基于BP神經(jīng)網(wǎng)絡預測模型指南_第1頁
基于BP神經(jīng)網(wǎng)絡預測模型指南_第2頁
基于BP神經(jīng)網(wǎng)絡預測模型指南_第3頁
基于BP神經(jīng)網(wǎng)絡預測模型指南_第4頁
基于BP神經(jīng)網(wǎng)絡預測模型指南_第5頁
已閱讀5頁,還剩4頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、基于BP神經(jīng)網(wǎng)絡的國際黃金價格預測模型公文易文秘資源網(wǎng)顧孟鈞 張志和 陳友 2009-1-2 13:35:26 我要投稿|鼻|添加到百度搜藏摘要為了尋找國際黃金價格與道瓊斯工業(yè)指數(shù)、美國消費者指數(shù),國際黃金儲備等因素之間的內(nèi)在關系,本文對1972年2006年間的各項數(shù)據(jù)首先進行歸一化處理,利用MATLAB神經(jīng)網(wǎng)絡工具箱進行模擬訓練,建立了基于 BP神經(jīng)網(wǎng)絡的國際黃金價格預測模型 摘要為了尋找國際黃金價格與道瓊斯工業(yè)指數(shù)、美國消費者指數(shù),國際黃金儲備等因素之間的內(nèi)在關系, 本文對1972年2006年間的各項數(shù)據(jù)首先進行歸一 化處理,利用 MATLAB神經(jīng)網(wǎng)絡工具箱進行模擬訓練,建立了基于BP神經(jīng)

2、網(wǎng)絡的國際黃金價格預測模型。關鍵詞MATLAB BP神經(jīng)網(wǎng)絡預測模型數(shù)據(jù)歸一化一、引言自20世紀70年代初以來的30多年里,世界黃金價格出現(xiàn)了令人瞠目的劇烈變動。20世紀70年代初,每盎司黃金價格僅為 30多美元。80年代初,黃金暴漲到每盎司近 700美元。 本世紀初,黃金價格處于每盎司 270美元左右,此后逐年攀升,到2006年5月12日達到了 26 年高點,每盎司730美元,此后又暴跌,僅一個月時間內(nèi)就下跌了約160美元,跌幅高達21.9%。最近兩年,黃金價格一度沖高到每盎司900多美元。黃金價格起伏如此之大,本文根據(jù)國際黃金價格的影響因素,通過BP神經(jīng)網(wǎng)絡預測模型來預測長期黃金價格。二、

3、影響因素劉曙光和胡再勇證實將觀察期延長為1972年2006年時,則影響黃金價格的主要因素擴展至包含道瓊斯指數(shù)、美國消費者價格指數(shù)、美元名義有效匯率、美國聯(lián)邦基金利率和世 界黃金儲備5個因素。本文利用此觀點,根據(jù)1972年2006年各因素的值來建立神經(jīng)網(wǎng)絡預測模型。三、模型構建1模型選擇:BP網(wǎng)絡具有理論上能逼近任意非線性函數(shù)的能力,將輸入模式映射到輸 出模式,只需用已知的模式訓練網(wǎng)絡,通過學習,網(wǎng)絡就有了這種映射能力。2樣本數(shù)據(jù)歸一化:在訓練前,對數(shù)據(jù)進行歸一化處理,把輸入向量和輸出向量的取值 范圍都歸一到0, 1。3. BP網(wǎng)絡設計:采用單隱層的BP網(wǎng)絡進行預測,由于輸入樣本為5維的輸入向量

4、,因此輸入層一共有5個神經(jīng)元,中間層取 20個神經(jīng)元,輸出層一個神經(jīng)元(即黃金價格), 網(wǎng)絡為5*20*1的結構。中間層的傳遞函數(shù)為S型正切函數(shù),輸出層為S型對數(shù)函數(shù)。中間層的神經(jīng)元個數(shù)很難確定,測試時分別對12,15, 20個數(shù)進行測試,尋找誤差最小的。4. 網(wǎng)絡訓練:訓練次數(shù)epochs5000訓練目標goal 0.001對30個樣本數(shù)據(jù)進行訓練,經(jīng)過1818次的訓練,目標誤差達到要求,如圖2所示:5網(wǎng)絡測試:02 t I0 | *! * .0 I |4) 2Q 3VE* *%*Ui- i&fA* L“ i 丄恤jSBMBBLJbJl1I S32 S3 ft44 ftftH9 3 9ij|

