简介:关于预测神经网络方面的的相关大学硕士和相关本科毕业论文以及相关预测神经网络论文开题报告范文和职称论文写作参考文献资料下载。
陈怡
（同济大学软件学院上海200092）
（浙江传媒学院杭州310018）
摘 要：在决策支持系统的预测过程中引入非线性预测模型,并针对BP神经网络的变异特性,通过组合运用回归分析法,BP神经网络和遗传算法原理,建立了BP网络组合预测时间序列输出模型,结合某企业的寿命周期论文范文数据进行预测系统仿真,得到的结果与实际数据相比误差较小.结论说明,此方法具有更高的预测精度,在决策支持系统中有较好的可用性.
关键词：决策支持系统；非线性；BP网络；组合预测模型
1.引言
决策支持系统是目前迅速发展起来的新型计算机学科,其基本概念最早于70年代初由美国科学家ScottMorton提出.决策支持系统是以现代信息,技术为手段,综合运用计算机技术、管理科学、人工智能技术等多种科学知识,针对某一类型的半结构化决策问题,通过提供背景材料、协助确定问题、修改完善模型、列举可能方式,为管理者做出正确决策提供帮助的人机交互系统.
众所周知,决策必须依赖于预测.预测理论经过长期的发展,在建立和使用定性模型和定量模型等方面取得了长足进步.在定性预测方面,常用的预测方法有市场调查法、交叉概率法、类推法等；在定量预测方面,有时间序列预测法、因果预测法、概率预测法等.但当系统具有较强非线性特征时上述线性模型的适应能力就非常有限,通常的处理方法是将非线性系统转换为线性系统,或对某些系统作特殊的处理,同时对于大量的实际预测问题,数据的采集通常是不精确的,甚至可能是错误的,这些问题对于传统的线性预测方法都是难以解决的.
bp神经网络预测实例:尼古拉斯·克里斯塔吉斯:社交网络是怎样预测流行病的传播
20世纪90年代初,Granger和Terasvirta等人研究发现,非线性组合预测能较好的克服线形模型的上述缺点,利用人工神经网络进行组合预测是近年来非线性组合预测研究的重大突破.BP(Back-Propagation)神经网络具有对复杂的非线性系统描述和处理的能力.但是,BP神经网络也有其局限性,主要是算法易受到连接初始值影响,陷入局部极值（即变异问题）.遗传算法可以用于优化神经网络,采用遗传算法对连接权优化是利用遗传算法在全局解空间中定位好的子搜索域,然后发挥BP算法的局部收敛特性,可以迅速收敛至最优解,解决了BP算法可能陷入局部极值的缺点.
因此,本文建立了修正BP网络（融合遗传算法）与回归分析组合预测的时间序列输出模型,并以某物流企业决策支持系统中的寿命周期论文范文预测为例,检验预测模型的实际效果.
2.回归分析预测的基本原理
回归分析法是指应用统计方法,对预测的数据进行整理、分析和研究.其中应用较多的是多重
回归分析法,建立多个自变量的回归模型.本文选用常用的六元回归模型,若有6个实际观察值,因变量Y的每一个观察值与其相应的X之间的线性关系可表达为：
3.2基于遗传算法的权重优化算法
遗传算法作为一种全局优化搜索算法,因其简单通用、鲁棒性强,适于并行处理,已广泛应用于不同领域.利用遗传算法优化神经网络的连接权重,就是对神经网络的连接权重进行编码,形成染色体,然后模拟自然界的进化过程,对染色体进行选择、交叉以及变异操作,使染色体不断进化最终产生代表问题最优解的染色体,再经反编码得到优化的网络连接权重.
3.2.1神经网络的连接权重优化问题描述设优化问题为
在建立神经网络模型的基础上,引入遗传算法( GA),提出融入遗传算法的神经网络预测模型,可以加快网络的收敛速度,并改善网络的全局寻优能力.这样,既能提高预测效率,又可得到较高的预测精度,有效的遏制了神经网络预测算法的变异问题.其基本思想为：在优选神经网络预测过程中出现收敛速度缓慢的时候,算法转入GA来优化网络的连接权重.把经过优化的连接权重作为下一次神经网络训练的初始值.这样交替运行BP算法和GA,可大大加快网络的收敛速度,并可以改善网络的全局寻优能力.
因此,本文建立的非线性组合预测就是以回归分析和修正BP网络的时间序列多输出模型分别以企业的寿命周期论文范文进行预测为基础,对所得的数据再次用BP网络进行非线性处理而成,即
4.实例分析
以某物流企业的寿命周期论文范文中各子费2000年到2005年的数据作为学习样本预测2006年至2008年的论文范文,取因变量为整体采*范文作J,自变量为信息采集和论证论文范文(Cl)、厂房和仓库建设论文范文(C2)、物品的初始购置论文范文(C3)、能耗成本论文范文(论文范文)、管理、人员培训成本论文范文(C5)和交通运输论文范文(C6),采用MATLAB的岭回归分析求解实际回归系数,得到回归方程.
回归分析是一种参数分析方法,对企业全寿命周期论文范文的预测有一定的能力和精度,但是精度不高,时间很慢,工作很复杂.经过计算BP网络的隐含层选用5,7,10,12,最大循环次数为10000次,目标期望迭代误差为0.0001,学习速率为0.005,动量项为0.7,学习速率增加的比率为1.05.
GA算法参数：种群大小定为1 00,交叉概率为0.1,变异概率为0.005,最大遗传进化代数为100,利用加速遗传算法训练网络.这里的BP网络组合预测时间序列方法的输出模型就是将带有参数的回归分析方法与BP网络时间序列方法输出模型迸行组合,目的在于提高精度,增强预测的准确性.其预测结果如下表（误差%）：
5结论
通过实例计算可以看出,组合预测模型对某企业2006年到2008年的寿命周期论文范文数据预测的结果与实际数据相比,误差较小,从而证明了其理论可行.因此,将非线性组合预测模型应用到决策支持系统中的预测过程中,是正确估算和解决此类问题的新途径,具有较大的理论价值和实际意义.
参考文献
[1]李书涛,决策支持系统原理与技术[M],北京：北京理工大学出版社,1996．
[2]高洪深,决策支持系统(DSS)理论、方法、案例[M].北京：清华大学出版社,1996．
[3]袁曾任．人工神经元网络及其应用[M].北京：清华大学出版社,2002．
[4]陈国良,等．遗传算法及其应用[M],北京：国防出版社．2001．
[5]闻新,周露．MATLAB神经网络应用设计[M],北京：科学出版社,2002.
[6]李明,刘澎．武器装备发展系统论证方法与应用[M]．北京：国防工业出版社,2000．
[7]冯文权．经济预测与决策技术[M]．武汉：武汉大学出版社,1994．
总结：本文是一篇关于预测神经网络论文范文，可作为相关选题参考,和写作参考文献。
bp神经网络预测实例引用文献:
[1] 股票和bp神经网络毕业论文模板范文 股票和bp神经网络有关论文范文文献8000字
[2] 农民和bp神经网络论文范文资料 农民和bp神经网络开题报告范文2万字
[3] 神经网络硕士学位毕业论文范文 bp神经网络类本科论文开题报告范文2万字
