隨著科學技術(shù)的日新月異以及社會經(jīng)濟的快速發(fā)展,各行各業(yè)的數(shù)據(jù)和信息呈現(xiàn)爆炸式增長,互聯(lián)網(wǎng)技術(shù)風起云涌,大數(shù)據(jù)時代悄然而至。因此,如何抓住大數(shù)據(jù)時代契機,從海量數(shù)據(jù)中挖掘出有價值的信息,進而實現(xiàn)對未來的精確預測是一個既重要又困難的任務。時間序列預測是在數(shù)學模型的基礎上,依據(jù)時間序列的歷史值和現(xiàn)在值對事物未來的發(fā)展趨勢做出定量估計。近年來,國內(nèi)外學者均對時間序列預測模型做出了有益的探索和研究。根據(jù)預測模型類型,現(xiàn)有時間序列預測模型大致可分為三類,分別是單個預測模型、組合預測模型和混合預測模型。然而,沒有一種模型能夠適用于所有類型時間序列,且現(xiàn)有時間序列預測模型主要存在忽略原始數(shù)據(jù)中的噪聲、模型中的參數(shù)確定具有主觀性以及模型評價標準不合理三方面的問題,會影響時間序列預測模型的預測精度與效率。鑒于上述因素,本文提出基于BP神經(jīng)網(wǎng)絡的系列混合預測模型,該類模型既具有較強的泛化能力,適用不同類型時間序列的預測,又可以成功克服以上缺陷,實現(xiàn)較好的預測性能。具體來講,系列混合預測模型中的“系列”一詞包括兩層含義:一方面,本文提出基于BP神經(jīng)網(wǎng)絡的混合預測模型的建立與評估的系列步驟。在建立混合預測模型時... 

【文章來源】：東北財經(jīng)大學遼寧省

【文章頁數(shù)】：200 頁

【學位級別】：博士

【部分圖文】：

圖２－１?人腦神經(jīng)元網(wǎng)絡和典型ｎ維輸入神經(jīng)元模型示意圖??ＢＰ經(jīng)網(wǎng)絡是對生物神經(jīng)元的簡化與模擬，一個典型的《維輸入的神經(jīng)元模型結(jié)??

【參考文獻】：
期刊論文
[1]基于BP神經(jīng)網(wǎng)絡的時間序列預測問題研究[J]. 楊娟麗,徐梅,王福林,王吉權(quán),劉慧.  數(shù)學的實踐與認識. 2013(04)
[2]基于Logistic模型的中國各省碳排放預測[J]. 杜強,陳喬,楊銳.  長江流域資源與環(huán)境. 2013(02)
[3]多車型車輛路徑問題的量子遺傳算法研究[J]. 葛顯龍,許茂增,王偉鑫.  中國管理科學. 2013(01)
[4]上證綜指波動特征及收益率影響因素研究——基于EEMD和VAR模型分析[J]. 王曉芳,王瑞君.  南開經(jīng)濟研究. 2012(06)
[5]小波去噪和神經(jīng)網(wǎng)絡在電力負荷預測中的應用研究[J]. 張曄.  數(shù)字技術(shù)與應用. 2012(07)
[6]非等間距GM（1,1）模型在股票預測中的優(yōu)化[J]. 張鑫,肖新平.  統(tǒng)計與決策. 2012(11)
[7]城市化對二氧化碳排放的影響——來自中國時間序列和省際面板數(shù)據(jù)的經(jīng)驗證據(jù)[J]. 劉華軍.  上海經(jīng)濟研究. 2012(05)
[8]基于奇異譜分析的匯率預測研究[J]. 張一,惠曉峰.  統(tǒng)計與決策. 2012(06)
[9]經(jīng)過改進的求解TSP問題的蟻群算法[J]. 王忠英,白艷萍,岳利霞.  數(shù)學的實踐與認識. 2012(04)
[10]中國石油消費量增長趨勢分析——基于ARIMA模型的預測與分析[J]. 池啟水.  資源科學. 2007(05)



本文編號：3378112