论文部分内容阅读
预测是科学管理的重要环节,是决策、规划的前提。在社会经济管理中,经常要对某一事物或系统的发展趋势进行预测和分析。时间序列预测是预测领域内的一个重要研究方向,它是一种根据历史数据构造时间序列模型,再把模型外推来预测未来的一种方法。
神经网络能学习贮存以往的历史经验知识,并能外推到未来,这是神经网络用于预测领域的理论依据。对于非线性的时间序列预测,神经网络比其他数学模型更有效和精确度更高。人工神经网络是一个非线性的动态系统,可在任意精度内实现变量间的非线性关系的映像,具备解决非线性问题能力、网络学习能力和系统拟合能力,能够满足经济预测要求,使系统具有处理非线性、不确定性问题的能力,从而提高预测精度。
基因表达式编程(GEP)是在遗传算法的基础上发展而来的遗传算法的新分支,它在个体的表示、个体的处理和结果的形式等方面与传统遗传算法有着显著的区别和优势。使用基因表达式编程的方法得到的模型要优于普通的神经网络方法得到的模型,提高了拟合和预测精度。
本文系统地介绍了神经网络、基因表达式编程等模型的基本理论、构成和实现方法,在总结前人研究的基础上,提出了用动态决策的方法建立智能模型并进行优化的实现方法,同时针对神经网络的缺点以及现有的集成模型理论,试探性的提出了基于多种智能方法的集成模型并应用于实际样本中。
具体内容如下:
1.介绍了预测的定义、预测的研究背景,国内外研究的状况,预测的方法,评价预测效果的几项误差指标;
2.概述了神经网络的特点、产生和发展历史,总结了神经网络的结构、算法,以及BP网络收敛速度慢,不易收敛到全局最小,泛化能力差等问题,用具体的数据为例来研究了BP神经网络的逼近能力;针对BP神经网络的部分缺点,利用RBF神经网络对数据进行了优化,同时采用粒子群优化算法对网络模型参数进行了优化,对逼近的结果与普通BP神经网络进行了比较;
3.提出了动态决策的智能模型,随着样本的变化来动态决定预测窗口以期获得更好的预测效果。同时结合神经网络以及高阶神经网络模型对实际样本进行了预测,预测结果表明动态决策的智能模型可以获得更好的效果:
4.提出了动态决策的基因表达式编程模型,并结合免疫算法对基因表达式编程模型进行优化,预测结果同样表明动态决策的模型更具有效性;
5.研究了多步预测模型及实现方法。结合动态决策方法的神经网络模型,对实际汇率样本进行了预测,预测结果表明动态决策的智能模型可以获得更好的效果;
6.最后针对神经网络的缺点以及现有的集成模型理论,试探性的提出了集成模型,并应用于实际股票样本中进行了检验。