基于BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型指南

1、基于BP神經(jīng)網(wǎng)絡(luò)的國(guó)際黃金價(jià)格預(yù)測(cè)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(guó)際黃金價(jià)格與道瓊斯工業(yè)指數(shù)、美國(guó)消費(fèi)者指數(shù)，國(guó)際黃金儲(chǔ)備等因素之間的內(nèi)在關(guān)系，本文對(duì)1972年2006年間的各項(xiàng)數(shù)據(jù)首先進(jìn)行歸一化處理，利用MATLAB神經(jīng)網(wǎng)絡(luò)工具箱進(jìn)行模擬訓(xùn)練，建立了基于 BP神經(jīng)網(wǎng)絡(luò)的國(guó)際黃金價(jià)格預(yù)測(cè)模型 摘要為了尋找國(guó)際黃金價(jià)格與道瓊斯工業(yè)指數(shù)、美國(guó)消費(fèi)者指數(shù)，國(guó)際黃金儲(chǔ)備等因素之間的內(nèi)在關(guān)系， 本文對(duì)1972年2006年間的各項(xiàng)數(shù)據(jù)首先進(jìn)行歸一 化處理，利用 MATLAB神經(jīng)網(wǎng)絡(luò)工具箱進(jìn)行模擬訓(xùn)練，建立了基于BP神經(jīng)

2、網(wǎng)絡(luò)的國(guó)際黃金價(jià)格預(yù)測(cè)模型。關(guān)鍵詞MATLAB BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型數(shù)據(jù)歸一化一、引言自20世紀(jì)70年代初以來(lái)的30多年里，世界黃金價(jià)格出現(xiàn)了令人瞠目的劇烈變動(dòng)。20世紀(jì)70年代初，每盎司黃金價(jià)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(jì)初，黃金價(jià)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(dá)到了 26 年高點(diǎn)，每盎司730美元，此后又暴跌，僅一個(gè)月時(shí)間內(nèi)就下跌了約160美元，跌幅高達(dá)21.9%。最近兩年，黃金價(jià)格一度沖高到每盎司900多美元。黃金價(jià)格起伏如此之大，本文根據(jù)國(guó)際黃金價(jià)格的影響因素，通過(guò)BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型來(lái)預(yù)測(cè)長(zhǎng)期黃金價(jià)格。二、