5、祺羞對比db皴神經(jīng)元個數(shù)為20個時誤差最小,此時網(wǎng)絡的仿真結果如圖3所示,預測精度80%以上,效果滿意。表仿真結果表四、結論在對1976年2006年的影響國際黃金價格的五種因素的數(shù)據(jù)進行歸一化處理后,用MATLAB建立的BP神經(jīng)網(wǎng)絡預測模型進行預測,達到了很好的效果。國際黃金的長期價格受到許多因素的影響,本文只是對道瓊斯工業(yè)指數(shù)等影響因素諸如分析,來預測長期的國際金價。還有其他因素,如國際油價,局部政治因素等,如果考慮進 去,預測精度會進一步提高。參考文獻:1 徐優(yōu)麗:基于神經(jīng)網(wǎng)絡的物流需求預測浙江樹人大學學報,2008(01):56582 劉曙光胡再勇:黃金價格的長期決定因素穩(wěn)定性分析世界經(jīng)

6、濟研究,2008(02):3541基于BP神經(jīng)網(wǎng)絡的中國鐵礦石需求量預測3來源:國土資源情報 作者:郭娟 發(fā)布時間:2009.03.04摘要:鐵礦石作為國民經(jīng)濟發(fā)展的基礎原料之一,在我國目前工業(yè)化全面發(fā)展的時期, 正處于高消耗的狀態(tài)首先,本文根據(jù)歷年我國鐵礦石的產(chǎn)量和進口量,對我國鐵礦石的需求量進行了估算;然后運用 Matlab工具,對鐵礦石的需求量進行分析模擬,建立了神經(jīng)網(wǎng)絡模型;最 后,對中國未來鐵礦石需求進行了初步預測預測表明,中國鐵礦石需求將在2012-2015年達到高峰期。關鍵詞:鐵礦石需求量 神經(jīng)網(wǎng)絡咼峰一、引言伴隨我國工業(yè)化、城鎮(zhèn)化進程的不斷推進,鋼鐵F業(yè)迅速發(fā)展,國民經(jīng)濟對鋼鐵

7、的需求量不斷增加,相應地對鐵礦石需求量也在大幅上升,從而給我國鐵礦石的生產(chǎn)帶來了巨大的壓力。為了滿足鐵礦石消費量持續(xù)增長的需求,我國鐵礦石產(chǎn)量一路飄升,從1978年到2007年,鐵礦石產(chǎn)量從1.18億噸增長到了 7.07億噸,增長了 5倍。2007年我國鐵礦石產(chǎn)量占世界鐵礦石總 產(chǎn)量的20%是世界上最大的鐵礦石生產(chǎn)國。但是,鐵礦石產(chǎn)量增長仍遠遠跟不上需求的增長。繼2003年我國鐵礦石進口量(1.48億噸)超越日本、歐盟成為全球最大的鐵礦石進口國后,進 口鐵礦占全球海運貿(mào)易量的比例不斷加大。1978-2007年的30年間,中國進口鐵礦石從 802.02萬噸增長到3.83億噸,翻了 45倍。、BP

8、神經(jīng)網(wǎng)絡概述 神經(jīng)網(wǎng)絡是20世紀40年代新興起來的一種預決策技術,因其具有極強的非線性動態(tài)處理能力,強大的自適應、自學習功能而被廣泛應用于不同領域。在眾多神經(jīng)網(wǎng)絡中,BP神經(jīng)網(wǎng)絡是最具代表性和應用最為廣泛的一種網(wǎng)絡模型1,其功能也發(fā)展得最全面和完整,因此本文運用BP神經(jīng)網(wǎng)絡的方法建立鐵礦石需求模型,并利用該模型對鐵礦石需求量進行預測。BP神經(jīng)網(wǎng)絡是誤差反向傳播的多層前饋網(wǎng)絡,它可以任意精度逼近任意的連續(xù)函數(shù),主 要應用于非線性建模函數(shù)逼近模式分類等力面。BP神經(jīng)網(wǎng)絡由輸人層、隱含層、輸岀層組成。以帶一個隱含層的 BP神經(jīng)網(wǎng)絡為例,網(wǎng)絡的一般結構見圖1。在BP神經(jīng)網(wǎng)絡中,信號由輸人單向傳至輸岀,

9、且同一層的神經(jīng)元之間互不傳遞信號2。每個神經(jīng)元與相鄰層的所有神經(jīng)元相連。某一層的神經(jīng)元的輸出值通過連接權系數(shù)的加強或抑制傳輸?shù)较乱粚拥纳窠?jīng)元。除了輸入層外, 每一神經(jīng)元的輸人為前一層所有神經(jīng)元之輸岀值的加權和。圖2給岀了一個基本的 BP神經(jīng)元模型,它具有R個輸入,每個輸入都通過一個適當?shù)臋嘀?、與神經(jīng)元相連,神經(jīng)元的輸岀可表示成3圖2墓本的神經(jīng)元幢S3三、鐵礦石需求量的BP神經(jīng)網(wǎng)絡預測模型的建立和Matlab實現(xiàn)1989年Robert Hecht-Nielson證明了對于任何在閉區(qū)間的一個連續(xù)函數(shù)都可以用一個隱含層的BP網(wǎng)絡來逼近,因而一個3層的BP網(wǎng)絡可以完成任意的N維到M維的映射,所以本文采

