1 1.44 2 2.54 3 3.35 4 3.92 5 4.29 6 4.52 7 4.66 8 4.74 9 4.83 10 4.97 11 5.2 12 5.5 13 5.84 14 6.17 15 6.47 16 6.71 17 6.91 18 7.06 19 7.16 20 7.22 21 7.27 22 7.3 23 7.32 24 7.34 25 7.35 26 7.36 27 7.38 28 7.4 29 7.43 30 7.48 31 7.55 32 7.67 33 7.75 数据为这样，要通过三期位 移共同预测下一期的位移，形成一组数据，将一共 33 期数据分为 30 组。再按照 80%的 比例设定训练集数量，也即一共 24 组样本构成训练集，6 组样本作为检验网络的测试集。怎么在matlab里表达处理

在Matlab中，你可以使用矩阵来表示和处理这些数据。首先，你可以创建一个大小为33x2的矩阵，其中第一列是时间步，第二列是位移值。

data = [1 1.44;
        2 2.54;
        3 3.35;
        ...
        33 7.75];

接下来，你需要将数据分成30组，每组包含三个连续的时间步和对应的位移值。你可以使用一个循环来实现这个过程。

numGroups = 30;  % 组数
groupSize = 3;  % 每组大小

groups = zeros(numGroups, groupSize+1);  % 创建一个矩阵来存储分组后的数据

for i = 1:numGroups
    startIndex = i;
    endIndex = i + groupSize - 1;
    groups(i, :) = [data(startIndex:endIndex, 1)' data(endIndex+1, 2)];
end

现在，你可以将数据集分成训练集和测试集。根据你的要求，训练集占80%，即24组样本，测试集占20%，即6组样本。

numTrain = round(numGroups * 0.8);  % 训练集大小
trainData = groups(1:numTrain, :);  % 训练集数据

testData = groups(numTrain+1:end, :);  % 测试集数据

现在你可以使用`trainData`进行模型训练，再使用`testData`进行模型测试。请注意，这只是一个简单的示例，你可能需要根据具体情况进行调整和优化。