Elman神經(jīng)網(wǎng)絡(luò)是一種典型的局部回歸網(wǎng)絡(luò),獨(dú)特的連接層結(jié)構(gòu)能記憶過(guò)去時(shí)刻的狀態(tài)使網(wǎng)絡(luò)具有動(dòng)態(tài)記憶功能,特別適合處理時(shí)間序列預(yù)測(cè)問(wèn)題。本文運(yùn)用Elman神經(jīng)網(wǎng)絡(luò)對(duì)長(zhǎng)江有色鋁A00鋁每日平均價(jià)格進(jìn)行模擬預(yù)測(cè),得到2018年1月到2018年3月一共53個(gè)工作日的A00鋁日均價(jià)格的預(yù)測(cè)值。結(jié)果表明,Elman神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)精度較高。
【部分圖文】：

Elman神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

一般通過(guò)調(diào)用newelm或elmannet函數(shù)建立Elman神經(jīng)網(wǎng)絡(luò)，本文采用的是elmannet函數(shù)。elmannet函數(shù)需要設(shè)置三個(gè)參數(shù)：指定延遲、隱含層神經(jīng)元個(gè)數(shù)和訓(xùn)練函數(shù)。其中，指定延遲為固定值1∶2；本文所建立的Elman神經(jīng)網(wǎng)絡(luò)輸入層節(jié)點(diǎn)數(shù)為300，輸出層節(jié)點(diǎn)數(shù)為1,a取值為6，所以隱含層神經(jīng)元個(gè)數(shù)取值為24；訓(xùn)練函數(shù)選用traingdx函數(shù)。創(chuàng)建完成的Elman網(wǎng)絡(luò)結(jié)構(gòu)圖如圖2所示。3 實(shí)驗(yàn)結(jié)果與結(jié)論

為了檢驗(yàn)?zāi)Ｐ偷木�，�?duì)已建立的Elman模型進(jìn)行測(cè)試，得到長(zhǎng)江有色鋁A00鋁的價(jià)格網(wǎng)絡(luò)仿真值和實(shí)際值，結(jié)果如圖4、圖5和表1所示。圖4 訓(xùn)練數(shù)據(jù)的測(cè)試結(jié)果圖
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 車晴;劉杰文;張藝馨;;基于Elman神經(jīng)網(wǎng)絡(luò)和灰色預(yù)測(cè)模型的鋼鐵冶煉的研究[J];數(shù)碼世界;2019年12期

2 李界家;陳廣其;;基于改進(jìn)Elman神經(jīng)網(wǎng)絡(luò)的氧化鋁濃度控制建模[J];科技廣場(chǎng);2011年09期

3 張子陽(yáng);孫彥廣;;基于灰色Elman神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)爐吹氧量的預(yù)測(cè)[J];計(jì)算機(jī)應(yīng)用與軟件;2018年11期

4 李界家;孫璐璐;王奔;王喆鑫;;基于Elman神經(jīng)網(wǎng)絡(luò)陽(yáng)極效應(yīng)故障預(yù)報(bào)方法[J];沈陽(yáng)建筑大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年05期

5 汪清瑤;劉瓊;;基于Elman神經(jīng)網(wǎng)絡(luò)的燒結(jié)礦質(zhì)量在線預(yù)測(cè)研究[J];儀表技術(shù)與傳感器;2017年10期

6 李界家;吳成東;;基于集成神經(jīng)網(wǎng)絡(luò)的多故障診斷方法[J];控制工程;2012年03期

7 楊婉琪;李瑞蒲;李錦豐;;基于BP神經(jīng)網(wǎng)絡(luò)的高爐煉鐵硫的優(yōu)化研究[J];中國(guó)戰(zhàn)略新興產(chǎn)業(yè);2017年24期

8 王鵬飛;張晨;;基于PSO-BP神經(jīng)網(wǎng)絡(luò)的高爐煉鐵含硅量預(yù)測(cè)模型[J];中國(guó)戰(zhàn)略新興產(chǎn)業(yè);2017年28期

9 郭莉;;基于SOM神經(jīng)網(wǎng)絡(luò)的江蘇常鋁經(jīng)營(yíng)風(fēng)險(xiǎn)評(píng)價(jià)研究[J];中國(guó)集體經(jīng)濟(jì);2017年32期

10 牟方青;許著龍;王言;;高爐煉鐵過(guò)程中鐵水含硅量動(dòng)態(tài)預(yù)測(cè)研究與分析[J];科學(xué)家;2017年13期

相關(guān)博士學(xué)位論文 前2條

1 鄧長(zhǎng)輝;真空感應(yīng)爐先進(jìn)控制技術(shù)研究與應(yīng)用[D];東北大學(xué);2005年

2 胡燕;基于粗糙集的轉(zhuǎn)爐煉鋼知識(shí)發(fā)現(xiàn)及終點(diǎn)控制模型研究[D];重慶大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 朱海波;基于改進(jìn)Elman NN回轉(zhuǎn)窯溫度軟測(cè)量建模技術(shù)的研究與應(yīng)用[D];遼寧科技大學(xué);2019年

2 姚珊;基于蝙蝠算法的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的研究及應(yīng)用[D];遼寧科技大學(xué);2019年

3 葉飛;基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的高爐鐵水硅含量預(yù)測(cè)方法[D];安徽工業(yè)大學(xué);2019年

4 袁蒙;基于改進(jìn)神經(jīng)網(wǎng)絡(luò)的高爐鐵水質(zhì)量參數(shù)建模方法[D];東北大學(xué);2015年

5 趙士超;基于神經(jīng)網(wǎng)絡(luò)的LIBS鋼水成分在線檢測(cè)[D];華北理工大學(xué);2018年

6 張麗;基于改進(jìn)隨機(jī)權(quán)神經(jīng)網(wǎng)絡(luò)的高爐鐵水質(zhì)量參數(shù)建模[D];東北大學(xué);2017年

7 施明川;微波干燥酸洗污泥過(guò)程研究及神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)[D];東北大學(xué);2015年

8 宋菁華;高爐冶煉過(guò)程的多尺度特性與硅含量預(yù)測(cè)方法研究[D];浙江大學(xué);2016年

9 董沛釗;基于神經(jīng)網(wǎng)絡(luò)的高爐風(fēng)機(jī)運(yùn)行狀況預(yù)測(cè)的研究[D];河北科技大學(xué);2015年

10 鄭貴海;神經(jīng)網(wǎng)絡(luò)技術(shù)在鞍鋼高爐鼓風(fēng)機(jī)狀態(tài)監(jiān)測(cè)與故障診斷中的應(yīng)用[D];東北大學(xué);2010年

本文編號(hào)：2835138