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
9 n1 Q! K3 s) U" ~# vdayhismod=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
" M2 M& X  _$ t+ j9 R5 D* gdayday=day(1:12);% 取其中的前25天
& W- ?% m: \% idaypost=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
+ H! {& m# Y) x8 i; ~1 U8 P# At=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);
* P. u: y5 }2 ^+ m  N; S" T, ch3=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;
  K. |* G* B0 i4 M- [- I8 Z. |rr=reshape(r,4,3);
%%%%%%%%%%%%%% 新建网络bp %%%%%%%%%%%%%%%%
net=newff(minmax(p),[4,3],{\'purelin\' \'purelin\'},\'trainlm\');
y1=sim(net,p);
$ \1 a( u2 O; _" C& @% 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

%%%%%%%%%%%  进行网络训练  %%%%%%%%%%%%%%
% network parameters:
2 }  K2 q5 Z* M  G5 @% {( X%   epochs--epochs of the train
%   goal--errors goal of the network
+ v; Y; q! S) ]0 v+ X$ w%   lr--learning rate
%   shows--epochs between the displays
: ]" ]" A9 ?" D) d! }) _%   time--Maximum time to train in seconds
net.trainParam.epochs=200000;  % 训练次数
' S$ D$ i+ v0 RnettrainParam.goal=0.0001;  % 误差期望值
- V+ o) i: Z6 `7 ]% returns of the train:
%   net--New network
%    tr--Training record (epoch and perf).
%     Y--Network outputs.
$ S* J! _% c# k/ \& F0 K%     E--Network errors.
[net,tr,Y,E]=train(net,p,t);
, s$ a5 H7 Z# W- }  ?8 N* g%%%%%%%%%%%  网络测试 %%%%%%%%%%%%%%%%
% input the testing points here %
title(\'神经网络训练结果\');
8 z1 |" Y% j' U. e9 H2 vxlabel(\'时间（天）\');
, Y& `3 E6 f: Z4 p' ?/ \ylabel(\'仿真输出结果\');
" ?  d1 e3 H6 F& V) Mlegend(\'仿真模拟值\',\'实际值\',\'神经网络预测值\');
6 S& r; c% c: U! A%%%%%%%%%%%%%%%%%%  绘制误差曲面 %%%%%%%%%%%%%
0 E/ A! z. n) q4 m& rx=1:4;
y=1:4;
y21=sim(net,p);
  y$ l' U) K. Z! I7 dy2=reshape(y21,1,12);
. w) q8 X% h. |( Y8 k0 vclf
1 C5 t9 P9 e: `. D. xplot(r,y2,\'b-^\')
hold on
plot(1:20,day,\'r-*\')
1 K) \8 d* ~8 c6 p%%%%%%%%%%%%% 预测 %%%%%%%%%%%%%%%
8 F$ S- I* f9 `# j& X' Ty3=sim(net,h3);
" O! R- q9 p6 o$ D9 Qplot(17:2:20,y3,\'-*\')
$ p7 l* Q4 c% q) ]hold on
/ l2 d3 l9 L, w9 _/ _$ C2 k4 x  A5 Ytitle(\'神经网络训练结果\');
: U0 y0 v+ ^  N6 k: F, }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\');
2 }2 w+ j. p% a0 e6 U: h; @& k" Q3 A%%%%%%%%%%%%%%%%%%  绘制误差曲面 %%%%%%%%%%%%%
  k& s: y" v7 P- K& |( a9 qx=1:4;
+ M! m: b7 {8 p, w+ p( X( D5 }7 f4 yy=1:4;
! ?1 Q$ I4 E6 h4 g5 Eplot3(x(1:3),y(1:3),E(x(1:3),y(1:3)))
0 q, q& F& W3 {6 i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
4 O; p9 J& S: f. C