关于matlab的BP神经网络：

比较新的版本，比如说matlab 2010以上的，都不需要装神经网络的工具箱
建立网络步骤：
1、数据归一化：输入的数据通常为P,输出数据通常为T，数据格式为：每列对应一个样本，归一化常用函数：mapminmax
[pn,ps]=mapminmax(p); [tn,ts]=mapminmax(t)
pn,tn是归一化后的数据，ps, ts是归一化的结构体，在后面反归一化预测值很有用。
2、建立网络并设定参数
net=newff(pn,tn,[ ]) 中括号里面的是输入层数，隐含神经元数，输出层数，还可以设定节点传递函数等等的参数
net.trainparam.epochs=1000 训练的次数
net.trainparam.goal=0.0001 训练的误差目标值
net.trainparam.lr=0.1 学习速率，通常在0到1之间，过大过小都不好
3、预测并分析
an=sim(net, pn)
ouput=mapminmax('reverse', an, ts) 根据之前归一化的标准，对预测结果进行反归一化，得到结果
error=output-t 这里是对误差进行输出，也可以用error=sum(asb(output-t))
当然也可以作图，比如说：
plot(p,t,'-o')
hold on
plot(p, output,'-*')
看预测值和真实值能否吻合
还可以在神经网络训练完成后的对话框中看MSE和R方
还有很多方法提高神经网络的精度，以上程序没有经过MATLAB调试，但大致过程如上

纯手打，希望采纳！