Question

BP神经网络做预测的问题

题目如下，有九组数 第一列为 特征值序列 1~6列为相关因素 ，先要根据前7组数据做一个神经网络，然后用第8,9组数据做预测，请求各位大侠帮助 我自己做了个神经网络 但是我不知道怎么样才能 用8 ，9 的数据做预测，请各位高手帮帮我吧 真的好着急

相关
因素
机型

成本

1

2

3

4

5

6

1

32

65.09

0.785

26.3

11280

17800

102

2

97.2

150.22

1.565

53.6

23780

47460

240

3

297.4

545.22

2.405

116.9

35460

264300

451

4

472

775.22

3.245

194.1

47960

381640

659

5

594.2

938.22

4.095

247.194

60960

501640

845

6

738.92

1195.22

4.915

319.194

73760

640740

1037

7

1000.84

1755.22

5.765

389.194

86860

950740

1276

8

1062.36

1828.72

6.545

416.194

98860

980420

1399

9

1234.76

2085.72

7.365

450.194

111660

1119520

1607

这是我训练的神经网络，就是不知道怎么用8,9 的数做预测了

clc
clear all
x1=[32 97.2 297.4 472 594.2 738.92 1000.84 ]';
x2=[65.09 150.22 545.22 775.22 938.22 1195.22 1755.22 ]';
x3=[0.785 1.565 2.405 3.245 4.095 4.915 5.765 ]';
x4=[26.3 53.6 116.9 194.1 247.194 319.194 389.194 ]';
x5=[11280 23780 35460 47960 60960 73760 86860 ]';
x6=[17800 47460 264300 381640 501640 640740 950740 ]';
x7=[102 240 451 659 845 1037 1276 ]';
P1 = [x2 x3 x4 x5 x6 x7]'; % P1 为输入矢量
T1 = x1';
%归一化
[P,minp,maxp,T,mint,maxt] = premnmx(P1,T1);
% 创建一个新的前向神经网络
net_1=newff(minmax(P),[9,1],{'tansig','purelin'},'traingdm');%输入层到隐藏层的激发函数选择S型函数，由隐藏层到输出层的激发函数选择线性函数。
%隐藏层神经元个数选择为17个
% 当前输入层权值和阈值
inputWeights=net_1.IW{1,1}
inputbias=net_1.b{1}
% 设置训练参数
net_1.trainParam.show = 200;
net_1.trainParam.lr = 0.2;
net_1.trainParam.mc = 0.9;
net_1.trainParam.epochs = 20000;
net_1.trainParam.goal = 1e-6;
[net_1,tr] = train(net_1,P,T);
A = sim(net_1,P);
% 反归一化
Y = postmnmx(A,mint,maxt);
E = T - Y;
MSE = mse(E);
怎样才能实现预测，并且准确预测啊，昨天我又试了试，加了预测 但是预测的值差很多
数字的输入出现错误了 我插个图片进来，亲们帮帮我吧，解决问题的话还要追加

Answer 1

要对8、9数据进行输入，然后进行编码，给你个例子。
p=[0.3276 0.4425 0.1092 0.1207 0;
0.1881 0.4161 0.1691 0.2266 0;
0.1077 0.2245 0.1086 0.5532 0.0060;
0.8587 0.0700 0.0449 0.0264 0.0000;
0.6048 0.1492 0.1714 0.0363 0.0383;
0.3183 0.2957 0.0293 0.3183 0.0429]';
t=[1 0 0 0 0 0 ;
0 1 0 0 0 0 ;
0 0 1 0 0 0 ;
0 0 0 1 0 0 ;
0 0 0 0 1 0 ;
0 0 0 0 0 1 ]';
数据为训练数据