根据网上搜素的关于MATLAB神经网络工具箱的GUI操作，结合书上的代码来跑了一遍，发现代码是引用了神经网络工具箱来做工作
%% 该代码为基于BP神经网络的预测算%% 清空环境变量clcclear%% 训练数据预测数据提取及归一化%下载输入输出数据load data input output%从1到2000间随机排序k=rand(1,2000);[m,n]=sort(k);%找出训练数据和预测数据input_train=input(n(1:1900),:)';output_train=output(n(1:1900));input_test=input(n(1901:2000),:)';output_test=output(n(1901:2000));%选连样本输入输出数据归一化[inputn,inputps]=mapminmax(input_train);[outputn,outputps]=mapminmax(output_train);%% BP网络训练% %初始化网络结构net=newff(inputn,outputn,5);net.trainParam.epochs=100;net.trainParam.lr=0.1;net.trainParam.goal=0.00004;%网络训练net=train(net,inputn,outputn);%% BP网络预测%预测数据归一化inputn_test=mapminmax('apply',input_test,inputps);%网络预测输出an=sim(net,inputn_test);%网络输出反归一化BPoutput=mapminmax('reverse',an,outputps);%% 结果分析figure(1)plot(BPoutput,':og')hold onplot(output_test,'-*');legend('预测输出','期望输出')title('BP网络预测输出','fontsize',12)ylabel('函数输出','fontsize',12)xlabel('样本','fontsize',12)%预测误差error=BPoutput-output_test;figure(2)plot(error,'-*')title('BP网络预测误差','fontsize',12)ylabel('误差','fontsize',12)xlabel('样本','fontsize',12)figure(3)plot((output_test-BPoutput)./BPoutput,'-*');title('神经网络预测误差百分比')errorsum=sum(abs(error));
newff:BP神经网络参数设置函数，构建了一个带参数神经网络
net=newff(P,T,S,TF,BTF,BLF,PL,IPF,OPF,DDF)
P：输入数据矩阵
T：输出数据矩阵
S：隐含层节点数
TF：节点传递函数，包括硬限幅传递函数hardlim、对称硬限幅传递函数hardlims、现象传递函数purelin、正切S型传递函数tansig、对数S型传递函数logsig。
BTF：训练函数
BLF：网络学习函数
PF：性能分析函数
IPF：输入处理函数
OPF：输出处理函数
DDF：验证数据划分函数
trian：BP神经网络训练函数
[net,tr]=train(NET,X,T,Pi,Ai)
NET：待训练网络
X：输入数据矩阵
T：输出数据矩阵
Pi：初始化输入层条件
Ai：初始化输出层条件
net：训练好的网络
tr：训练过程记录
sim：BP神经网络预测函数
y=sim(net,x)
net：训练好的网络
x：输入数据
y：网络预测数据
