问题遇到的现象和发生背景
我想用matlab进行第2023-2050年的温度预测，但是这个代码只能预测到2022年的（因为2022年之前的都有真实温度作为参考），请问我该如何调试这个代码，使其能够预测到2050年的温度呢（2023年之后的都没有真实温度作为参考，题主只是想得到一个预测值）
用代码块功能插入代码，请勿粘贴截图
%% 该代码为基于遗传算法神经网络的预测代码
% 清空环境变量
clc
clear
%
%% 网络结构建立
%读取数据
load new_matrix input output
%节点个数
inputnum=5;
hiddennum=6;
outputnum=1;
%训练数据和预测数据
input_train=input(1:118,:)';%取1到1900行的数据来训练
input_test=input(91:118,:)';%取1901到2000行的数据来测试
output_train=output(1:118);
output_test=output(91:118);
%选连样本输入输出数据归一化
[inputn,inputps]=mapminmax(input_train);%归一化到[-1,1]之间，inputps用来作下一次同样的归一化
[outputn,outputps]=mapminmax(output_train);
%构建网络
net=newff(inputn,outputn,hiddennum);%单隐含层，5个隐含层神经元
%% 遗传算法参数初始化
maxgen=20; %进化代数，即迭代次数
sizepop=10; %种群规模
pcross=0.2; %交叉概率选择，0和1之间
pmutation=0.1; %变异概率选择，0和1之间
%节点总数：输入隐含层权值、隐含阈值、隐含输出层权值、输出阈值（4个基因组成一条染色体）
numsum=inputnum*hiddennum+hiddennum+hiddennum*outputnum+outputnum;%21个，10,5,5,1
lenchrom=ones(1,numsum);%个体长度，暂时先理解为染色体长度，是1行numsum列的矩阵
bound=[-3*ones(numsum,1) 3*ones(numsum,1)]; %是numsum行2列的串联矩阵，第1列是-3，第2列是3
%------------------------------------------------------种群初始化--------------------------------------------------------
individuals=struct('fitness',zeros(1,sizepop), 'chrom',[]); %将种群信息定义为一个结构体：10个个体的适应度值，10条染色体编码信息
avgfitness=[]; %每一代种群的平均适应度,一维
bestfitness=[]; %每一代种群的最佳适应度
bestchrom=[]; %适应度最好的染色体，储存基因信息
%初始化种群
for i=1:sizepop
%随机产生一个种群
individuals.chrom(i,:)=Code(lenchrom,bound); %编码（binary（二进制）和grey的编码结果为一个实数，float的编码结果为一个实数向量）
x=individuals.chrom(i,:);
%计算适应度
individuals.fitness(i)=fun(x,inputnum,hiddennum,outputnum,net,inputn,outputn); %染色体的适应度
end
FitRecord=[];
%找最好的染色体
[bestfitness, bestindex]=min(individuals.fitness);%bestindex是最小值的索引（位置/某个个体），bestfitness的值为最小适应度值
bestchrom=individuals.chrom(bestindex,:); %最好的染色体，从10个个体中挑选到的
avgfitness=sum(individuals.fitness)/sizepop; %染色体的平均适应度(所有个体适应度和 / 个体数)
% 记录每一代进化中最好的适应度和平均适应度
trace=[avgfitness bestfitness]; %trace矩阵，1行2列，avgfitness和bestfitness仅仅是数值
%% 迭代求解最佳初始阀值和权值
% 进化开始
for i=1:maxgen
% 选择
individuals=Select(individuals,sizepop);
% avgfitness=sum(individuals.fitness)/sizepop;%种群的平均适应度值
%交叉
individuals.chrom=Cross(pcross,lenchrom,individuals.chrom,sizepop);
% 变异
individuals.chrom=Mutation(pmutation,lenchrom,individuals.chrom,sizepop,i,maxgen,bound);
% 计算适应度
for j=1:sizepop
x=individuals.chrom(j,:); %个体信息
individuals.fitness(j)=fun(x,inputnum,hiddennum,outputnum,net,inputn,outputn); %计算每个个体的适应度值
end
%找到最小和最大适应度的染色体及它们在种群中的位置
[newbestfitness,newbestindex]=min(individuals.fitness);%最佳适应度值
[worestfitness,worestindex]=max(individuals.fitness);
% 最优个体更新
if bestfitness>newbestfitness
bestfitness=newbestfitness;
bestchrom=individuals.chrom(newbestindex,:);
end
individuals.chrom(worestindex,:)=bestchrom;%取代掉最差的，相当于淘汰
individuals.fitness(worestindex)=bestfitness;
avgfitness=sum(individuals.fitness)/sizepop;
trace=[trace;avgfitness bestfitness]; %记录每一代进化中最好的适应度和平均适应度
FitRecord=[FitRecord;individuals.fitness];%记录每一代进化中种群所有个体的适应度值
end
%% 遗传算法结果分析
figure(1)
[r, c]=size(trace);
plot([1:r]',trace(:,2),'b--');
title(['适应度曲线 ' '终止代数＝' num2str(maxgen)]);
xlabel('进化代数');ylabel('适应度');
legend('平均适应度','最佳适应度');
disp('适应度 变量');
%% 把最优初始阀值权值赋予网络预测
% %用遗传算法优化的BP网络进行值预测
w1=x(1:inputnum*hiddennum);
B1=x(inputnum*hiddennum+1:inputnum*hiddennum+hiddennum);
w2=x(inputnum*hiddennum+hiddennum+1:inputnum*hiddennum+hiddennum+hiddennum*outputnum);
B2=x(inputnum*hiddennum+hiddennum+hiddennum*outputnum+1:inputnum*hiddennum+hiddennum+hiddennum*outputnum+outputnum);
net.iw{1,1}=reshape(w1,hiddennum,inputnum);
net.lw{2,1}=reshape(w2,outputnum,hiddennum);
net.b{1}=reshape(B1,hiddennum,1);
net.b{2}=reshape(B2,outputnum,1);
%% BP网络训练
%网络进化参数
net.trainParam.epochs=100;
net.trainParam.lr=0.1;
net.trainParam.goal=0.00001;
%网络训练
[net,per2]=train(net,inputn,outputn);
%% BP网络预测
%数据归一化
inputn_test=mapminmax('apply',input_test, inputps);%第二个参数记得补一个inputs，第三个是inputps
an=sim(net,inputn_test);
test_simu=mapminmax('reverse',an,outputps);
error=test_simu-output_test;
figure(2)
plot((output_test-test_simu)./test_simu,'-*');
title('神经网络预测误差百分比')
figure(3)
plot(error,'-*')
title('BP网络预测误差','fontsize',12)
ylabel('误差','fontsize',12)
xlabel('样本','fontsize',12)
figure(4)
x= 1:1:28
plot(x, test_simu,x, output_test)
运行结果及报错内容
题主希望运行得到一个预测2023一直到2050年的预测温度折线图
我的解答思路和尝试过的方法
题主曾经尝试过在sim函数的参数和matminmax函数上改动，还在努力中。
我想要达到的结果
题主希望运行得到一个预测2023一直到2050年的预测温度折线图
