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];
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
  N4 K6 u+ o; F( Ip=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
" n% M/ {; `; o0 C* Bt=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
, V. L1 Q  ?( u  B. Y. v9 kdaylast=day(13:16);
h3=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);
! {1 @% n% ?8 {1 Z2 N7 G* }%%%%%%%%%%%%%% 新建网络bp %%%%%%%%%%%%%%%%
0 S- f0 L# n+ Z9 J0 Q2 ~3 {. Znet=newff(minmax(p),[4,3],{\'purelin\' \'purelin\'},\'trainlm\');
3 b! E: l- e! U9 o$ A" u7 X# c6 qy1=sim(net,p);
$ Q6 m4 a3 T. i6 B7 ~0 f) I6 g" L% 新建网络，其中minmax(p)为p的没一次输入的最大最小值向量
' N5 W6 V% ]% k. B% 两层的传递函数均为purelin
% 训练函数为trainlm
/ A% ~8 K* G* d0 s. {% ^# K, C% 所训练的网络大小为[5,5]
% 仿真训练前的网络

( E0 a3 I- ], c1 o' Q" E( w%%%%%%%%%%%  进行网络训练  %%%%%%%%%%%%%%
% network parameters:
%   epochs--epochs of the train
%   goal--errors goal of the network
%   lr--learning rate
; y: z9 D4 t- J1 M/ O%   shows--epochs between the displays
1 {) H! {" g" g2 N- K%   time--Maximum time to train in seconds
net.trainParam.epochs=200000;  % 训练次数
1 W7 A& u; {' j. x6 b) QnettrainParam.goal=0.0001;  % 误差期望值
4 `; V. F& t! {3 r% returns of the train:
$ t9 i3 u" k+ O; N, A! `* u; U%   net--New network
" b' z+ h# x$ b) Q& u! G* S%    tr--Training record (epoch and perf).
%     Y--Network outputs.
%     E--Network errors.
; w6 D  m) q% H. d6 ]2 p/ ]2 \[net,tr,Y,E]=train(net,p,t);
%%%%%%%%%%%  网络测试 %%%%%%%%%%%%%%%%
% h- J' r! ]9 C5 A  Y8 A( C% input the testing points here %
% J1 M# |; g0 |; C, dtitle(\'神经网络训练结果\');
( ?% R! E- b- ^" ?5 n0 ~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\');
4 t: r1 P7 D3 ?/ H  o& |& f) a%%%%%%%%%%%%%%%%%%  绘制误差曲面 %%%%%%%%%%%%%
x=1:4;
y=1:4;
5 h& k* k, ^/ L/ [! ry21=sim(net,p);
y2=reshape(y21,1,12);
clf
plot(r,y2,\'b-^\')
  J4 a$ d5 @; G! D* I- j- D; Whold on
plot(1:20,day,\'r-*\')
%%%%%%%%%%%%% 预测 %%%%%%%%%%%%%%%
" t6 S3 U# [1 w/ cy3=sim(net,h3);
) ~2 E9 t6 [# nplot(17:2:20,y3,\'-*\')
7 b0 U  H, b8 F% uhold on
: ?8 v- A1 }; O5 ]+ m2 @" ytitle(\'神经网络训练结果\');
' a9 y* }* @- }( Z/ Gxlabel(\'时间（天）\');
ylabel(\'仿真输出结果\');
3 D- Q6 i/ e% e: N9 p9 ^# Rlegend(\'仿真模拟值\',\'实际值\',\'神经网络预测值\');
%%%%%%%%%%%%%%%%%%  绘制误差曲面 %%%%%%%%%%%%%
x=1:4;
y=1:4;
* U8 _4 g: i" D" K8 H( Pplot3(x(1:3),y(1:3),E(x(1:3),y(1:3)))
' h5 [* c9 w6 f) ]  j$ n+ K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