BP神经网络时间序列预测MATLAB代码 代码注释清楚。 可以读取本地EXCEL数据。 很方便，初学者容易上手。

打开MATLAB准备预测明天的天气？手头正好有一堆Excel格式的销售数据想预测下季度趋势？咱们今天手把手用BP神经网络搞定时间序列预测。不用怕，这个代码连编程小白都能玩转。

先看数据读取部分，三行代码解决战斗：

% 读取Excel数据（注意修改文件路径）
data = xlsread('你的数据文件.xlsx'); 
% 提取时间序列列（假设数据在第二列）
time_series = data(:,2); 
% 转置成行向量喂给神经网络
input = time_series';

这里有个坑要注意：Excel文件得放在MATLAB当前工作路径，或者写绝对路径。新手经常在这里翻车，弹出一堆红色报错找不着北。

接着做数据预处理，神经网络最怕数值差异大：

% 数据归一化到[-1,1]区间
[inputn, inputps] = mapminmax(input);
% 设置训练集比例（这里用70%训练）
train_ratio = 0.7;
n_samples = length(inputn);
train_num = round(n_samples * train_ratio);

mapminmax函数是救星，不归一化数据的话神经网络训练速度堪比树懒。突然想到个冷知识——归一化后的数据其实可以反向还原，后面预测完记得用mapminmax('reverse')这个隐藏功能。

重点来了，构建网络结构：

% 创建网络（这里用经典的三层结构）
net = newff(inputn, inputn, [10 5], {'tansig','purelin'}, 'trainlm'); 
% 参数设置（这些数值调参侠可以自己改着玩）
net.trainParam.epochs = 1000;     % 训练次数
net.trainParam.lr = 0.01;        % 学习率
net.trainParam.goal = 1e-5;      % 训练目标误差

注意看中间那个[10 5]，这表示隐藏层结构。想当年我第一次用的时候设成[100 50]，结果电脑风扇直接起飞。新手建议先从简单结构试起，效果不好再加层数。

训练网络时加个进度条更直观：

net.trainParam.showWindow = true; % 显示训练窗口
[net, tr] = train(net, inputn(1:train_num), inputn(1:train_num));

看到那个上下波动的误差曲线没？如果曲线稳如老狗不下降，八成是学习率设太高了。这时候别慌，把lr调低一个数量级再试。

预测阶段要特别注意数据反归一化：

% 用训练好的网络预测
predictn = sim(net, inputn(train_num+1:end));
% 反归一化得到实际值
predict = mapminmax('reverse', predictn, inputps);
% 画个对比图
plot(input(train_num+1:end), 'b-'); hold on;
plot(predict, 'r--'); legend('真实值','预测值');

最后这个对比图是关键，如果红蓝线基本重合就稳了。要是发现预测线像心电图一样乱跳，八成是训练数据量不够或者网络过拟合了。

完整代码跑起来不到20行，但有几个隐藏技巧：Excel数据最好先去除表头和注释；时间序列长度建议至少100个点；遇到报错先检查矩阵维度是否匹配。新手建议先用sin函数生成假数据练手，等摸清门道再上真实数据。

改天咱们可以聊聊怎么用LSTM替代BP网络，不过对于刚入门的朋友，这个BP版本足够应付大多数预测场景了。记住，神经网络预测不是水晶球，关键还得看数据质量和特征工程。代码先拿去用，有问题评论区见！