一、如何利用训练好的神经网络进行预测
预测的时候还是将需要的参数作为输入。训练的时候不是有15组样本吗（4*15和6*15的），说明输入节点数为4，输出节点数为6。因此预测时，将用于预测的4个参数作为输入，神经网络的6个输出即为预测结果。神经网络因其很好的函数逼近能力而被广泛应用于非线性系统建模、辨识和控制中。根据应用场合的不同,神经网络可分为静态和动态神经网络两类。静态(或前馈)神经网络没有反馈成分,也不包含输人延时,输出直接由输人通过前向网络算出;动态神经网络的输出不仅依赖当前的输人,还与当前和过去的输入、输出有关。
二、如何利用训练好的神经网络进行预测
预测的时候还是将需要的参数作为输入。训练的时候不是有15组样本吗（4*15和6*15的），说明输入节点数为4，输出节点数为6。因此预测时，将用于预测的4个参数作为输入，神经网络的6个输出即为预测结果。神经网络因其很好的函数逼近能力而被广泛应用于非线性系统建模、辨识和控制中。根据应用场合的不同,神经网络可分为静态和动态神经网络两类。静态(或前馈)神经网络没有反馈成分,也不包含输人延时,输出直接由输人通过前向网络算出;动态神经网络的输出不仅依赖当前的输人,还与当前和过去的输入、输出有关。
三、如何得到神经网络预测结果
如果你用9——11年的数据不经过预测12——19年的数据就想得到第20年的数据的做法是不合理的，神经网络的预测讲求时间序列的连续性，你可以在编写maltab程序的时候才用递归的方法调用神经网络工具箱，加上对预测数据进行一定的格式操作就可以了，这样你想读到第几年的数据都行。
四、如何用人工神经网络确定指标体系的权重？
说的确定应该就是训练方法吧，神经网络的权值不是人工给定的。而是用训练集（包括输入和输出）训练，用训练集训练一遍称为一个epoch，一般要许多epoch才行，目的是使得目标与训练结果的误差(一般采用均方误差）小到一个给定的阈值。以上所说是有监督的学习方法，还有无监督的学习方法。
五、如何用神经网络进行时间序列预测
将时间序列拆开，组织训练样本。参考附件的例子，用的是BP神经网络。 BP（Back Propagation）神经网络是86年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层（input）、隐层(hidden layer)和输出层(output layer)。