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];
# m" I4 b1 U. _& s7 n8 Z  \dayhistory=day(1:16);%取其中三十天作为历史数据样本
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
dayday=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
+ D, F& W. ~6 V0 q9 k  lt=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
daylast=day(13:16);
" J' ^$ B6 C# v- e; O0 X, A! ]; Hh3=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;
. S. x+ [  V1 v- Vrr=reshape(r,4,3);
* t( L7 j; I: x( ]# v9 ~3 B%%%%%%%%%%%%%% 新建网络bp %%%%%%%%%%%%%%%%
$ x, V' G1 T8 unet=newff(minmax(p),[4,3],{\'purelin\' \'purelin\'},\'trainlm\');
y1=sim(net,p);
0 W! u4 r. G$ P' U( j0 v8 G: U( [; D% 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
% 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

/ B6 z( k6 @3 K( Q$ N, q' Z%%%%%%%%%%%  进行网络训练  %%%%%%%%%%%%%%
% network parameters:
%   epochs--epochs of the train
: P6 q' T# p) ?% d3 d) ]- X  J%   goal--errors goal of the network
%   lr--learning rate
%   shows--epochs between the displays
/ O  C  W( C4 o" L%   time--Maximum time to train in seconds
net.trainParam.epochs=200000;  % 训练次数
' E# @* k  ]3 NnettrainParam.goal=0.0001;  % 误差期望值
% returns of the train:
%   net--New network
%    tr--Training record (epoch and perf).
+ h: }, M5 E' z# P' w- w%     Y--Network outputs.
%     E--Network errors.
8 @( H0 D7 r3 u0 U[net,tr,Y,E]=train(net,p,t);
%%%%%%%%%%%  网络测试 %%%%%%%%%%%%%%%%
% input the testing points here %
title(\'神经网络训练结果\');
xlabel(\'时间（天）\');
7 f% U9 ]  W% O: }  \ylabel(\'仿真输出结果\');
6 S" M2 U( U1 F$ Z# _# ^" b5 w8 H8 klegend(\'仿真模拟值\',\'实际值\',\'神经网络预测值\');
# m/ X$ n) n7 @; P%%%%%%%%%%%%%%%%%%  绘制误差曲面 %%%%%%%%%%%%%
x=1:4;
7 V1 E3 D+ }3 \y=1:4;
/ b7 l6 D( @- V; P& xy21=sim(net,p);
y2=reshape(y21,1,12);
clf
plot(r,y2,\'b-^\')
hold on
plot(1:20,day,\'r-*\')
1 h/ t$ m$ u- u  _%%%%%%%%%%%%% 预测 %%%%%%%%%%%%%%%
y3=sim(net,h3);
! X5 v: E  G* p' Cplot(17:2:20,y3,\'-*\')
hold on
4 a5 _* A! b. R' P& {title(\'神经网络训练结果\');
% ~5 C5 j* m% q/ ?xlabel(\'时间（天）\');
ylabel(\'仿真输出结果\');
legend(\'仿真模拟值\',\'实际值\',\'神经网络预测值\');
%%%%%%%%%%%%%%%%%%  绘制误差曲面 %%%%%%%%%%%%%
x=1:4;
; M: U! B5 U, A1 Zy=1:4;
* k9 X- U8 `3 R3 g0 ?# c  ^plot3(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
. I/ b! n9 e9 t