%%%%%%%%%%%%%%%%%含氧量的BP神經網絡建模與預測%%%%%%%%%%%%%%%


%%?清空運行環境
clc;
clear?all;
close?all;

%%?提取數據
data=xlsread（‘hyl‘）;
%input=[data（1:51841:2）?data（1:51844）?data（2:51853）?data（2:51854）?data（1:51845）];
input=[data（1:20002:4）?data（1:20006）?data（1:200028）];
output=data（1:200011）;

%data（1:51845）?

%?隨機選取5000組訓練數據和185組測試數據
%input_train?=?input（1:4000:）‘;
%output_train?=?output（1:4000:）‘;
%input_test?=?input（1:4000:）‘;
%output_test?=?output（1:4000:）‘;
%input_test?=?input（4001:end:）‘;
%output_test?=?output（4001:end:）‘;

%將訓練數據歸一化
[inputninputps]=mapminmax（input）;
[outputnoutputps]=mapminmax（output）;

%%?訓練BP神經網絡
%?創建網絡
%net?=?newff（inputnoutputn[151]{‘tansig‘‘purelin‘}‘trainlm‘）;
net=newff（inputnoutputn11）;
%?設置訓練參數
net.trainParam.show=50;%每隔50步顯示一次訓練誤差
net.trainParam.lr=0.001;%學習速率是0.05
%net.trainParam.lr_inc=1.05;%變步長系數1.05
%net.trainParam.mc=0.9;%動量系數0.9
net.trainParam.epochs?=?300;?%訓練的最大次數
net.trainPa