10、用3層BP神經(jīng)網(wǎng)絡。1 樣本數(shù)據(jù)處理對鐵礦石的消費量,我們用國產(chǎn)原礦產(chǎn)量加凈進口量來估算,由于我國鐵礦石基本沒有對外岀口,鐵礦石消費量約等于國產(chǎn)原礦產(chǎn)量加進口量的總和。本文鐵礦石消費量按65%成品礦在35%左右,按品位折合為成品礦時,換算系數(shù)約為0.5。1981-2007年我國鐵礦石消費量計算結果見表1 1V* rE nt*翁;齊 曲rt-m 口“W41MI.B2-siii1他IW31133*+ltul-mHllKH4i俯inU段期MVT-MasmIlSm191 IM陽i3J72J畑*:L13t哄I何冊側(cè)RftiDdWTIdTIW博彌如miJdKI2IIlllHti比站minm11I49JHl

11、?Hll仙觸MM冋Mrw?網(wǎng)EMiaiib-mAmidmi314913M呂如胞MB宦atomJHI72r?1KWl*WI2. BP網(wǎng)絡結構設計輸入層:根據(jù)鐵礦石產(chǎn)量數(shù)據(jù)的特點以及我國進行5年規(guī)劃的慣例,選擇輸入層神經(jīng)元個數(shù)為5。即用1981-1985年的國內(nèi)鐵礦石需求量作為網(wǎng)絡的輸人,1986年的國內(nèi)鐵礦石需求量作為輸岀,依此類推,就得到 22組數(shù)據(jù)。輸岀層:由于輸岀的結果只有一個指標,即鐵礦石需求量,因此取輸岀節(jié)點數(shù)為1。隱含層:理論分析表明,具有單隱層的前向網(wǎng)絡可以以任意精度映射任何的連續(xù)函數(shù),本研究選用只有一個隱層的前向網(wǎng)絡, 而對于隱含層節(jié)點數(shù)使用經(jīng)驗公式skx m/(m+n)來確定5

12、。其中:m為輸入層節(jié)點數(shù),取 5; n為輸岀層節(jié)點數(shù),取 1 ; k為學習樣本個數(shù),取 22。由此可以 計算岀網(wǎng)絡隱含層節(jié)點數(shù)為 19個。傳遞函數(shù):一個神經(jīng)網(wǎng)絡,如果第一層是S型函數(shù),而第二層是線形函數(shù),就可以用來模擬任何函數(shù)(必須是連續(xù)有界的)。因此,確定隱含層傳遞函數(shù)為S型函數(shù)“tan sig,輸岀層傳遞函數(shù)為線形函數(shù)purelin ”。訓練函數(shù):為了確定最快捷準確的訓練函數(shù),本文采用比較法來確定。利用Matlab中常用的訓練函數(shù)訓練網(wǎng)絡,得到不同函數(shù)的訓練結果,最終確定采用丄evenberg Marquart算法, 如表2所示。kiKriiFrIMMV帕TRJlMjOQjWIM耐 VNi

13、g4 AHI祈n遇總爭刊常初址m陀酣era和肚IWnmwTRaMLM蝕權1UINCI3-從表2中可以看岀,trainlm ()函數(shù)的迭代次數(shù)最少,收斂精度最高,故采用LevenbergMarquart算法是最為快速和精確的。3. BP網(wǎng)絡建立及訓練利用Matlab中的神經(jīng)網(wǎng)絡工具箱,可方便地直接在 Matlab中調(diào)用相關函數(shù)實現(xiàn)BP網(wǎng)絡模型的學習、訓練、擬合及預測(仿真)過程。具體步驟為:第一步,數(shù)據(jù)歸一化。為了在Matlab中計算的方便,在網(wǎng)絡建立之前,需要對數(shù)據(jù)的大小進行歸一化處理。本文采用的是-1,1歸一化,利用 Matlab工具箱中的 Premnmx()函數(shù)把數(shù)據(jù)歸一化為單位方差和零均

14、值,這相當于把原始數(shù)據(jù)看成服從正態(tài)分布。第二步,建立網(wǎng)絡。數(shù)據(jù)歸一化后,通過newff ()函數(shù)并使用選定的訓練函數(shù)trainlm(),生成了一個前饋的5-19-1的二層BP神經(jīng)網(wǎng)絡。第三步,訓練網(wǎng)絡。通過 train ()函數(shù)對已生成的網(wǎng)絡進行學習訓練,學習步長設為200個周期,目標誤差設為0.001,學習速度設為 0.05并每隔20步顯示一次結果。訓練結果表明,訓練從第三個周期開始,誤差小于目標誤差,誤差平方和的均值為0.000281,此時停止訓練。第四步,網(wǎng)絡仿真模擬及數(shù)據(jù)還原。將經(jīng)過歸一化處理過的樣本數(shù)據(jù)帶人已訓練的網(wǎng)絡進 行仿真模擬,此過程通過Matlab工具箱中的sim()函數(shù)來實

