以上代码，连起来并加上相应的注释

好的，以下是将以上代码连起来并加上相应的注释的示例代码：

% 导入Excel数据
data = xlsread('data.xlsx');

% 数据预处理：对第1列数据进行标准化处理
data(:,1) = zscore(data(:,1));

% 划分数据集：将前80%的数据作为训练集，后20%的数据作为测试集
train_data = data(1:floor(0.8*size(data,1)),:);
test_data = data(floor(0.8*size(data,1))+1:end,:);

% 构建LSTM网络：具有3个输入变量和1个输出变量的LSTM网络
inputSize = 3;
outputSize = 1;
numHiddenUnits = 100;
layers = [ ...
    sequenceInputLayer(inputSize)
    lstmLayer(numHiddenUnits,'OutputMode','last')
    fullyConnectedLayer(outputSize)
    regressionLayer];

% 训练LSTM网络：使用Adam优化器，设置学习率为0.01，并训练100个epochs
XTrain = train_data(:,1:3);
YTrain = train_data(:,4);
miniBatchSize = 64;
options = trainingOptions('adam', ...
    'MaxEpochs',100, ...
    'MiniBatchSize',miniBatchSize, ...
    'InitialLearnRate',0.01, ...
    'GradientThreshold',1, ...
    'Shuffle','never', ...
    'Plots','training-progress');
net = trainNetwork(XTrain',YTrain',layers,options);

% 预测结果：对测试数据进行预测
XTest = test_data(:,1:3);
YTest = test_data(:,4);
YPred = predict(net,XTest');

% 评估模型：计算测试数据的均方根误差（RMSE）
rmse = sqrt(mean((YPred - YTest').^2))

希望这个示例代码可以帮助您更好地理解如何利用MATLAB基于Excel时序数据，建立LSTM三输入单输出的预测模型，并且您可以根据自己的需求进行相应的调整和优化。