clear;
clc;
P=[0.501 0.504 0.489;0.601 0.554 0.489;0.601 0.653 0.49;0.702 0.803 0.551;0.702 0.903 0.652;0.852 1.003 0.652;0.852 1.073 0.752;0.952 1.103 0.752;0.952 1.233 0.802;1.052 1.252 0.802;1.151 1.357 0.802;1.151 1.613 1.001;1.301 1.702 1.001;1.301 1.872 1.101;1.451 2.082 1.101;1.451 2.052 1.251;1.652 2.142 1.251;1.652 2.252 1.401;1.851 2.312 1.401;1.851 2.401 1.551;2.051 2.504 1.551;2.051 2.702 1.8;2.201 2.832 1.8;2.201 2.952 1.951;2.301 3.051 1.951;2.301 3.201 2.151;2.501 3.251 2.151;2.7 3.501 2.301;2.951 3.501 2.301;2.951 3.8 2.901;3.201 3.8 2.901;3.4 4.151 3.3;3.75 4.4 4.1;4.45 4.4 4.1;]';
T=[0 0;50 0;50 5;100 10;100 15;150 15;150 20;200 20;200 25;250 25;300 25;300 35;350 35;350 40;400 40;400 45;450 45;450 50;500 50;500 55;550 55;550 65;600 65;600 70;650 70;650 75;700 75;750 80;800 80;800 85;850 85;900 90;950 100;1000 100;]';

A=length(P);
B=length(T);

K=randperm(34);

input_train=P(:,K(1:20));
output_train=T(:,K(1:20));
input_test=P(:,K(21:34));
output_test=T(:,K(21:34));

%归一化
[inputn,inputps]=mapminmax(input_train);
[outputn,outputps]=mapminmax(output_train);
%初始化
net=newff(minmax(input_train),[5,2],{'tansig' 'purelin'},'trainscg');
net.trainParam.epochs=20000;
net.trainParam.goal=0.00001;
net.trainParam.lr=0.01;
net.trainParam.show=200;
%训练
net=train(net,inputn,outputn);

%测试数据归一化
input_test=mapminmax('apply',input_test,inputps);

%仿真
Y=sim(net,input_test);

%反归一化
BPoutput=mapminmax('reverse',Y,outputps);

figure(1)
plot(BPoutput(1,:),'-*');
hold on
plot(output_test(1,:),'-og');

figure(2)
plot(BPoutput(2,:),'-*');
hold on
plot(output_test(2,:),'-og');

for i=1:length(output_test)
error1(i)=(output_test(1,1:i)-BPoutput(1,1:i))/output_test(1,1:i);
end

for i=1:length(output_test)
error2(i)=(output_test(2,1:i)-BPoutput(2,1:i))/output_test(2,1:i);
end

fprintf('误差百分比：');
100*error1
100*error2

我不明白你的数据是什么意思，似乎是拿P，输出T。但是你好像没有设置训练数据和检验数据，我就从你的数据随便提取了20组做训练，14组做检验。第一个变量输出在误差在1%以内，第二个在3%以内，拟合还是非常不错的。

不知道怎样发图片，总之执行程序就知道了