15、現(xiàn)。最后將運算結果通過Postmnmx()函數(shù)進行反歸一化處理,從而得到有效的預測值。4. BP網(wǎng)絡模型檢驗把1981-2007年的中國鐵礦石消費量數(shù)據(jù)帶人已訓練好的模型,通過仿真模擬和數(shù)據(jù)的反歸一化處理,可以得到 1986-2007年鐵礦石需求量的預測值,(見表 3)。從表中可以看岀, 誤差百分比小于 6%的有19項,占86.36% ;大于6%的有2項,占13.64%。說明鐵礦石需求預測 的神經(jīng)網(wǎng)絡模型誤差很小,該模型的泛化能力較好,模擬的結果比較可靠。ett氏甘nIU?;韒uUJIpit11.11%IW?W|.IKM林mi畑d9M-廟怙1確HW4輕Wl31134IHIWIWI初叭iwWLM

16、lmri如1朋1柯imloOHIII帥MD4鋼IMyu113砂IMlldlim列1佃口泗如廿451iwl枠|swsAMniKRC丼4kJ刪goIQ昨llii鄧k.lf%1刪!IJIH奶雅均曲41a.w%陽ISSJH3甲-IBO.2FXiTEIIil3*72SH2嚴Ell-ZE4.3BS四、鐵礦石需求量的BP神經(jīng)網(wǎng)絡預測分析把2003-2007年中國鐵礦石消費量的實際數(shù)據(jù)作為訓練好的神經(jīng)網(wǎng)絡的輸人,得到2008年需求量預測值。將2004-2007年實際數(shù)據(jù)以及 2008年的預測結果作為輸入,得到2009年預測值,依此類推,可以得到2008-2015年中國鐵礦石需求量的預測結果,如表4所示。從表中

17、可以看岀,中國鐵礦石需求量2008-2011年持續(xù)上升,2008年為78854萬噸,2010年為86713萬噸。2012-2015年中國鐵礦石需求量進人高峰階段,為87828萬-90379萬噸。21XM少沽聲璽31錢于石拈棗樽址網(wǎng)絡HL測廈VdiHrtWKMlMil1132014筑1*他雋琳羋対.14甜站J齡TH40OJ4JMW閹1 I*叭一列1?.卑牧忒石蟲實価片旳測也視國圖3是中國鐵礦石需求預測模型的真實值和預測曲線圖,從圖中可以看岀,運用BP神經(jīng)網(wǎng)絡仿真的效果十分理想,訓練后的BP網(wǎng)絡能很好地逼近給定的目標函數(shù)。從圖3中同時可以看出, 2008-2011 年未來 4 年中國鐵礦石需求呈上

18、升趨勢,但增幅將會下降;2012-2015 年進人鐵礦石需求高峰階段,鐵礦石需求趨于平緩。預測結果中2012-2015 年我國鐵礦石需求出現(xiàn)小幅波動, 這主要是由于受美國次貸危機的影響世界經(jīng)濟出現(xiàn)下滑, 我國經(jīng)濟受世界經(jīng)濟的影響 所致。五、結論本文的應用研究主要是以1981-2007 年鐵礦石消費量的數(shù)據(jù)為基礎,運用BP 神經(jīng)網(wǎng)絡建立預測模型,并結合 Matlab 提供的神經(jīng)網(wǎng)絡工具箱對算法進行實現(xiàn)。經(jīng)過對歷年鐵礦石消費 量的分析,合理地設計了 BP神經(jīng)網(wǎng)絡的結構。同時,通過比較 Matlab中神經(jīng)網(wǎng)絡訓練函數(shù)的訓 練步數(shù)、收斂精度及誤差,反復訓練確定了最佳的BP神經(jīng)網(wǎng)絡訓練函數(shù),合理地確定了最優(yōu)的鐵礦石需求量 BP網(wǎng)絡模型,取得了一定的定量分析結果。從預測結果可以得岀,我國鐵礦石需 求量 2008-2011 年將持續(xù)上升,但增長幅度放緩,2012-2015 年進人鐵礦石需求高峰階段。參考文獻1趙志勇等基于 MATLAB勺BP神經(jīng)網(wǎng)絡計算鐵礦產(chǎn)品成本.河北理工學院學報,2003(4):78-792Dennis Olson,Ch

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論