基于BP神经网络的时序预测及其应用.docVIP

西华大学毕业论文 西华大学毕业论文 PAGE PAGE 12 目 录 摘要 1 前言 2 第一章 时间序列的预测函数及其评价指标 4 第一节 预测函数 5 第二节 评价预测的数量指标 5 第二章 BP神经网络 6 第一节 BP神经网络的结构 6 第二节 BP神经网络算法及公式推导 7 第三节 BP神经网络算法的步骤 9 第三章 基于BP神经网络的时间序列预测及其应用 11 第四章 结论 14 总结与体会 15 致谢词 15 参考文献 15 附录 16 摘 要 首先，本文介绍了时间序列的含义和时间序列预测在国内外的研究情况，列举了两个时间序列预测的实际例子。文中阐述了时间序列预测及其评价指标，比较了各评价指标之间的长处和短处。其次, 本文阐述了BP神经网络算法及其公式推导。给出了BP神经网络算法的流程图。最后,本文从实用出发，列出了1993年至2006年我国GDP的数据,此组数据呈现出增长趋势,这种增长趋势反映了近十几年我国经济的快速增长。用BP神经网络预测出我国2007年的GDP是200790亿元, 这表明今后我国经济有减缓的迹象,这也说明我国近几年宏观经济调控获得了一定的成果。 【关键词】 时间序列 神经网络 预测 GDP Abstract This grade paper, times series, and the development of times series forecast are introduced at first, and then the practical examples of times series forecast are enumerated. The function of times series forecast and its evaluative index are given. We compare the advantage and disadvantage of these evaluative indexes. Secondly, The principles of BP neural network and BP neural network’s algorithm are presented. Finally, we particularize our country GDP statistics, which it increases, which it indicates economy’s fast increasing, year by year, from 1993 to 2006. We also study BP neural network’s forecast algorithm. Our country GDP in 2007,wiche it is about 200790 hundred millions is forecasted by BP neural network, and it shows that the Chinese macro-economy policy in ten years are succeed. Keywords time series neural network prediction GDP 前 言 1970年G.M.Jenkins的《Time Series Analysis: Forecasting and Control》一书问世以来，时间序列的预测发展迅速，并在社会经济、自然科学及工程各个领域中获得了广泛应用。 在科学研究中，用数学模型去描述一种物理现象的特征，这一思想是确信无疑的。具体地，如果可以根据物理定律建立一个模型，再根据这个模型能对依赖于时间的量在任何瞬间都几乎准确地计算其值，则这种现象就是完全确定的。然而，如果不简化，没有一种现象是完全确定的。许多依赖于时间的现象有很多未知影响因素，不能写出一个确定性的模型去计算该现象的未来特性。但是，用所建立的模型来计算某个未来变量落在两个特定界限之间的概率，这却是可能的，这样的模型称为概率模型或随机模型。时间序列（Time Series）模型就是随机模型。由个顺序观测值的时间序列，被看作是随机过程生成的时间序列无穷总体中的一个样本实现。 随机过程中的随机数据，如按时间顺序、或按空间顺序、或按某种物理量顺序排成一串数据序列，就是时间序列（简称时序）。这种观察数据依顺序先后排列，并各有其大小，正是数据的这种顺序和大小包含了对象运动的有关信息，表现着对象变化的动态过程，因此时间序列也往往称为动态数据。 时间序列中相邻观测值的依赖关系需要采用参数模型来刻画。参数模型中应用最广泛的是自回归模型，