《经济预测与决策技术及MATLAB实现》课件汇总 第8--15章 干预模型预测法---数据包络分析法.ppt

13.1层次分析法的基本理论13.1.1单层次模型单层次模型的结构，由一个目标及隶属它的n个评价元素和决策者组成。由决策者在这个目标意义下对这些元素优劣程度进行两两评价，得出优劣排序，给出相对重要性的权量。计算过程（1）构造两两比较判断矩阵决策者在目标原则C下对Ai和Aj的优劣比较，构造一判断矩阵A。CA1A2…AnA1a11a12…a1nA2a21a22…a2n……………Anan1an2…ann含义aij标度含义aij标度i和j同样重要1j比i稍微重要1/3i比j稍微重要3j比i明显重要1/5i比j明显重要5j比i非常重要1/7i比j非常重要7j比i及其重要1/9i比j及其重要9上述相邻含义的折中需取中值2、4、6、8、1/2、1/4、1/6、1/8（2）计算各元素的排序权重根据判断矩阵计算各元素对目标元素相对重要性次序的权重。方法：求解特征根AW=λmaxW所得特征向量W经归一化后，方案A1，A2，…，An对目标C的排序权值（3）一致性检验1）计算一致性指标CI：2）计算平均随机一致性指标RI维数n12345678RI000.520.891.121.261.361.41维数n9101112131415?RI1.461.491.521.541.561.581.59?3）计算一致性比例CR：当CR0.1时，一般认为判断矩阵的一致性是可以接受的13.1.2多层次分析法的基本步骤1．建立递阶层次结构先对问题所涉及的因素进行分类，构造一个各因素之间相互联结的递阶层次结构模型。处于最上面的层次是问题的预定目标，通常只有一个元素，中间层的元素是准则、子准则，最低一层是决策方案。在2011-2020年期间，上海房地产先行指标和同步指标的合成指数，基本上都处于上升阶段，并且从2015年以来指数都超过100，表明房地产还处在景气较热的状态，为此国家也一直进行宏观调控，阻止房地产过热发展第12章神经网络预测法12.1神经网络基本理论12.2BP神经网络的MATLAB函数12.3案例分析12.3.1多指标的股票开盘价预测练习与提高（十二）12.3.2单指标的股票收盘价预测12.1神经网络基本理论12.1.1人工神经网络人工神经网络(ArtificialNeuralNetwork,ANN)，是由大量处理单元(神经元Neurons)广泛互连而成的网络,由分布于若干层的节点组成。每个单节点都有自己的输入值、权重、求和与激活函数以及输出值，在处理之前，数据被分为训练数据集(TrainingDataset)和测试数据集(TestingDataset)，然后将权重或输入，指派到第一层的每一个节点。每次重复时，系统处理输入，并与实际值相比较，得到度量后的误差，并反馈给系统，调整权重。大多数情形下，调整后的权重都能更好地预测实际值。当达到预定义的最小误差水平时，处理结束。12.1.2BP神经网络的基本原理BP(Back-PropagationNetwork)是一种多层网络的“逆推”学习算法。其基本思想是:学习过程由信号的正向传播与误差的反向传播组成。正向传播时，输入样本从输入层传入，经隐层逐层处理后传向输出层。若输出层的实际输出与期望输出不符，则转向误差的反向传播阶段。误差的反向传播是将输出误差以某种形势通过隐层向输入层逐层反传，并将误差分摊给各层的所有单元，从而获得各层单元的误差信号，此误差信号即作为修正各单元权值的依据。这种信号正向传播与误差反向传播的各层权值调整过程是周而复始地进行。权值不断调整的过程，也就是网络的学习训练过程。此过程一直进行到网络输出的误差减少到可以接受的程度，或进行到预订的设定的学习次数为止。12.1.3BP神经网络过程1．BP网络的结构BP网络是一种单向传播的多层前向网络，具有三层或三层以上的神经网络，包括输入层、中间层(隐层)和输入层。上下层之间实现全连接，每一层神经元之间无连接。输入层隐层输出层2．传递函数或激活函数一般输入层和隐层的传递函数是S形函数（logsig）：正切S形函数（tansig）输出层的是线性函数，