城市居民食品分类及零售价格预测模型建模论文.doc

城市居民食品分类及零售价格预测模型 摘要 消费者物价指数Consumer Price Index），英文缩写为CPI，通常作为观察通货膨胀水平的重要指标，与人民生活密切相关的参考指标。。同时，我们以寻求我国经济健康、持续、快速发展以及更好地控制和治理通货膨胀的为原则，并结合所建模型的特点，对城市居民食品零售价格情况进行了分析和对有关部门提出几点可行性建议。 【关键词】CPI；城市居民食品分类；量化分析；零售价格；BP神经网络；预测 §1 问题重述 消费者物价指数Consumer Price Index），英文缩写为CPI，是反映与居民生活有关的产品及劳务价格统计出来的物价变动指标，通常作为观察通货膨胀水平的重要指标，与人民生活密切相关的参考指标。粮食生产上涨带动农产品价格总体上涨年异常的气候情况，国际粮价对国内的，食品价格未来可能发上涨年内的通货膨胀压力正在增强 表示第i 层第j 个神经元的输入 表示第i 层第j 个神经元的输出 输入层神经元的个数 隐层神经元的个数 输出层神经元的个数 表示第s层的权矩阵, s= 1, 2 y 为预测的食品零售价格 为神经网络第s层的学习参数 为局部误差 §4．问题的分析与模型准备 §4.1 问题一的分析与模型准备 §4.1.1城市居民食品分类的量化分析 分类原则 经过详细地的分析与探讨，可以知道题目中对城市居民食品的分类可根据根据2010年3月5日到2011年3月25日前后价格变化情况来划分。价格升高或降低可用平均数来刻画，价格变化波动大小可以用标准差来刻画。 §4.1.2 问题一的模型准备 1.平均数是指在一组数据中所有数据之和再除以数据的个数。平均数是表示一组数据集中趋势的量数，它是反映数据集中趋势的一项指标。解答平均数应用题的关键在于确定“总数量”以及和总数量对应的总份数。在统计工作中,平均数(均值)和标准差是描述数据资料集中趋势和离散程度的两个最重要的测度值。 2.标准差(Standard Deviation) ，也称均方差(mean square error)，各数据偏离平均数的距离（离均差）的平均数，它是离差平方和平均后的方根。用σ表示。因此，标准差也是一种平均数，标准差是方差的算术平方根。标准差能反映一个数据集的离散程度。平均数相同的，标准差未必相同.商品成本市场需求市场环境气候、时间、地域、生产、宗教信仰、习俗等文化因素, 隐层神经元的个数为,输出层神经元的个数为。表示第s层的权矩阵, s= 1, 2。表示第s层的输出向量。表示第s层的净输入向量。 （图1） 含有一个隐层的BP网络模型 标准的BP算法基于最速下降法,设能量函数如下: 其中，是神经网络对应于(样本)第q个输入的期望输出, 是网络相应的实际输出。网络的学习过程就是对每一个进行调整,使得能量函数随着迭代的进行而减小,从而最终达到某一个全局的极小值。根据最速下降法可得出关于各层权矩阵的更新迭代式： （5.1） 式中,为神经网络第s层的学习参数；称为局部误差(或局部梯度),其计算式如式(5.2)和式(5.3)所示。 对应于输出层： （5.2） 而对应于隐层： （5.3） 在上述公式中, g表示非线性激活函数f的一阶导数。 BP 神经网络工作原理简单来说就是通过所收集的训练样本，采用神经网络进行计算，得出各个影响因素与学费之间的数学定量关系。 首先，根据BP神经网络进行函数拟和时的要求，所有变量在输入时，需要进行归一化处理，保证各个因素的基准相同（在相同的定义域内取值，具有相同的变化范围）。 其次，利用输入的样本数据进行模型的训练，最终当满足误差要求后，得出模型输入变量（影响因素）权值矩阵。 最后，需要进行模型的检验。模型通过验证能够根据检验样本正确预测、估计结果后，才是可用有效的模型。在正确模型的基础上，通过分析不同因素的权值就可以得出这个因素对城市居民商品零售价的影响大小，并由此可以组建出一个相对规范的零售价格预测数学模型。这个模型可以根据不同影响因素的变化，直接对城市商品零售价格进行调整和预测。 2．相关数字化原理 在对2010年3月5日至2011年3月25日城市居民商品零售价格相应数字化过程中，必须充分考虑各个因素不同的使用背景与条件。必须保证影响零售价格相同因素之间的比较要真实合理，能够充分反映各种商品零售价格实际的差别与不同。这就要求对相应因素数字化分析赋值必须准确合理。 首先，我们采用了“统一规范量程”转化法，即对各种商品零售价的赋值，统一比较按照其所在“公共量程”所占比例确定其最终数字化数值，使得各个价格相同因素之间的比较更加直观合理