请问这个代码错在哪里，如何进行修改，谢谢

昌辉9

clear
, A" _% P! r! j( ?5 \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(1:20);%取其中三十天作为历史数据样本
dayhismod=reshape(dayhistory,5,4);% 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
! d) F! D: Y# d+ ?$ idayday=day(1:15);% 取其中的前25天
daypost=day(6:20);%取其中的随后25天
( j0 c7 [6 ]4 N. Ap=reshape(dayday,3,5);% 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
" r3 J+ Y' m3 O) F+ \1 y0 d0 S$ Et=reshape(daypost,3,5); %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(16:20);
h3=reshape(daylast,5,1);% 将倒数第二个样本作为网络测试时的输入样本
7 r2 `6 R4 H- k' Gr=6:20;
rr=reshape(r,5,3);
%%%%%%%%%%%%%% 新建网络bp %%%%%%%%%%%%%%%%
net=newff(minmax(p),[5,3],{'purelin' 'purelin'},'trainlm');
, f# Y$ g4 j# t5 z' l1 Y# |y1=sim(net,p);
- I: H* i6 o6 N. C) 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
; s" _4 K; b+ [7 d3 q% J% 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]
; R( I6 ?1 ]% @" N/ k" f% `1 u% 仿真训练前的网络

%%%%%%%%%%%  进行网络训练  %%%%%%%%%%%%%%
% network parameters:
%   epochs--epochs of the train
%   goal--errors goal of the network
%   lr--learning rate
%   shows--epochs between the displays
+ E! L. N7 ]) U5 ?) N( W( h%   time--Maximum time to train in seconds
) h- n2 i/ N! J5 ], b" ?' s' Dnet.trainParam.epochs=200000;  % 训练次数
nettrainParam.goal=0.0001;  % 误差期望值
% returns of the train:
%   net--New network
, b# Y1 Z- F% x+ H%    tr--Training record (epoch and perf).
# [5 K" a" [1 Z/ _4 J1 X& f: _& V9 H. ~%     Y--Network outputs.
%     E--Network errors.
[net,tr,Y,E]=train(net,p,t);
%%%%%%%%%%%  网络测试 %%%%%%%%%%%%%%%%
) b, w' H! M& \' b" e% input the testing points here %
title('神经网络训练结果');
& p! q& E9 q  _8 F1 B) @. Nxlabel('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');
* {" {1 m2 i# r7 r9 b' l; H%%%%%%%%%%%%%%%%%%  绘制误差曲面 %%%%%%%%%%%%%
x=1:5;
: ?. d0 q8 ?5 a; t  h9 S& ^/ ?y=1:5;
8 E' [( f6 O# \' U5 b  D$ _5 Ly21=sim(net,p);
y2=reshape(y21,1,15);
$ r8 d% Z$ S! N8 U& A. T3 xclf
8 A  t+ W: I7 m! f& |3 Aplot(r,y2,'b-^')
hold on
# O2 @4 Y7 I* \9 y  Mplot(1:20,day,'r-*')
" l1 T3 k% `& t- I9 u%%%%%%%%%%%%% 预测 %%%%%%%%%%%%%%%
y3=sim(net,h3);
plot(21:25,y3,'-*')
hold on
title('神经网络训练结果');
: J# V" w5 }, d9 m5 ]" d- h* v2 y0 Cxlabel('时间（天）');
# F* P# a% @; {! xylabel('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 %%%%%%%%%%%%%
) s. v2 P# {/ P, O9 @3 ]x=1:5;
' f9 ~, f) E+ u+ Q# Yy=1:5;
plot3(x,y,E(x,y))
* ^; H5 j0 x  k% a( m% X( z# m+ V. I8 c
  G* b) G' O2 a* r: ^7 I; a. v

madio

是维数不一致造成的，我只能把代码调试的能运行，但是可能结果不一定对，你需要对前面的输入数据和网络结构做一些深入的了解

1. clear5 o* G* X8 b* u* q; e
   
2. 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];/ r4 O5 M: C7 j/ D
   
3. dayhistory=day(1:20);%取其中三十天作为历史数据样本
   * W, F2 z! c$ F' d+ R\" w# F
4. dayhismod=reshape(dayhistory,5,4);% 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) p9 W& v6 V1 m- t
   
5. dayday=day(1:15);% 取其中的前25天* Z$ [6 W, P  _
   
6. daypost=day(6:20);%取其中的随后25天
     l# a) o3 ?  b( ^. x4 b
7. p=reshape(dayday,3,5);% 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8 r9 N6 U. I  F: K) o
   
8. t=reshape(daypost,3,5); %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
   0 e- S. V4 F! }2 \5 H% W6 H
9. daylast=day(16:20);/ S/ s0 T! d$ B! d9 c3 s4 R9 ^5 R3 ]
   
10. h3=reshape(daylast,5,1);% 将倒数第二个样本作为网络测试时的输入样本2 e- c  w\" T: P: q# d\" h$ L# b7 j3 T! R
    
11. r=6:20;% y. r8 R$ {0 m4 L# u7 ]
    
