NARXneuralnetwork

% Solve an Autoregression Problem with External Input with a NARX Neural Network
% script generated by Neural Time Series app
% Created 20-Sep-2018 21:10:56
%
% This script assumes these variables are defined:
%
%   input1 - input time series.
%   output - feedback time series.

X = tonndata（input1falsefalse）;
T = tonndata（outputfalsefalse）;

% Choose a Training Function
% For a list of all training functions type: help nntrain
% ‘trainlm‘ is usually fastest.
% ‘trainbr‘ takes longer but may be better for challenging problems.
% ‘trainscg‘ uses less memory. Suitable in low memory situations.
trainFcn = ‘trainlm‘;  % Levenberg-Marquardt backpropagation.

% Create a Nonlinear Autoregressive Network with External Input
inputDelays = 1:12;
feedbackDelays = 1:12;
hiddenlayerSize = 9;
net = narxnet（inputDelaysfeedbackDelayshiddenlayerSize‘open‘trainFcn）;

% Prepare the Data for Training and Simulation
% The function PREPARETS prepares timeseries data for a particular network
% shifting time by the minimum amount to fill input states and layer
% states. Using PREPARETS allows you to keep your original time series data
% unchanged while easily customizing it for networks with differing
% numbers of delays with open loop or closed loop feedback modes.
[xxiait] = preparets（netX{}T）;

% Setup Division of Data for Training Validation Testing
net.divideParam.trainRatio = 75/100;
net.divideParam.valRatio = 20/100;
net.divideParam.testRatio = 5/100;

% Train the Network
[nettr] = train（netxtxiai）;

% Test the Network
y = net（xxiai）;
e = gsubtract（ty）;
performance = perform（netty）;

rmse=sqrt（performance）;
% View the Ne