% 在MATLAB6.5下編程
tic, % 開始計時
[P,T,R,S1,S2,S,meanp,stdp,meant,stdt]=nninit; % BP網絡初始化
% 生成BP網絡
net = newff(minmax(P),[S1 S2],{'tansig' 'purelin'},'trainlm');
% BP網絡訓練的參數設置
net.trainParam.epochs =20000;
net.trainParam.goal = 0.0001;
net.trainParam.lr = 0.001;
% 開始訓練
net = train(net,P,T);
% 仿真結果
TT=sim(net,P)
E=sum((T-TT).^2)./10;
E=sqrt(E)
e1=(T-TT)./T
c=poststd(TT,meant,stdt)
 toc  % 結束計時
%前面的網絡訓練過程可以是腳本文件運行
%后面的待預測的數據必須每次從命令窗口輸入才是每次得到同一的預測結果 只有這樣才是每次利用前面已經訓練好的網絡
%檢驗數據： 
%##########################################
  %xk1=input('     please input .....xk==')
  %pnew=xk1';
  %pnew=trastd(pnew,meanp,stdp);%將數據通過自標準化再用來輸入網絡
  %an=sim(net,pnew);%網絡模擬出來的值
  %anew=poststd(an,meant,stdt)%模擬出的值再線性返回樣本預測值
  %tk1=input('     please input .....tk==')
  %e2=(tk1-anew)./tk1
    %xk2=input('     please input .....xk==')
    %data
    data2
  pnew=xk';
  pnew=trastd(pnew,meanp,stdp);%將數據通過自標準化再用來輸入網絡
  an=sim(net,pnew);%網絡模擬出來的值
  anew=poststd(an,meant,stdt)%模擬出的值再線性返回樣本預測值
  %tk2=input('     please input .....tk==')
  tk=tk'
  e2=(tk-anew)./tk