请问大神这个代码错在哪里，应该如何修改.以及回答一个简单的题目，谢谢。

昌辉9

day=[8.6187,8.3507,8.3142,8.2898,8.2791,8.2796,8.2784,8.2770,8.2770,8.2774,8.2780,8.1013,7.8087,7.3872,6.85,6.81,6.622,6.61,6.25,6.07];
! k# _! p; K$ b8 x1 Bdayhistory=day(1:16);%取其中三十天作为历史数据样本
- S" t7 G1 Z$ J9 N% j' z9 |dayhismod=reshape(dayhistory,4,4);% 将历史数据分为6个样本，每个大小为5，其中reshape是以列排序的
4 M/ R9 S8 ~5 y! Ldayday=day(1:12);% 取其中的前25天
daypost=day(5:16);%取其中的随后25天
p=reshape(dayday,3,4);% 将前25天数据分为5行5列矩阵作为网络的训练输入样本
t=reshape(daypost,3,4); %将随后的25天分为5行5列矩阵作为网络的目标输出向量
! P4 u" P+ r# E4 Gdaylast=day(13:16);
! u8 v& J; f* a& u* W+ Y# ih3=reshape(daylast,4,1);% 将倒数第二个样本作为网络测试时的输入样本
r=5:16;
rr=reshape(r,4,3);
- ^5 W' |# m& Y. J: F%%%%%%%%%%%%%% 新建网络bp %%%%%%%%%%%%%%%%
net=newff(minmax(p),[4,3],{\'purelin\' \'purelin\'},\'trainlm\');
y1=sim(net,p);
/ K" x9 c* J1 k4 D) v; Y2 {% 新建网络，其中minmax(p)为p的没一次输入的最大最小值向量
% 两层的传递函数均为purelin
2 r/ D$ J# {" M, A% 训练函数为trainlm
% 所训练的网络大小为[5,5]
% 仿真训练前的网络
' ~/ [. Q' ~9 O8 B+ N: @$ z
+ [5 s$ G4 F- F( P5 C8 A  [' N# s%%%%%%%%%%%  进行网络训练  %%%%%%%%%%%%%%
% network parameters:
# T6 N5 ?) A9 q4 z  |%   epochs--epochs of the train
8 M, x$ H9 J5 T7 b; N%   goal--errors goal of the network
%   lr--learning rate
%   shows--epochs between the displays
%   time--Maximum time to train in seconds
net.trainParam.epochs=200000;  % 训练次数
" ^/ }) w7 a9 x5 V5 |* A2 anettrainParam.goal=0.0001;  % 误差期望值
% returns of the train:
%   net--New network
( ?" Z' Q6 F' a3 r( {& t%    tr--Training record (epoch and perf).
9 C) V3 |8 m- O%     Y--Network outputs.
%     E--Network errors.
# Q2 e$ M8 ?4 t+ Q$ B[net,tr,Y,E]=train(net,p,t);
4 J5 y$ n4 ~6 J" I9 T8 q%%%%%%%%%%%  网络测试 %%%%%%%%%%%%%%%%
% input the testing points here %
$ g1 n8 l# O+ F/ rtitle(\'神经网络训练结果\');
8 j9 x" d, ^- M, Axlabel(\'时间（天）\');
ylabel(\'仿真输出结果\');
% E" O0 }, K* V( C' S# vlegend(\'仿真模拟值\',\'实际值\',\'神经网络预测值\');
%%%%%%%%%%%%%%%%%%  绘制误差曲面 %%%%%%%%%%%%%
x=1:4;
+ b  k! n+ o% Y. @y=1:4;
7 [) x1 y; k3 l8 o% u$ ry21=sim(net,p);
y2=reshape(y21,1,12);
+ D8 r, T  C/ p1 b6 K, zclf
plot(r,y2,\'b-^\')
' ?+ r& A: y3 k8 N. G6 ?  Shold on
plot(1:20,day,\'r-*\')
%%%%%%%%%%%%% 预测 %%%%%%%%%%%%%%%
0 m( A- `# p5 R$ R2 Ey3=sim(net,h3);
plot(17:2:20,y3,\'-*\')
* w; O* y" t% ~, l/ U( thold on
title(\'神经网络训练结果\');
* S" I) P. h8 Sxlabel(\'时间（天）\');
  S, y' S9 F3 {. I9 X" h. ^3 h0 Qylabel(\'仿真输出结果\');
( k* {; K, Y$ g2 ]9 \legend(\'仿真模拟值\',\'实际值\',\'神经网络预测值\');
3 V  I6 s5 {5 P& A) I- d%%%%%%%%%%%%%%%%%%  绘制误差曲面 %%%%%%%%%%%%%
* l( \+ S5 b: l* {; G8 W# N) px=1:4;
# y. Q9 o7 B: @4 d  b& R4 Gy=1:4;
& |9 D/ A+ P  nplot3(x(1:3),y(1:3),E(x(1:3),y(1:3)))
运用简单的神经网络，怎样处理已经有的数据，一般输出的怎样的结果，有什么用，谢谢