基于人工神经网络的钢材价格预测.docVIP

基于人工神经网络的钢材价格预测 　　摘 要：自改革开放以来，中国钢材市场规模不断扩大、市场活跃度不断增强。近几年来，钢材价格的波动性问题也日益突显，给钢材行业的生产经营者和消费者带来了不利的影响。据此，在对价格预测方法研究的基础上，构建了时间序列的BP神经网络预测模型，通过对钢材价格的实证研究，对钢材价格变化的预测得到了良好的效果。 　　关键词：人工神经网络；价格预测 　　中图分类号：F27 　　文献标识码：A 　　文章编号2015 　　1 引言 　　中国是钢铁大国，钢铁产业在我国市场经济体系中占有重要的地位。中国的钢铁产业仍在稳步的前进，但是在发展的过程中也遇到了挑战。由于国际间贸易额的不断增长以及产业结构的不断调整，加之国内国外复杂的环境，我国钢铁产业供求失衡、价格波动等情况时有发生。钢铁价格的下降，造成企业获利空间明显下降，人们也认识到钢铁价格预测的必要性。对钢铁产品价格较准确的预测能帮助钢铁企业把握市场先机，合理控制生产，提高经济效益。 　　2 价格预测方法研究 　　随着社会的不断向前发展，针对商品价格进行预测的活动越来越广泛，价格预测研究已得到了一定的成果。根据价格预测原理不同，大致可分为定性预测、定量预测和智能预测方法。 　　2.1 定性预测方法 　　所谓定性预测方法，是指人们凭借知识和经验，在对现有信息分析的基础之上，对未来的发展趋势做出大致的判断。常见的定性预测方法有德尔菲法、主观概率法、情景预测法等。 　　2.2 定量预测方法 　　定量预测法是根据已经掌握的比较详备的统计数据，通过科学的方法对数据进行加工与处理，借以揭示有关变量之间的联系，对事物未来发展变化情况做出预测和推测。常见的有时间序列预测法和因果关系预测法两大类。 　　2.3 智能预测方法 　　所谓的智能预测方法就是运用智能信息处理的理论与方法，进行信息分析预测的体系。近几年在价格预测方面，应用比较广泛的智能方法有人工神经网络、遗传算法、粗糙集、小波分析等。登文，蒋红妍等（2010）将人工神经网络应用于建筑材料的预测中，对未来的价格预测做出预测，取得了很好的效果。贾振华，陈英杰等（2011）通过定性分析获得石油价格变化影响因子，将重要影响因子输入BP神经网络的，对石油价格进行预测。侯普光等（2014）选取2001―2012年的山西省太原市房价数据为研究对象，将小波分析理论和ARMA模型相结合，实现太原市房价的预测。 　　3 BP神经网络 　　3.1 BP神经网络 　　典型的BP神经网络是一种具有三层或者三层以上结构的无反馈的、层内无互连结构的前向网络，其中首尾两层分别称为输入层和输出层，中间层为隐含层。在BP神经网络中，以3层感知器应用最为普遍。 　　3.2 BP神经网络的单元处理模型 　　为不失一般性，同时便于将神经网络的处理单元解释清楚，在此选取神经网络任意两层介绍其处理单元的数学模型。L1层的n个处理单元全连接，连接权向量W={wij|i=1，2，…，n；j=1，2，…，p}，L1层到L2层的输入向量为 　　X=（x1，x2，…，xn）T，L2层各个处理单元的阈值为θj，j=1，2，…，p，因此，L2层的各个处理单元接受的的输入加权和为： 　　sj=ni=1xiwij-θj j=1，2，…，p（1） 　　L2层各个处理单元的输出有转移函数决定，BP神经网络通常采用Sigmoid函数作为转移函数，Sigmoid函数的数学表达式为： 　　f（x）=11+e-x（2） 　　因此，L2各个处理单元的输出为： 　　y=f（sj）=11+e-sj（3） 　　4 实证分析 　　4.1 数据选取 　　从2014年中国钢铁工业协会公布的数据中，钢材的分类主要包括螺纹钢、中厚板、角钢、热轧卷板、冷轧薄板、镀锌板、无缝管等几种，在此本文以无缝管为例，介绍如何利用BP神经网络进行价格预测。 　　现在用1、2、3、4月份无缝管的价格预测5月份价格，用2、3、4、5月份的市场价格来预测第6月的价格，依此类推，最后用5、6、7、8月的市场价格预测9月的市场价。以此种方法，建立时间序列的神经网络预测模型。 　　4.2 网络设计 　　4.2.1 神经网络参数 　　本文中基于BP神经网络预测模型的隐含层神经元激活函数使用Sigmoid函数，输出层神经元激活函数使用线性函数。设置学习精度设为=0.005。 　　4.2.2 神经网络层级设计 　　（1）输入层和输出层节点数：对钢材价格进行预测的模型的输入层神经节点及输出层神经节点数进行设置。 　　（2）隐含层节点数：利用试凑法来解决最佳隐含层节点数问题，可以便于问题的处理，借助的公式为： 　　l1=n+m+q，l2=log