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
! c" `/ ?2 ~) B  g: l5 Qdaypost=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
t=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
8 `& Y3 \% n1 A5 U& C* fdaylast=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
4 u( o: {+ ^+ ar=5:16;
0 _& t, S: m# n  `+ urr=reshape(r,4,3);
  m* {6 M" C, F% ?  f%%%%%%%%%%%%%% 新建网络bp %%%%%%%%%%%%%%%%
net=newff(minmax(p),[4,3],{\'purelin\' \'purelin\'},\'trainlm\');
" E- u* U) C# p+ J" d: Yy1=sim(net,p);
3 n2 P& E4 O  W' b( E2 b% 新建网络，其中minmax(p)为p的没一次输入的最大最小值向量
8 `+ c8 c5 j$ @3 Q. x; x2 `1 G% 两层的传递函数均为purelin
% 训练函数为trainlm
7 e% b9 G+ o/ e  C. t% 所训练的网络大小为[5,5]
  n  B% B5 S3 `+ ^  Q, O% 仿真训练前的网络
- P( R3 }: m' P. V
%%%%%%%%%%%  进行网络训练  %%%%%%%%%%%%%%
' W( [5 ~% q8 g0 X% network parameters:
%   epochs--epochs of the train
%   goal--errors goal of the network
%   lr--learning rate
1 ^- E! U% O% ?3 l) ~* d%   shows--epochs between the displays
%   time--Maximum time to train in seconds
% \; X1 q/ J: i' i0 |net.trainParam.epochs=200000;  % 训练次数
, d! K1 X1 M" O: @nettrainParam.goal=0.0001;  % 误差期望值
# \" Y: V! A/ Y) K+ H  }( q% returns of the train:
%   net--New network
5 e& F# P' E' E( T* |8 x: x6 R%    tr--Training record (epoch and perf).
& z5 _/ m. W0 L/ v+ `# o. e%     Y--Network outputs.
* R' }4 T! y; _%     E--Network errors.
[net,tr,Y,E]=train(net,p,t);
%%%%%%%%%%%  网络测试 %%%%%%%%%%%%%%%%
  b$ R, ]5 k  Y: I5 a8 g6 Y2 }3 T, p) b% input the testing points here %
title(\'神经网络训练结果\');
. v5 @' A8 z7 u3 S5 v5 `xlabel(\'时间（天）\');
% o- ]# C5 G$ v  `ylabel(\'仿真输出结果\');
legend(\'仿真模拟值\',\'实际值\',\'神经网络预测值\');
$ u: I- a: h: u. y%%%%%%%%%%%%%%%%%%  绘制误差曲面 %%%%%%%%%%%%%
, d& b) A! N, Q9 `x=1:4;
1 w: f8 l: H" K, j" M  p6 m3 zy=1:4;
6 B/ b' ~+ V* q1 s7 E5 K% m" py21=sim(net,p);
% H% s$ [# g0 r, e0 a* t) p3 f' R. t0 ?y2=reshape(y21,1,12);
clf
$ }/ n& M. o$ U6 qplot(r,y2,\'b-^\')
hold on
" M% N$ |) b  ~' E9 J( |/ Mplot(1:20,day,\'r-*\')
%%%%%%%%%%%%% 预测 %%%%%%%%%%%%%%%
y3=sim(net,h3);
, g% G2 P9 E! r4 b' Bplot(17:2:20,y3,\'-*\')
hold on
; A% z) p* G7 O1 A6 d9 s* q% T! L+ }5 ztitle(\'神经网络训练结果\');
xlabel(\'时间（天）\');
ylabel(\'仿真输出结果\');
) E: m, R% ~) ]+ }" |; m7 ]& k! W* plegend(\'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;
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
( R) @) Q/ s& T, O% Y6 M