基于遺傳算法的bp神經(jīng)網(wǎng)絡(luò)時間序列預(yù)測算法及其應(yīng)用

《基于遺傳算法的bp神經(jīng)網(wǎng)絡(luò)時間序列預(yù)測算法及其應(yīng)用》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)時間序列預(yù)測算法及其應(yīng)用　　摘要：對遺傳算法以及BP神經(jīng)網(wǎng)絡(luò)算法的基本原理進(jìn)行分析，并將具有良好全局搜索能力的遺傳算法與能以任意精度逼近非線性函數(shù)的神經(jīng)網(wǎng)絡(luò)算法相結(jié)合，利用遺傳算法的特點對BP算法進(jìn)行優(yōu)化，構(gòu)建基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)的時間序列預(yù)測算法。并用該算法對股市交易的收盤數(shù)據(jù)做預(yù)測。應(yīng)用結(jié)果表明，該方法具有穩(wěn)定性好，精確度高的特點?！　￡P(guān)鍵詞：遺傳算法；BP神經(jīng)網(wǎng)絡(luò)；時間序列；預(yù)測；　　中圖分類號：TP18文獻(xiàn)標(biāo)識碼：A文章編號：1009-3044（2015）31-0160-03　　

2、ApplicationofTimeSeriesPredictionbasedontheGeneticAlgorithsandBPNeuralNetwork　　YANGTong-man1，GUOYu2　　（1.CollegeofMeteorologyandOceanography，PLAUniv.ofSci.&Tech.，Nanjing211101，China；2.AnhuiUniversityofScienceandTechnology，Huainan232001，China）　　Abstract：Thebasicpr

3、inciplesofgeneticalgorithmsandBPneuralnetworkalgorithmforanalysis，andwillhavegoodglobalsearchcapabilityofgeneticalgorithmandcanbearbitraryprecisionapproachnonlinearfunctionofneuralnetworkalgorithm，8geneticalgorithmstooptimizethecharacteristicsoftheBPalgorithm，ti

4、meseriesforecastingalgorithmbasedongeneticalgorithmBPneuralnetworkbuild.Andusethealgorithmtodotheclosingstockmarkettradingdataprediction.Applicationresultsshowthatthismethodhasgoodstability，highprecisioncharacteristics.　　Keywords：geneticalgorithm；BPneuralnetwork

5、；timeseries；prediction8　　隨著經(jīng)濟(jì)、科學(xué)技術(shù)等的快速發(fā)展，每天來自商業(yè)、社會、科學(xué)、工程、醫(yī)學(xué)等各個領(lǐng)域的呈爆炸式增長的數(shù)據(jù)，注入我們的計算機(jī)網(wǎng)絡(luò)、萬維網(wǎng)以及各種數(shù)據(jù)存儲設(shè)備，并且這些數(shù)據(jù)集基本上都具有時變性的特征。因此，目前許多數(shù)據(jù)集中的數(shù)據(jù)都是以時間序列的數(shù)據(jù)形式存在的。在互聯(lián)網(wǎng)金融、科研項目、醫(yī)學(xué)、工程等各個領(lǐng)域，都存在著在歷史數(shù)據(jù)的基礎(chǔ)上預(yù)測未來的問題。至今，各行各業(yè)的研究人員已經(jīng)建立了許多的時間序列預(yù)測模型及算法，這些預(yù)測算法針對線性系統(tǒng)的時間序列預(yù)測具有很好的效果。但是，面對自然和社

6、會現(xiàn)象中存在的大量的非線性系統(tǒng)問題，這些方法并不能有效地解決趨勢預(yù)測問題，解決這類問題效果欠佳[1]。而人工神經(jīng)網(wǎng)絡(luò)等智能理論的興起與發(fā)展，為時間序列預(yù)測提供了全新且有效的針對非線性預(yù)測的分析方法。BP神經(jīng)網(wǎng)絡(luò)算法是非循環(huán)多級網(wǎng)絡(luò)的訓(xùn)練算法，具有廣泛的適用性。但是BP算法也存在訓(xùn)練速度慢、高緯曲面上局部極小的問題，并且在隱含層網(wǎng)絡(luò)節(jié)點數(shù)的選取上缺乏理論指導(dǎo)，這一系列的問題，大大降低了預(yù)測的精確性[2]。遺傳算法是一種通過模擬自然進(jìn)化的過程，搜索出最優(yōu)解的方法，它具有良好的全局搜索能力的特點。因此，本文利用遺傳算法的特點

7、，通過對BP算法的初始權(quán)值以及閾值進(jìn)行優(yōu)化，以達(dá)到提高預(yù)測精確度的目的?！　?基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)預(yù)測算法　　1.1遺傳算法　　遺傳算法（GeneticAlgorithm）又叫基因進(jìn)化算法或進(jìn)化算法，它是一種啟發(fā)式的搜索算法。它能在搜索過程中，自動的搜索全局并選擇優(yōu)良的解，并能夠自適應(yīng)的控制搜索過程以達(dá)到最優(yōu)解[3]。遺傳算法是具有“生成+檢驗”的迭代過程的搜索算法[4]。其主要處理流程如下：　　1）首先對優(yōu)化問題的解進(jìn)行編碼；　　2）適應(yīng)度函數(shù)，它主要依據(jù)優(yōu)化問題的目標(biāo)函數(shù)而定，是遺傳算法的關(guān)鍵；　　3）染色體

8、的組合；　　4）變異?！　?.2BP神經(jīng)網(wǎng)絡(luò)模型及算法　　1.2.1人工神經(jīng)網(wǎng)絡(luò)　　人工神經(jīng)網(wǎng)絡(luò)（ArtificialNeural8Networks），是對人類的大腦系統(tǒng)的一個特定的描述，它是一個理論化的數(shù)學(xué)模型。它由大量的處理單元通過適當(dāng)?shù)姆绞交ヂ?lián)構(gòu)成，是一個大規(guī)模的非線性自適應(yīng)系統(tǒng)[5]。神經(jīng)網(wǎng)絡(luò)是通過對各種各樣的樣本，進(jìn)行反