12. rr=reshape(r,5,3);5 B; p! v3 {' `; W0 [
    
13. %%%%%%%%%%%%%% 新建网络bp %%%%%%%%%%%%%%%%
    ; k0 y# O0 i$ q: `6 W\" h
14. net=newff(minmax(p),[5,3],{'purelin' 'purelin'},'trainlm');* d- n- s# V3 }- S
    
15. y1=sim(net,p);
    : f9 L  u% _% u% }: ~9 t
16. % 新建网络，其中minmax(p)为p的没一次输入的最大最小值向量+ N$ G8 h+ z) G1 s9 s- B( m
    
17. % 两层的传递函数均为purelin
    , c' U, }4 e$ }- z' w, F! A  n
18. % 训练函数为trainlm
    4 C\" d\" z* C5 Y9 n# z\" q+ v  f; u
19. % 所训练的网络大小为[5,5]  E9 A\" k$ y- ^& m$ r  Q
    
20. % 仿真训练前的网络
    \" M8 J7 ?  L, l/ D! @9 x8 Y
21. , _* h  U* Q, z4 ^% @
    
22. %%%%%%%%%%%  进行网络训练  %%%%%%%%%%%%%%
    ' m\" ~7 q0 t/ M, r, `
23. % network parameters:
    ' {  G5 A; S# x& [+ y) y9 F
24. %   epochs--epochs of the train
    8 F6 a1 x- K0 V9 o7 B: E# N
25. %   goal--errors goal of the network# A& D! v& b8 z- a1 O
    
26. %   lr--learning rate
    9 W% R: P5 H) A! R  L% J# h; ?
27. %   shows--epochs between the displays
    ' Z  ]: E, M. V4 s
28. %   time--Maximum time to train in seconds6 ?9 p1 |! B' G9 r3 E& w6 W' D
    
29. net.trainParam.epochs=200000;  % 训练次数
    1 ?) ?' w, r' h  E
30. nettrainParam.goal=0.0001;  % 误差期望值3 h6 Y1 h4 s# p, d- O; r
    
31. % returns of the train:
    * Y9 J& X( X( J, n2 p
32. %   net--New network
    / r$ L8 G% M+ E% ~2 @* |
33. %    tr--Training record (epoch and perf).) r( |  v& `1 a4 a
    
34. %     Y--Network outputs.
    ' \& P( {$ B1 {' \9 J8 M8 x1 [
35. %     E--Network errors.
    ; z6 }4 f8 o3 T
36. [net,tr,Y,E]=train(net,p,t);
      i% I3 `, H* @5 t7 T7 l5 ^9 u
37. %%%%%%%%%%%  网络测试 %%%%%%%%%%%%%%%%
    \" r% B+ K, J& L2 _
38. % input the testing points here %$ F) S\" C- s; z  K/ K1 l0 L- P) @
    
39. title('神经网络训练结果');. W0 }. P/ g! t7 G5 U( K: [
    
40. xlabel('时间（天）');
    ; w( U) T) V- q
41. ylabel('仿真输出结果');  ]; p' {, ^3 f4 f5 D
    
42. legend('仿真模拟值','实际值','神经网络预测值');
    % l1 o- \+ l; P4 O' O
43. %%%%%%%%%%%%%%%%%%  绘制误差曲面 %%%%%%%%%%%%%, C) b\" ?8 z2 m\" s' h$ V
    
44. x=1:5;
    ; ~3 p. V! I# y
45. y=1:5;
    - Y8 W( y9 u. g$ z* N  u- `
46. y21=sim(net,p);2 B$ F\" y- O. u+ N4 v1 r
    
47. y2=reshape(y21,1,15);
    1 T) }1 J; y& p/ g% _& P+ H
48. clf
    : W. Y) H7 Y6 N# B/ D; S6 T
49. plot(r,y2,'b-^')
    1 d5 `4 y& i3 P% n. d6 l9 V+ t; w
50. hold on( c- c2 z: c: Y. L% o
    
51. plot(1:20,day,'r-*')
      h2 C# Q3 R\" c6 H8 t
52. %%%%%%%%%%%%% 预测 %%%%%%%%%%%%%%%) Y1 G/ t, ~! ?6 Y
    
53. y3=sim(net,h3);
    6 z4 l$ d/ `7 Y: g
54. plot(21:21,y3,'-*')5 j; g% x! J) ^
    
55. hold on
    / @% ]8 Q1 w  B) J2 }\" _
56. title('神经网络训练结果');6 x( _5 @( r2 h/ ~
    
57. xlabel('时间（天）');/ V- d- @7 F% w5 x) d3 Q
    
58. ylabel('仿真输出结果');% G( s/ G! n0 ]7 m: I
    
59. legend('仿真模拟值','实际值','神经网络预测值');, i\" x. ]# G0 i  i& i4 T
    
60. %%%%%%%%%%%%%%%%%%  绘制误差曲面 %%%%%%%%%%%%%
    0 {& O  q, b% ^( J  C: P7 ?( }
61. x=1:5;
    0 B1 c/ B& X  Y% h0 x; S' Y% x
62. y=1:5;
    & \# f  V6 o9 I/ }: x$ z* S
63. plot3(x(1:3),y(1:3),E(x(1:3),y(1:3)))

复制代码