3、影響因素劉曙光和胡再勇證實(shí)將觀察期延長(zhǎng)為1972年2006年時(shí),則影響黃金價(jià)格的主要因素?cái)U(kuò)展至包含道瓊斯指數(shù)、美國(guó)消費(fèi)者價(jià)格指數(shù)、美元名義有效匯率、美國(guó)聯(lián)邦基金利率和世 界黃金儲(chǔ)備5個(gè)因素。本文利用此觀點(diǎn)，根據(jù)1972年2006年各因素的值來(lái)建立神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型。三、模型構(gòu)建1模型選擇：BP網(wǎng)絡(luò)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(xùn)練網(wǎng)絡(luò)，通過(guò)學(xué)習(xí)，網(wǎng)絡(luò)就有了這種映射能力。2樣本數(shù)據(jù)歸一化：在訓(xùn)練前，對(duì)數(shù)據(jù)進(jìn)行歸一化處理，把輸入向量和輸出向量的取值 范圍都?xì)w一到0, 1。3. BP網(wǎng)絡(luò)設(shè)計(jì)：采用單隱層的BP網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)，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(gè)神經(jīng)元，中間層取 20個(gè)神經(jīng)元，輸出層一個(gè)神經(jīng)元（即黃金價(jià)格）， 網(wǎng)絡(luò)為5*20*1的結(jié)構(gòu)。中間層的傳遞函數(shù)為S型正切函數(shù)，輸出層為S型對(duì)數(shù)函數(shù)。中間層的神經(jīng)元個(gè)數(shù)很難確定，測(cè)試時(shí)分別對(duì)12，15, 20個(gè)數(shù)進(jìn)行測(cè)試，尋找誤差最小的。4. 網(wǎng)絡(luò)訓(xùn)練：訓(xùn)練次數(shù)epochs5000訓(xùn)練目標(biāo)goal 0.001對(duì)30個(gè)樣本數(shù)據(jù)進(jìn)行訓(xùn)練，經(jīng)過(guò)1818次的訓(xùn)練，目標(biāo)誤差達(dá)到要求，如圖2所示：5網(wǎng)絡(luò)測(cè)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(duì)比db皴神經(jīng)元個(gè)數(shù)為20個(gè)時(shí)誤差最小，此時(shí)網(wǎng)絡(luò)的仿真結(jié)果如圖3所示，預(yù)測(cè)精度80%以上,效果滿意。表仿真結(jié)果表四、結(jié)論在對(duì)1976年2006年的影響國(guó)際黃金價(jià)格的五種因素的數(shù)據(jù)進(jìn)行歸一化處理后，用MATLAB建立的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型進(jìn)行預(yù)測(cè)，達(dá)到了很好的效果。國(guó)際黃金的長(zhǎng)期價(jià)格受到許多因素的影響，本文只是對(duì)道瓊斯工業(yè)指數(shù)等影響因素諸如分析，來(lái)預(yù)測(cè)長(zhǎng)期的國(guó)際金價(jià)。還有其他因素，如國(guó)際油價(jià)，局部政治因素等，如果考慮進(jìn) 去，預(yù)測(cè)精度會(huì)進(jìn)一步提高。參考文獻(xiàn)：1 徐優(yōu)麗：基于神經(jīng)網(wǎng)絡(luò)的物流需求預(yù)測(cè)浙江樹(shù)人大學(xué)學(xué)報(bào)，2008(01):56582 劉曙光胡再勇：黃金價(jià)格的長(zhǎng)期決定因素穩(wěn)定性分析世界經(jīng)

6、濟(jì)研究,2008(02):3541基于BP神經(jīng)網(wǎng)絡(luò)的中國(guó)鐵礦石需求量預(yù)測(cè)3來(lái)源：國(guó)土資源情報(bào) 作者：郭娟 發(fā)布時(shí)間：2009.03.04摘要：鐵礦石作為國(guó)民經(jīng)濟(jì)發(fā)展的基礎(chǔ)原料之一，在我國(guó)目前工業(yè)化全面發(fā)展的時(shí)期， 正處于高消耗的狀態(tài)首先，本文根據(jù)歷年我國(guó)鐵礦石的產(chǎn)量和進(jìn)口量，對(duì)我國(guó)鐵礦石的需求量進(jìn)行了估算；然后運(yùn)用 Matlab工具，對(duì)鐵礦石的需求量進(jìn)行分析模擬，建立了神經(jīng)網(wǎng)絡(luò)模型；最 后，對(duì)中國(guó)未來(lái)鐵礦石需求進(jìn)行了初步預(yù)測(cè)預(yù)測(cè)表明，中國(guó)鐵礦石需求將在2012-2015年達(dá)到高峰期。關(guān)鍵詞：鐵礦石需求量 神經(jīng)網(wǎng)絡(luò)咼峰一、引言伴隨我國(guó)工業(yè)化、城鎮(zhèn)化進(jìn)程的不斷推進(jìn)，鋼鐵F業(yè)迅速發(fā)展，國(guó)民經(jīng)濟(jì)對(duì)鋼鐵

7、的需求量不斷增加，相應(yīng)地對(duì)鐵礦石需求量也在大幅上升，從而給我國(guó)鐵礦石的生產(chǎn)帶來(lái)了巨大的壓力。為了滿足鐵礦石消費(fèi)量持續(xù)增長(zhǎng)的需求，我國(guó)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(zhǎng)到了 7.07億噸，增長(zhǎng)了 5倍。2007年我國(guó)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(guó)。但是，鐵礦石產(chǎn)量增長(zhǎng)仍遠(yuǎn)遠(yuǎn)跟不上需求的增長(zhǎng)。繼2003年我國(guó)鐵礦石進(jìn)口量(1.48億噸)超越日本、歐盟成為全球最大的鐵礦石進(jìn)口國(guó)后，進(jìn) 口鐵礦占全球海運(yùn)貿(mào)易量的比例不斷加大。1978-2007年的30年間，中國(guó)進(jìn)口鐵礦石從 802.02萬(wàn)噸增長(zhǎng)到3.83億噸，翻了 45倍。、BP

