基于som网络-灰关联分析-BP网络预测模型.docVIP

基于som网络-灰关联分析-BP网络预测模型 梁娜 张吉刚 （咸宁学院 湖北 咸宁 437100） 摘要:提出一种基于som网络-灰关联分析-BP网络预测模型，用于股市收盘价的预测。首先采用som神经网络将特性分散的样本划分成不同的子类，然后采用灰关联分析方法，解析了各个影响因子对股市收盘价的影响程度，以反映股市收盘价的影响因子作为输入变量，构建了股市收盘价的BP网络预测模型，结果表明：利用灰关联分析，得出各因子对股市收盘价影响程度的大小排序；基于BP网络模型的预测结果准确，通过对采集的股市数据进行测试，证实本文提出方法的有效性。 关键词：som网络：灰关联分析：BP网络 中图分类号:TP183; N941 文献标识码:A Combinational Forecasting Model Based on Neural Network and Gray Relational Analysis Liang Na ZHANG Ji-Gang (Department of Mathematics Xianning College , HuBei Xianning ,437100 ) Abstract: Presents a combinational prediction model based on neural network and Gray relational analysis ,which is applied to real-time prediction of economic-technical indexes in stock prices. The proposed method divides samples which have characteristic of decentralization into different sub-classes with the aid of som neural network, and uses Gray relational analysis method to reduce the dimensionality of the feature space, and then builds BP neural network forecasting model. The experiments show that the proposed method is efficient. Key words: Som neural network ; Gray relational analysis; BP neural network 1 引 言 神经网络可较好地拟合非线性函数，被广泛地用于各种预报中。但是，对于复杂问题和高维输入变量，直接用神经网络进行预测，会带来网络规模的剧增，网络的收敛性和泛化能力的降低；另一方面，由于各种因素的随机性、模糊性、各因素之间不确定的相关性，因此，应对此类样本和众多的预报因子进行必要的处理。 本文针对股市收盘价的预测问题，采用som神经网络对总样本进行分类，对各子类，分别建立BP神经网络预测模型；为提高网络预测精度和网络训练的效率，对众多的影响因子采用灰色关联分析, 解析出各影响因子对股市收盘价的影响程度大小排序，由此筛选出影响股市收盘价的主要因素，以作为BP神经网络的输入参数，建立基于BP神经网络的股市收盘价预测模型，对股市收盘价进行预测。 2 样本分类 som神经网络是一种具有自学习、自适应能力和强容错性智能化分类能够根据学习获得的知识经验对复杂问题进行合理的判断决策使分类结果客观可靠其计算简单、准确、快捷、可靠—2007年4月共150组数据作为总样本数据，预测因子为涨跌幅、开盘价、成交量、成交额、最高价、最低价。 som神经网络采用二层结构(见图1)。输入层参数为共计个数据输出层为二维平面空间由个神经元构成()训练参数最大训练次数为1000次 图1 som神经网络结构 经过对样本数据训练，som神经网络的输出结果为： Yc=[2 2 4 4 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 4 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 4 1 1 1 1 1 1 2 4 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 4 4 4 4 4 4 4 2 2 2 2 2 2 5 5 5 5 5 5