错误使用 trainNetwork 训练序列具有特征维度 52428，但输入层需要特征维度为 1 的序列。

这个错误的原因是您的训练数据的格式不正确。在 LSTM 模型中，输入数据的格式应该是一个序列，每个时间步骤上都有一个特征。在您的代码中，训练数据的特征维度为 1，但是数据的长度为 52428，这意味着您正在尝试训练一个具有 52428 个时间步骤的序列，其中每个时间步骤只有一个特征，这与 LSTM 模型的输入格式不符。

要解决这个问题，您需要将训练数据的格式变为一个序列。您可以使用 `num2cell` 函数将数据转换为一个细胞数组，其中每个单元格包含一个时间步骤上的特征。然后，您可以使用 `sequenceInputLayer` 函数来创建一个序列输入层，这个层将接受这个细胞数组作为输入数据。在这个例子中，您可以使用以下代码来解决这个问题：

train_data = num2cell(train_data(:, 1));
train_targets = train_data(:, 2);

inputSize = 1;
numHiddenUnits = 100;
numClasses = 1;

layers = [ ...
    sequenceInputLayer(inputSize)
    lstmLayer(numHiddenUnits)
    fullyConnectedLayer(numClasses)
    regressionLayer];

options = trainingOptions('adam', ...
    'MaxEpochs', 50, ...
    'MiniBatchSize', 512, ...
    'GradientThreshold', 1, ...
    'InitialLearnRate', 0.001, ...
    'Shuffle', 'every-epoch', ...
    'Verbose', false, ...
    'Plots', 'training-progress');

net = trainNetwork(train_data, train_targets, layers, options);

在这个例子中，我们使用 `num2cell` 函数将训练数据转换为一个细胞数组，然后使用 `sequenceInputLayer` 函数来创建一个序列输入层。我们还使用 `lstmLayer` 函数来创建一个 LSTM 层，使用 `fullyConnectedLayer` 函数来创建一个全连接层，使用 `regressionLayer` 函数来指定输出层的类型为回归层。最后，我们使用 `trainNetwork` 函数来训练模型。

希望这个解决方案能够帮助您解决问题。如果您有任何问题或需要进一步的帮助，请告诉我。