8、神經(jīng)網(wǎng)絡(luò)概述 神經(jīng)網(wǎng)絡(luò)是20世紀(jì)40年代新興起來(lái)的一種預(yù)決策技術(shù)，因其具有極強(qiáng)的非線性動(dòng)態(tài)處理能力，強(qiáng)大的自適應(yīng)、自學(xué)習(xí)功能而被廣泛應(yīng)用于不同領(lǐng)域。在眾多神經(jīng)網(wǎng)絡(luò)中，BP神經(jīng)網(wǎng)絡(luò)是最具代表性和應(yīng)用最為廣泛的一種網(wǎng)絡(luò)模型1，其功能也發(fā)展得最全面和完整，因此本文運(yùn)用BP神經(jīng)網(wǎng)絡(luò)的方法建立鐵礦石需求模型，并利用該模型對(duì)鐵礦石需求量進(jìn)行預(yù)測(cè)。BP神經(jīng)網(wǎng)絡(luò)是誤差反向傳播的多層前饋網(wǎng)絡(luò)，它可以任意精度逼近任意的連續(xù)函數(shù)，主 要應(yīng)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(luò)由輸人層、隱含層、輸岀層組成。以帶一個(gè)隱含層的 BP神經(jīng)網(wǎng)絡(luò)為例，網(wǎng)絡(luò)的一般結(jié)構(gòu)見(jiàn)圖1。在BP神經(jīng)網(wǎng)絡(luò)中，信號(hào)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(hào)2。每個(gè)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(guò)連接權(quán)系數(shù)的加強(qiáng)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(quán)和。圖2給岀了一個(gè)基本的 BP神經(jīng)元模型，它具有R個(gè)輸入，每個(gè)輸入都通過(guò)一個(gè)適當(dāng)?shù)臋?quán)值、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(luò)預(yù)測(cè)模型的建立和Matlab實(shí)現(xiàn)1989年Robert Hecht-Nielson證明了對(duì)于任何在閉區(qū)間的一個(gè)連續(xù)函數(shù)都可以用一個(gè)隱含層的BP網(wǎng)絡(luò)來(lái)逼近，因而一個(gè)3層的BP網(wǎng)絡(luò)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(luò)。1 樣本數(shù)據(jù)處理對(duì)鐵礦石的消費(fèi)量，我們用國(guó)產(chǎn)原礦產(chǎn)量加凈進(jìn)口量來(lái)估算，由于我國(guó)鐵礦石基本沒(méi)有對(duì)外岀口，鐵礦石消費(fèi)量約等于國(guó)產(chǎn)原礦產(chǎn)量加進(jìn)口量的總和。本文鐵礦石消費(fèi)量按65%成品礦在35%左右，按品位折合為成品礦時(shí)，換算系數(shù)約為0.5。1981-2007年我國(guó)鐵礦石消費(fèi)量計(jì)算結(jié)果見(jiàn)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(yáng)i3J72J畑*:L13t哄I何冊(cè)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(luò)結(jié)構(gòu)設(shè)計(jì)輸入層：根據(jù)鐵礦石產(chǎn)量數(shù)據(jù)的特點(diǎn)以及我國(guó)進(jìn)行5年規(guī)劃的慣例，選擇輸入層神經(jīng)元個(gè)數(shù)為5。即用1981-1985年的國(guó)內(nèi)鐵礦石需求量作為網(wǎng)絡(luò)的輸人，1986年的國(guó)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(jié)果只有一個(gè)指標(biāo)，即鐵礦石需求量，因此取輸岀節(jié)點(diǎn)數(shù)為1。隱含層：理論分析表明，具有單隱層的前向網(wǎng)絡(luò)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(gè)隱層的前向網(wǎng)絡(luò)， 而對(duì)于隱含層節(jié)點(diǎn)數(shù)使用經(jīng)驗(yàn)公式skx m/(m+n)來(lái)確定5

