基于自适应小波神经网络的数据挖掘方法研究对我国石油产量的预测分析.pdfVIP

第32卷第3期 财经研究 VoL32No．3 ofFinanceandEconomics Mar．2006 2006年3月 Journal 基于自适应小波神经网络的 数据挖掘方法研究 ——对我国石油产量的预测分析 刘兰娟，谢美萍 (上海财经大学经济信息管理与工程学院，上海200433) 摘要：小波神经网络是近年来在小波分析研究获得突破性进展基础上提出的一种 前馈型网络，文章将小波与神经网络相结合，提出了一种基于自适应小波神经网络 waveletneural (SAWNN，self-adaptationnetwork)的数据挖掘方法，并构造了数据挖掘过 程的机器学习机制，以提高对问题的处理能力。文章将所构造的自适应小波神经网络用 于石油产量的建模预测研究，实证结果表明此预测模型不仅是有效的，而且是可行的。 关键词：石油产量；预测研究；自适应小波神经网络 一、引 言 数据挖掘是从大量数据中提取人们感兴趣信息的处理过程，这些信息是 隐含的、事先未知的，并且是可信的、新颖的、潜在有用的、能被人们理解的一 种“模式”。数据挖掘的目的就是从数据中找出有意义的模式。这种模式可以 是一组规则，聚类、决策树或其他方法表示的知识。一般而言，一个典型的数 据挖掘过程可以分为四个阶段，即数据预处理、建模、模型评估及模型应用。 数据预处理阶段主要包括对数据的理解、属性选择、连续属性离散化、数据中 的噪声及丢失值的处理、实例选择等。建模包括学习算法的选择，参数的确定 等。模型评估进行模型的训练和测试，对得到的模型进行评价。模型应用是 将上述三个阶段的处理应用于特定的研究或预测分析对象。这四个阶段是循 环往复的过程直到用户满意为止。 石油是一种不可替代的资源，当今社会没有一种能源能够取代它，石油是 “能源中的能源”；是现代工业的“血液”和现代经济的命脉。石油在第二次工 业革命时代被广泛使用后，逐渐取代煤成为第一大能源，占到世界能源消耗总 收稿日期：2005—12—30 作者简介：刘兰娟(1960一)，女，上海人，上海财经大学经济信息管理与工程管理学院； 谢美萍(1974一)，女，江苏如皋人，上海财经大学经济信息管理与工程管理学院。 ·114· 刘兰娟、谢美萍：基于自适应小波神经网络的数据挖掘方法研究 量的70％左右，而且石油的各种工业成品已经成为人类社会现代生活中必不 可少的必需品，如塑料、合成橡胶、动力及能源燃料等。石油和人类的生活密 切相关，渗透到人类生活的各个领域，石油与工业、经济环境、国家政策和军事 战争等都有着紧密的联系。 我国是一个产油大国也是一个石油需求大国。石油产量的精确预测对指 导化工企业生产、合理安排产品结构及计划企业的经营活动等都具有重要的 意义。同时，石油产量的精确预测也是石油生产企业合理制订生产任务、避免 盲目决策的有力保证。 石油产量属单因子时间序列变量，针对这种类型的变量，目前所采用的主 要预测方法有回归分析法、灰色系统预测法、模糊系统预测法等，但这些方法 过于形式化和数学化，预测精度难以得到有效提高。为了准确、客观地预测石 油产量的变化，本文将小波与已有的神经网络相结合，构造了一种新型的自适 应小波神经网络，这种网络有着其显著的优越性，即在建模预测过程中，只需 要知道历史数据，通过这些历史数据构造出一个模型，然后进行预测，这样可 以避免需要知道状态方程的麻烦，也可以避免陷入局部极小。 因为小波变换在时、频两域都具有表征信号局部特征的能力，突破了传统 Fourier分析的局限性，因此，近年来小波变换已经在理论上口卜[3]得到更广泛 的研究和应用，有用于函数逼近[4]，故障诊断[5]，实时电力的分配和电力转换 用小波分析的特点，将所构造的这种自适应小波神经网络用于石油产量的建 模和预测研究，并以此来构造数据挖掘的机器学习机制，以进一步提高处理预 测问题的能力。 二、小波神经网络的结构