matlab预测误差,Matlab的神经网络预测误差比较大，该怎样调整

各位高手前辈们：

你们好！

我刚刚接触神经网络不久，在用RBF网络来进行温度预测时，得到的预测误差比较大。现在调节的方法只是调整SPREAD值，结果很不理想！我想知道是什么原因产生这么大的误差，温度相差40度，是不是程序有什么问题，希望各位前辈能帮我指出哪部分有错误，提出一些解决的方法，我在此表示真诚的感谢！程序如下！

谢谢大家了!

%产生数据

clc;

clear;

%generate the learing data

x=[0 20 40 60 80 100 120 140 160 180 200 220 240 260 280 300 320 340 360 380 400 420 440;

3 5 7 8 10 11 12 13 13 13 15 16 18 19 19 19 19 20 20 21 21 21 22;

41 41 43 44 49 64 70 81 89 95 100 104 108 111 112 111 122 127 126 125 126 125 129];

F=[40.6 42.2 41.2 42.8 44.8 55.8 63.2 58.6 65.4 70.5 76.2 83.8  82.8 85.2 78.8 92 97 102.2 106.9 98.9 104.8 106.2 108];

x_train=x(:,1:20);F_train=F(:,1:20);

x_test=x(:,21:23);F_test=F(:,21:23);

%训练数据归一化处理

for i=1:3

x1_train(i,:)=(x_train(i,:)-min(x(i,:)))/(max(x(i,:))-min(x(i,:)))

end

F1=F_train/max(F);

%测试数据归一化处理

for i=1:3

x1_test(i,:)=(x_test(i,:)-min(x(i,:)))/(max(x(i,:))-min(x(i,:)))

end

%% 建立RBF网络

err_goal=0.0001;

spread=0.7;

df=1;

mn=100;

net=newrb(x1_train,F1,err_goal,spread,mn,df);

Y1=sim(net,x1_train);

Y2=sim(net,x1_test);

%训练数据反归一化处理

for i=1:3

x2_train(i,:)=x1_train(i,:)*(max(x(i,:))-min(x(i,:)))+min(x(i,:))

end

Y3=Y1*max(F);

%测试数据反归一化处理

for i=1:3

x_test(i,:)=x_test(i,:)*(max(x_test(i,:))-min(x_test(i,:)))+min(x_test(i,:))

end

Y4=Y2*max(F);

E=F_train-Y1;

SSE=sse(E);

MSE=mse(E);

%拟合图

figure(1);

plot(F_train);

hold on;

plot(Y3,'r:');

title('RBF网络拟合曲线图');

legend('实际值','预测值');

ylabel('表面温度');

xlabel('输入样本点');

figure(2);

plot(F_test,'-*');

hold on;

plot(Y4,'r:');

legend('期望输出','预测输出')

title('RBF网络预测曲线图')

ylabel('表面温度')

xlabel('样本')