请写一个使用MLP神经网络进行混凝土强度预测的代码，数据集包括有五个输入变量和一个输出变量，共1030个样本。要求输出预测图，求得平均绝对误差、平均绝对百分误差和均方根误差、R2等评价指标，同时使用交叉验证方法进行模型选择和评估。

好的，以下是使用MLP神经网络进行混凝土强度预测的代码。

首先，我们需要导入相关的库和数据集：

import numpy as np
import pandas as pd
from sklearn.neural_network import MLPRegressor
from sklearn.model_selection import cross_val_score, train_test_split
from sklearn.metrics import mean_absolute_error, mean_absolute_percentage_error, mean_squared_error, r2_score

# 导入数据集
data = pd.read_excel('concrete_data.xlsx')
X = data.iloc[:, :-1].values
y = data.iloc[:, -1].values

然后，我们可以将数据集分为训练集和测试集：

# 将数据集分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)

接下来，我们可以建立MLP神经网络模型，并进行交叉验证：

# 建立MLP神经网络模型
mlp = MLPRegressor(hidden_layer_sizes=(100, 50, 10), random_state=0)

# 进行交叉验证
scores = cross_val_score(mlp, X_train, y_train, cv=5)
print("交叉验证得分：", scores.mean())

在建立完模型并进行交叉验证之后，我们可以使用训练集来训练模型，并使用测试集来进行预测：

# 训练模型
mlp.fit(X_train, y_train)

# 对测试集进行预测
y_pred = mlp.predict(X_test)

最后，我们可以计算评价指标，包括平均绝对误差、平均绝对百分误差、均方根误差和R2，并输出预测图：

# 输出预测图
import matplotlib.pyplot as plt
plt.scatter(y_test, y_pred)
plt.xlabel("True Values")
plt.ylabel("Predictions")
plt.show()

# 计算评价指标
print("平均绝对误差：", mean_absolute_error(y_test, y_pred))
print("平均绝对百分误差：", mean_absolute_percentage_error(y_test, y_pred))
print("均方根误差：", np.sqrt(mean_squared_error(y_test, y_pred)))
print("R2：", r2_score(y_test, y_pred))

这样，我们就完成了使用MLP神经网络进行混凝土强度预测的代码，并计算了相应的评价指标。