12、。其中：m為輸入層節(jié)點(diǎn)數(shù)，取 5； n為輸岀層節(jié)點(diǎn)數(shù)，取 1 ； k為學(xué)習(xí)樣本個(gè)數(shù)，取 22。由此可以 計(jì)算岀網(wǎng)絡(luò)隱含層節(jié)點(diǎn)數(shù)為 19個(gè)。傳遞函數(shù)：一個(gè)神經(jīng)網(wǎng)絡(luò)，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(lái)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(xùn)練函數(shù)：為了確定最快捷準(zhǔn)確的訓(xùn)練函數(shù)，本文采用比較法來(lái)確定。利用Matlab中常用的訓(xùn)練函數(shù)訓(xùn)練網(wǎng)絡(luò)，得到不同函數(shù)的訓(xùn)練結(jié)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(zhēng)刊常初址m陀酣era和肚IWnmwTRaMLM蝕權(quán)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(luò)建立及訓(xùn)練利用Matlab中的神經(jīng)網(wǎng)絡(luò)工具箱，可方便地直接在 Matlab中調(diào)用相關(guān)函數(shù)實(shí)現(xiàn)BP網(wǎng)絡(luò)模型的學(xué)習(xí)、訓(xùn)練、擬合及預(yù)測(cè)(仿真)過(guò)程。具體步驟為：第一步，數(shù)據(jù)歸一化。為了在Matlab中計(jì)算的方便，在網(wǎng)絡(luò)建立之前，需要對(duì)數(shù)據(jù)的大小進(jìn)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(dāng)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(luò)。數(shù)據(jù)歸一化后，通過(guò)newff ()函數(shù)并使用選定的訓(xùn)練函數(shù)trainlm()，生成了一個(gè)前饋的5-19-1的二層BP神經(jīng)網(wǎng)絡(luò)。第三步，訓(xùn)練網(wǎng)絡(luò)。通過(guò) train ()函數(shù)對(duì)已生成的網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)訓(xùn)練，學(xué)習(xí)步長(zhǎng)設(shè)為200個(gè)周期，目標(biāo)誤差設(shè)為0.001，學(xué)習(xí)速度設(shè)為 0.05并每隔20步顯示一次結(jié)果。訓(xùn)練結(jié)果表明，訓(xùn)練從第三個(gè)周期開(kāi)始，誤差小于目標(biāo)誤差，誤差平方和的均值為0.000281，此時(shí)停止訓(xùn)練。第四步，網(wǎng)絡(luò)仿真模擬及數(shù)據(jù)還原。將經(jīng)過(guò)歸一化處理過(guò)的樣本數(shù)據(jù)帶人已訓(xùn)練的網(wǎng)絡(luò)進(jìn) 行仿真模擬，此過(guò)程通過(guò)Matlab工具箱中的sim()函數(shù)來(lái)實(shí)

