基于BP神经网络的图书发行量预测模型研究王廷满.pdf

情报杂志 2003 年第 6 期 　　　　　　　　　　　　　　　　　　　　 ·情报方法 · 基于BP 神经网络的图书发行量预测模型研究 王廷满 　沈 　思 (西安科技学院图书馆 　西安 　710054) 摘 　要 　收集 20 年图书的发行量数据 ,采用特殊的处理方法建立时间序列图书发行量的BP 神经网络预测模型 。利 用 MA TLAB 6. 1 软件中的神经网络工具箱实现了样本的最优划分 , 网络参数的优化 。经未学习样本检验 ,模型预测 精度较高 。并对预测结果作了置信度分析 ,提出置信度 95 %水平预测结果 。 关键词 　BP 人工神经网络 　图书发行量 　预测模型 　网络参数 　置信度 　　图书是收集情报 、传播知识 、为社会提供信息服务的重要工 向极小值的“学习收敛”过程 。归结起来为 , “模式顺传播”→“误 具 。图书的发行量一方面说明一个国家科技文化发展水平 ,另一 差逆传播”→“记忆训练”→“学习收敛”过程 。 方面对各级各类图书馆的文献订阅工作有重要的指导意义 。传 2 　BP 人工神经网络图书发行量预测模型的建立 统的预测图书期刊发行量的方法一般为统计回归分析[1 ] ,较新的 有基于灰色理论的 GM ( 1 ,1) 模型的预测[2 ] 。这些模型在长期预 　2. 1 　样本数据预处理 　样本数据为一维时间序列数据 。神经 测趋势上较准确 , 由于图书发行量影响因素众多 ,相互作用复杂 、 网络要求多个输入 。对此类数据神经网络前置处理有文献[ 4 ] 非线性 ,这些模型在短期预测上常难得到满意的结果 。近十年来 [ 5 ]所述 。本文采用文献[ 4 ] 处理方法 。方法是 :设某一时间序列 ( ) ( ) 数据 P t {t = 1980 年 ,1981 年 , …2000 年} ,首先对其进行前置处 迅速发展的人工神经网络 Artificial Neural Network ,ANN 是非 ( ) ( ) 线性科学中的前沿热点。ANN 是由大量简单处理单元广泛连接 P t - P t - 1 ( ) ( ) 理 ,P′t = 获取处理后新的时间序列 P′t {t = ( ) P t 而构成的一个复杂的、非线性大系统 ,是对大脑神经网络结构和