科技創新 2m6釬第20期I科技創新與應用 基于時間序列的BP神經網絡豬肉價格預測 張津張瑞斌 (成都理工大學管理科學學院，四川成都610059) 摘要：豬肉價格是不穩定的，起伏變化的，豬肉價格的預測是非線性，非平穩的問題“而神經網瘩具有很強的非線性、自組織、自學習能力．能夠很好地處理非線性信息。文章選用基于時間序列的BP神經網絡預測法，對豬肉的價格進行預測，對加大農民養殖利益以及防止生豬生產的市場風險有一定的參考作用。 關鍵詞：BP神經網絡；時間序列；豬肉價格預測 1概述 BP算法是很成熟的多層前饋網絡i川練算法，BP算法自身有收斂速度慢，容易產生局部極小值和弱推廣能力等問題些但由于BP 算法方便簡單、運算速度快，并行性強很多優點，可以用來預測豬肉價格。BP神經網絡分為信息的正向傳播與誤差的逆向傳播兩個部分口。在正向傳播過程中，正向傳播包括輸人層、隱含層和輸出層三層，通過這三層的信息處理并輸出，得出預測結果。若實際輸出與期望輸出不符，則進人誤差的逆向傳播階段，按誤差梯度下降的方式修改各層權值，依次逆傳。不斷學習訓練，直到網絡輸出誤差達到可接受范圍 2 BP神經網絡設計進行BP網絡設計時，考慮以下幾個方面： 2彐網絡層數的選定 關于BP神經網絡算法，只關注單因素預測模型，即豬肉價格自身的數據預測。山于查找歷史數據有限，不需選擇增加網絡層數的辦法而是選擇增加隱含層神經元節點的數目來提高輸出結果的精度札所以，選用單一層的BP神經網絡模型。 2．2輸人輸出層神經節點對于輸出層，有 cFf(netk) k=l，2， 一〗v過k：1，2，， (2) 在單因素預測中，使用每月豬肉平均價格作為原始數據。選擇3 個月的價格數據作為頇測的分析周期，將輸人層神經元節點數設為 3，輸出層神經元節點數為1 23陰含層神經節點 在模型中其他參數值保持不變的情況下，通過調整隱含層神經節點的數目進行重復實驗，對比輸出誤差，確定最佳隱含層神經元節點個數。 對于隱含層，有 0) (4) net,= 2．4函數的確定以上兩式中，所用函數f()均為Sigmoid函數 巧) 2．5網絡誤差 BP神經網絡的重點是網絡誤差和權值調整。當網絡實際輸出與期望輸出不同時，存在誤差E，定義如下 一(b一的2：的偉002 1 (6) 2 3 BP神經網絡應用 3.1數據來源 呂梁某城區2m4年1月至2016年4月每月平均豬肉部分價 格如表0 3．2 BP神經網絡的訓練與仿真首先，對數據進行歸一化處理： pn=2*( P—minp)/( maxp—minp)一1 表1呂梁某城區蕕肉價格表(單位：元) 在神經網絡生成后，可利用已有的輸人數據與目標數據進行網絡的訓練。 將樣本數據放到已經訓練好的網絡中仿真模擬，這個過程通過sirn()函數實現。運用2014年1月到2m6年4月間每月的豬肉平均價格數據來進行預測。先進行作為測試集樣本的預測，預測出 20巧年7月份到12月份的豬肉價格。 0 0一、0」LJ 0 0 圖1價格預測值實際值對比圖 可以看出，2m5年7月份到] 2月份的堵肉價格預測結果與實際值最大誤差僅為0.01，說明所建模型科學合理，可以用來預測豬肉價格。 3，3價格預測 運用2m4年7月到2m6年3月間呂梁某城區每月的豬肉平均價格數據來進行預測2將數據歸一，構建BP神經網絡模型。經過多次實驗得出隱含層點數為8時，預測誤差最小，擬合度最高。循環次數為5{)O()次，優化目標為0．01，訓練模擬數據后，預測出2m6年4 月到9月的豬肉價格走勢。 4結論與分析 通過對豬肉價格本身變化趨勢進行研究，建立

總結

以上是生活随笔為你收集整理的生猪价格matlab,基于时间序列的BP神经网络猪肉价格预测的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。