24点负荷值
当前思路首先是对n+1天的负荷数据根据负荷的相似性做出了预处理 天气特征不做预处理
然后划分数据集：
首先a矩阵是一个(n+1)×27的矩阵 也就是n+1的负荷数据和天气特征
然后根据滑动窗原理 用前三天的负荷数据和气象特征预测第四天的负荷数据，如此生成(n-2)×81的B矩阵（其中81为相邻三天的27个特征值相连，也就是每行数据分别为1-3天的特征，2-4天的特征，以此类推）
在经上述数据预处理代码处理后，划分训练集和测试集。训练集输入为B矩阵的1到n-3行，输出为A矩阵的4到n行。测试集输入为B矩阵的第n-2行，输出为A矩阵的第n+1行。
划分完毕后，进行归一化处理，再仿真
但是在仿真过程中发现大部分数据都有被改变 不过预测效果还算理想
但是后来看了一些网上资料 好像应该先划分数据集 然后再做其他预处理
我只确定了归一化应该在划分数据集之后 但是对负荷数据预处理和划分数据集的先后顺序不太明白
所以想问一下我原来的思路是不是需要修改 有没有什么修改建议 希望可以有提供指导