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
1 U! R! Q9 N4 K( t5 Zdayday=day(1:12);% 取其中的前25天
; _6 z4 b3 x4 N- |; l* Hdaypost=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
; |0 y9 K+ k- o5 M. M5 ct=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
1 p( e1 H) k; s& G2 G/ |$ _/ V+ Gdaylast=day(13:16);
# w8 K* q4 E* Wh3=reshape(daylast,4,1);% 将倒数第二个样本作为网络测试时的输入样本
# E0 M- n' H( o# k3 er=5:16;
& j' _' O! N/ `0 Brr=reshape(r,4,3);
%%%%%%%%%%%%%% 新建网络bp %%%%%%%%%%%%%%%%
1 z( W; H7 Y1 H& R( W" Snet=newff(minmax(p),[4,3],{\'purelin\' \'purelin\'},\'trainlm\');
5 f) I' X; {. q3 \) by1=sim(net,p);
2 w: X8 q# o; J# e% 新建网络，其中minmax(p)为p的没一次输入的最大最小值向量
2 t( b8 K3 }1 c$ ~/ u9 r% 两层的传递函数均为purelin
" L& g  h; W) e; x% 训练函数为trainlm
% k$ e* A& V, t# [% 所训练的网络大小为[5,5]
- G4 \) ^7 U9 o) y5 ~2 t% 仿真训练前的网络
% g& @: }8 s7 s
%%%%%%%%%%%  进行网络训练  %%%%%%%%%%%%%%
* B9 Y4 X- F. a( ^- M% network parameters:
%   epochs--epochs of the train
* u+ l! m4 z4 T: e) Q+ E%   goal--errors goal of the network
%   lr--learning rate
  ^& P  e$ J) Z7 E5 x% Q%   shows--epochs between the displays
! I, W2 L: d7 w/ N4 A%   time--Maximum time to train in seconds
net.trainParam.epochs=200000;  % 训练次数
nettrainParam.goal=0.0001;  % 误差期望值
% returns of the train:
%   net--New network
%    tr--Training record (epoch and perf).
%     Y--Network outputs.
%     E--Network errors.
[net,tr,Y,E]=train(net,p,t);
%%%%%%%%%%%  网络测试 %%%%%%%%%%%%%%%%
) a8 o1 x1 u8 ]$ Y% ~+ R% input the testing points here %
3 @, W5 J% d9 V3 z& Ptitle(\'神经网络训练结果\');
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\');
! B3 O, p# x6 k- h4 N; g" G- O; G%%%%%%%%%%%%%%%%%%  绘制误差曲面 %%%%%%%%%%%%%
x=1:4;
! P, w2 ?- ?5 i3 ey=1:4;
y21=sim(net,p);
: U: U3 E. T; d: ]* r1 e' w* O* ]y2=reshape(y21,1,12);
( H2 G, m  n. V7 `clf
6 b2 c; }! T: cplot(r,y2,\'b-^\')
hold on
plot(1:20,day,\'r-*\')
; v! I9 p: t; |: {%%%%%%%%%%%%% 预测 %%%%%%%%%%%%%%%
y3=sim(net,h3);
* J2 B! u9 E! C8 W! J7 Lplot(17:2:20,y3,\'-*\')
hold on
* d( `8 |, H+ C; r" Z$ j$ @1 @! ititle(\'神经网络训练结果\');
+ }* H8 }& P  d6 `9 ?- Exlabel(\'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 %%%%%%%%%%%%%
* G5 Z1 y* X& ]% [- I4 U% B- q) Ex=1:4;
7 N: R" k; l7 K: M7 cy=1:4;
4 U7 m: v$ b2 s1 \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
- L5 G: V/ P2 `- j