用神经网络模型读取数据预测PM2.5浓度matlab代码

以下是一个使用神经网络模型读取数据并预测PM2.5浓度的MATLAB代码示例：

% 读取数据
data = readtable('data.csv');
X = table2array(data(:, 2:end-1))';
y = table2array(data(:, end))';

% 划分训练集和测试集
idx = randperm(length(y));
train_idx = idx(1:round(0.7*length(y)));
test_idx = idx(round(0.7*length(y))+1:end);
X_train = X(:, train_idx);
y_train = y(train_idx);
X_test = X(:, test_idx);
y_test = y(test_idx);

% 定义神经网络模型
net = feedforwardnet([10, 5]);

% 训练神经网络模型
net = train(net, X_train, y_train);

% 预测测试集
y_pred = net(X_test);

% 计算性能指标
mse_val = mse(y_test - y_pred);
r_val = corr(y_test', y_pred', 'Type', 'Pearson');

% 绘制结果
figure(1);
plot(y_test, 'b');
hold on;
plot(y_pred, 'r');
legend('True', 'Predicted');
title(['Neural Network Regression (MSE=', num2str(mse_val), ', R=', num2str(r_val), ')']);
xlabel('Sample Index');
ylabel('PM2.5 Concentration');

这段代码演示了如何使用神经网络模型对给定数据中的PM2.5浓度进行预测。代码首先读取数据，并将其划分为训练集和测试集。然后，代码定义一个简单的前馈神经网络模型，并使用`train`函数训练该模型。接下来，代码使用训练好的模型预测测试集，并计算预测性能指标。最后，代码绘制了真实值和预测值，并输出计算得到的预测性能指标。请注意，代码使用`plot`函数绘制线图，并使用`legend`函数添加图例和`title`函数添加标题。