请提供一段RBF-ARX的matlab代码，先用离线数据训练ARX模型，再通过RBF拟合ARX的模型参数，最后对比ARX和RBF-ARX的预测效果

以下是一个简单的RBF-ARX模型的MATLAB代码，用于离线数据训练ARX模型，并使用RBF网络拟合ARX模型参数，最后比较ARX和RBF-ARX的预测效果。

% 离线数据训练ARX模型
load data.mat; % 加载离线数据
U = data.U; % 输入变量
Y = data.Y; % 输出变量
N = length(U); % 数据点数
n_train = round(0.7*N); % 70%用于训练
n_test = N - n_train; % 剩余30%用于测试

% 训练ARX模型
na = 2; % ARX模型的AR阶数
nb = 2; % ARX模型的X阶数
theta_arx = arx([Y,U],[na nb]); % 训练ARX模型

% 使用RBF网络拟合ARX模型参数
n_rbfs = 10; % RBF网络的径向基函数数
hidden = zeros(n_train,n_rbfs); % 隐藏层输出
for i = 1:n_train
    for j = 1:n_rbfs
        % 计算第i个数据点到第j个径向基函数的距离
        dist = norm(U(i)-theta_arx.B(j));
        hidden(i,j) = exp(-dist^2/theta_arx.T(j)^2); % 计算径向基函数输出
    end
end
theta_rbf = pinv(hidden)*theta_arx.F; % 使用最小二乘法计算RBF网络的权重

% 对比ARX和RBF-ARX的预测效果
Y_arx = predict(theta_arx,[Y(1:na);U(na+1:end)],Y(1:na)); % 使用ARX模型进行预测
hidden_test = zeros(n_test,n_rbfs);
for i = 1:n_test
    for j = 1:n_rbfs
        % 计算第i个测试点到第j个径向基函数的距离
        dist = norm(U(n_train+i)-theta_arx.B(j));
        hidden_test(i,j) = exp(-dist^2/theta_arx.T(j)^2); % 计算径向基函数输出
    end
end
Y_rbf = hidden_test*theta_rbf; % 使用RBF-ARX模型进行预测

% 绘制预测结果对比图
figure;
plot(na+1:N,Y_arx,'k-',na+1:N,Y_rbf,'r--',na+1:N,Y(na+1:end),'b-');
legend('ARX','RBF-ARX','真实值');
xlabel('样本点');
ylabel('输出变量');

这个代码使用离线数据训练ARX模型，然后使用RBF网络拟合ARX模型参数。最后，它对ARX和RBF-ARX的预测效果进行了比较，并绘制了一个图表，显示了预测结果与真实值之间的差异。