基于时间序列的BP神经网络猪肉价格预测.docVIP

基于时间序列的BP神经网络猪肉价格预测 　　摘 要：猪肉价格是不稳定的，起伏变化的，猪肉价格的预测是非线性，非平稳的问题。而神经网络具有很强的非线性、自组织、自学习能力，能够很好地处理非线性信息。文章选用基于时间序列的BP神经网络预测法，对猪肉的价格进行预测，对加大农民养殖利益以及防止生猪生产的市场风险有一定的参考作用。 　　关键词：BP神经网络；时间序列；猪肉价格预测 　　1 概述 　　BP算法是很成熟的多层前馈网络训练算法，BP算法自身有收敛速度慢，容易产生局部极小值和弱推广能力等问题[1]。但由于BP算法方便简单，运算速度快，并行性强很多优点，可以用来预测猪肉价格。BP神经网络分为信息的正向传播与误差的逆向传播两个部分[2]。在正向传播过程中，正向传播包括输入层、隐含层和输出层三层，通过这三层的信息处理并输出，得出预测结果。若实际输出与期望输出不符，则进入误差的逆向传播阶段，按误差梯度下降的方式修改各层权值，依次逆传。不断学习训练，直到网络输出误差达到可接受范围[3]。 　　2 BP神经网络设计 　　进行BP网络设计时，考虑以下几个方面： 　　2.1 网络层数的选定 　　关于BP神经网络算法，只关注单因素预测模型，即猪肉价格自身的数据预测。由于查找历史数据有限，不需选择增加网络层数的办法而是选择增加隐含层神经元节点的数目来提高输出结果的精度[4]。所以，选用单一隐层的BP神经网络模型。 　　2.2 输入输出层神经节点 　　对于输出层，有 　　可以看出，2015年7月份到12月份的猪肉价格预测结果与实际值最大误差仅为0.01，说明所建模型科学合理，可以用来预测猪肉价格。 　　3.3 价格预测 　　运用2014年7月到2016年3月间吕梁某城区每月的猪肉平均价格数据来进行预测。将数据归一，构建BP神经网络模型。经过多次实验得出隐含层节点数为8时，预测误差最小，拟合度最高。循环次数为5000次，优化目标为0.01，训练模拟数据后，预测出2016年4月到9月的猪肉价格走势。 　　4 结论与分析 　　通过对猪肉价格本身变化趋势进行研究，建立了基于时间序列的神经网络模型。结果对检测样本误差检测，得出均方误差较小，表明预测效果良好，说明所建模型较为科学合理。 　　参考文献 　　[1]吴凌云.BP神经网络学习算法的改进及其应用[J].信息技术，2003： 　　75-90. 　　[2]翟旭瑞，吕振中.基于BP神经网络的大坝安全监测系统评价研究[J].水资源与水工程学报，2007. 　　[3]平平，方芳，田野.组合预测模型在猪肉价格预测中的应用研究[J].计算机工程与科学，2010（32、5）：109-112. 　　[4]孙海涛，杨德平，李聪.基于BP神经网络的我国股指期货价格预测[J].青岛大学学报，2012. 　　[5]宋玉强.人工神经网络在时间序列预测中的应用研究[D].2005. 　　作者简介：张津（1993，12-），女，山西吕梁人，在读硕士研究生，主要从事模式识别研究。 3