基于BP神经网络的数据预测是一种常用的机器学习方法，在MATLAB中也有相关的函数和工具箱可以实现。下面是一个简单的示例代码，实现使用BP神经网络进行数据预测。
```matlab
% Step 1: 准备训练数据
X = [1, 2, 3, 4, 5]; % 输入数据
Y = [2, 4, 6, 8, 10]; % 目标输出数据
% Step 2: 构建神经网络模型
net = feedforwardnet(10); % 创建一个包含10个隐藏节点的前馈神经网络
net.trainFcn = 'trainlm'; % 设置训练函数为Levenberg-Marquardt算法
net = train(net, X, Y); % 使用训练数据训练神经网络
% Step 3: 使用训练好的神经网络进行数据预测
input = 6; % 待预测的输入数据
output = net(input); % 使用神经网络进行数据预测
disp(output); % 输出预测结果
```
以上代码首先准备了一组简单的训练数据，然后构建了一个包含10个隐藏节点的前馈神经网络模型，并使用Levenberg-Marquardt算法进行训练。最后，使用训练好的神经网络对一个待预测的输入数据进行预测，并将预测结果输出到命令窗口。
需要注意的是，以上代码只是一个简单的示例，实际应用中可能需要根据具体问题进行参数的调整和模型的优化。另外，神经网络的训练需要大量的训练数据和合适的训练算法，以获得较好的预测效果。