15、現(xiàn)。最后將運(yùn)算結(jié)果通過(guò)Postmnmx()函數(shù)進(jìn)行反歸一化處理，從而得到有效的預(yù)測(cè)值。4. BP網(wǎng)絡(luò)模型檢驗(yàn)把1981-2007年的中國(guó)鐵礦石消費(fèi)量數(shù)據(jù)帶人已訓(xùn)練好的模型，通過(guò)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(yù)測(cè)值，(見(jiàn)表 3)。從表中可以看岀， 誤差百分比小于 6%的有19項(xiàng)，占86.36% ;大于6%的有2項(xiàng)，占13.64%。說(shuō)明鐵礦石需求預(yù)測(cè) 的神經(jīng)網(wǎng)絡(luò)模型誤差很小，該模型的泛化能力較好，模擬的結(jié)果比較可靠。ett氏甘nIU牛豁muUJIpit11.11%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(yáng)ISSJH3甲-IBO.2FXiTEIIil3*72SH2嚴(yán)Ell-ZE4.3BS四、鐵礦石需求量的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)分析把2003-2007年中國(guó)鐵礦石消費(fèi)量的實(shí)際數(shù)據(jù)作為訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)的輸人，得到2008年需求量預(yù)測(cè)值。將2004-2007年實(shí)際數(shù)據(jù)以及 2008年的預(yù)測(cè)結(jié)果作為輸入，得到2009年預(yù)測(cè)值，依此類推，可以得到2008-2015年中國(guó)鐵礦石需求量的預(yù)測(cè)結(jié)果，如表4所示。從表中

17、可以看岀，中國(guó)鐵礦石需求量2008-2011年持續(xù)上升，2008年為78854萬(wàn)噸，2010年為86713萬(wàn)噸。2012-2015年中國(guó)鐵礦石需求量進(jìn)人高峰階段，為87828萬(wàn)-90379萬(wàn)噸。21XM少沽聲璽31錢(qián)于石拈棗樽址網(wǎng)絡(luò)HL測(cè)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(chóng)實(shí)価片旳測(cè)也視國(guó)圖3是中國(guó)鐵礦石需求預(yù)測(cè)模型的真實(shí)值和預(yù)測(cè)曲線圖，從圖中可以看岀，運(yùn)用BP神經(jīng)網(wǎng)絡(luò)仿真的效果十分理想，訓(xùn)練后的BP網(wǎng)絡(luò)能很好地逼近給定的目標(biāo)函數(shù)。從圖3中同時(shí)可以看出， 2008-2011 年未來(lái) 4 年中國(guó)鐵礦石需求呈上

18、升趨勢(shì)，但增幅將會(huì)下降；2012-2015 年進(jìn)人鐵礦石需求高峰階段，鐵礦石需求趨于平緩。預(yù)測(cè)結(jié)果中2012-2015 年我國(guó)鐵礦石需求出現(xiàn)小幅波動(dòng)， 這主要是由于受美國(guó)次貸危機(jī)的影響世界經(jīng)濟(jì)出現(xiàn)下滑， 我國(guó)經(jīng)濟(jì)受世界經(jīng)濟(jì)的影響 所致。五、結(jié)論本文的應(yīng)用研究主要是以1981-2007 年鐵礦石消費(fèi)量的數(shù)據(jù)為基礎(chǔ)，運(yùn)用BP 神經(jīng)網(wǎng)絡(luò)建立預(yù)測(cè)模型，并結(jié)合 Matlab 提供的神經(jīng)網(wǎng)絡(luò)工具箱對(duì)算法進(jìn)行實(shí)現(xiàn)。經(jīng)過(guò)對(duì)歷年鐵礦石消費(fèi) 量的分析，合理地設(shè)計(jì)了 BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)。同時(shí)，通過(guò)比較 Matlab中神經(jīng)網(wǎng)絡(luò)訓(xùn)練函數(shù)的訓(xùn) 練步數(shù)、收斂精度及誤差，反復(fù)訓(xùn)練確定了最佳的BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練函數(shù)，合理地確定了最優(yōu)的鐵礦石需求量 BP網(wǎng)絡(luò)模型，取得了一定的定量分析結(jié)果。從預(yù)測(cè)結(jié)果可以得岀，我國(guó)鐵礦石需 求量 2008-2011 年將持續(xù)上升，但增長(zhǎng)幅度放緩，2012-2015 年進(jìn)人鐵礦石需求高峰階段。參考文獻(xiàn)1趙志勇等基于 MATLAB勺BP神經(jīng)網(wǎng)絡(luò)計(jì)算鐵礦產(chǎn)品成本.河北理工學(xué)院學(xué)報(bào)，2003(4):78-792Dennis Olson,Ch