1、数据归一化，输入的数据通常为P,输出数据通常为T，数据格式为，每列对应一个样本，归一化常用函数，是归一化后的数据，是归一化的结构体，在后面反归一化预测值；

2、建立网络并设定参数，中括号里面的是输入层数，隐含神经元数，输出层数，设定节点传递函数的参数，训练的次数，训练的误差目标值，学习速率，通常在0到1之间；

3、预测并分析，根据之前归一化的标准，对预测结果进行反归一化，得到结果，对误差进行输出，也可以作图，看预测值和真实值能否吻合，还可以在神经网络训练完成后的对话框中看MSE和R方。