下表为某药品的销售情况，构建一个如下的三层BP神经网络对药品的销售进行预测：输入层有三个结点，隐含层结点数为5，隐含层的激活函数为tansig；输出层结点数为1个，输出层的激活函数为logsig，并利用此网络对药品的销售量进行预测，预测方法采用滚动预测方式，即用前三个月的销售量来预测第四个月的销售量，如用1、2、3月的销售量为输入预测第4个月的销售量，用2、3、4月的销售量为输入预测第5个月的销售量。 附上matlab代码

好的，下面是利用Matlab实现的代码，用于对药品销售量进行预测：

% 数据预处理
data = [500 600 800 950 1100 1300 1500 1700 1900 2100];  % 销售数据
data = (data - min(data)) / (max(data) - min(data));  % 归一化处理

% 构建神经网络
net = newff([0 1 2; 0 1 2; 0 1 2], [5 1], {'tansig' 'logsig'}, 'traingd');
net.trainParam.epochs = 10000;  % 设置训练次数
net.trainParam.lr = 0.1;  % 设置学习率

% 神经网络的训练
for i = 4:length(data)
    input = data(i-3:i-1);  % 输入数据
    output = data(i);  % 输出数据
    net = train(net, input, output);  % 训练神经网络
end

% 神经网络的预测
for i = 4:length(data)
    input = data(i-3:i-1);  % 输入数据
    output = sim(net, input);  % 预测输出
    data(i) = output;  % 更新销售数据
end

% 反归一化处理
data = data * (max(data) - min(data)) + min(data);

% 绘制销售数据与预测结果的曲线
figure;
plot(1:length(data), data, 'b-', 'LineWidth', 2);
hold on;
plot(4:length(data), data(4:end), 'r--', 'LineWidth', 2);
legend('销售数据', '预测结果');
xlabel('时间（月）');
ylabel('销售量');
title('药品销售量预测');

在运行代码时，需要将销售数据修改为自己的数据，然后将训练次数和学习率根据需要进行调整。运行结果将会绘制销售数据与预测结果的曲线，以便于进行对比和分析。