基于人工神经网络冶金产品价格的决策与分析

论文摘要

2008年受经济危机的影响,我国钢铁行业受到了巨大的冲击,严重影响了钢铁下游行业——机械工业、汽车制造业、建筑业、交通运输业等这些影响我国经济命脉的重工业。2009年在国家的扶持和全球经济形式好转的情况下,钢铁行业才逐渐回升。钢铁行业作为国民经济的支柱行业,其发展影响着整个国民经济及其下游的诸多行业。本文应用智能信息处理技术,通过人工神经网络和遗传算法搭建用于冶金产品价格预测的神经网络模型,较准确地定量预测出冶金产品价格的走势,为钢铁企业提早掌握市场动向,企业做出正确的决策提供了依据。本文详细分析了影响我国冶金产品价格的诸多因素,从宏观经济走向、固定资产投资、供求关系、原材料、国际市场这五个影响我国冶金产品价格的主要因素中确立了神经网络模型的输入参数,分别是国内生产总值、居民消费支出、固定资产投资、粗钢产量、钢材出口量、国内铁矿石产量、铁矿石进口量、铁矿石国际协议价变化率。本文选择BP （Back-Propagation）神经网络建模。通过实验确定了模型的层数及神经元个数和权值矩阵。使用Levenberg-Marquardt算法对BP神经网络进行了改进,减少了BP神经网络的训练时间,提高了BP神经网络的收敛精度。通过遗传算法与神经网络结合,用遗传算法对BP神经网络的初始权值和阈值进行优化。构建了冶金产品价格预测模型。最后,使用MATLAB对模型进行仿真、训练、验证和预测。结果充分证明本文所搭建的冶金产品价格预测模型具有较快的训练速度和较高的预测精度,能够对我国冶金产品的价格走势进行较准确的预测。

论文目录

• 摘要
• ABSTRACT
• 1 前言
• 1.1 研究的背景
• 1.2 研究的目的及意义
• 1.3 国内外相关理论的发展现状
• 1.4 本文主要结构
• 2 人工神经网络与遗传算法
• 2.1 人工神经网络
• 2.2 BP神经网络
• 2.2.1 BP神经网络学习过程
• 2.2.2 BP网络的结构及设计准则
• 2.2.3 BP算法的限制与不足
• 2.2.4 BP算法的改进
• 2.3 遗传算法
• 2.3.1 遗传算法概述
• 2.3.2 遗传算法的流程
• 2.3.3 遗传算法的特点
• 2.3.4 遗传算法的应用
• 2.4 遗传算法与神经网络结合
• 2.4.1 遗传算法和神经网络的结合方式
• 2.4.2 遗传算法和神经网络的结合算法
• 2.4.3 本论文遗传神经网络结合的算法
• 3 冶金产品价格影响因素分析
• 3.1 影响冶金产品价格的主要因素
• 3.1.1 宏观经济形式
• 3.1.2 固定资产投资
• 3.1.3 供求关系
• 3.1.4 原材料
• 3.1.5 国际市场
• 3.2 影响冶金产品价格的其它因素
• 3.2.1 运输因素
• 3.2.2 人为因素
• 3.2.3 突发事件
• 3.3 影响因素的选取
• 4 冶金产品价格预测GA-BP模型搭建
• 4.1 历史数据的资料收集及处理
• 4.1.1 数据的收集
• 4.1.2 数据预处理
• 4.2 BP神经网络结构设计
• 4.2.1 输入神经元选取
• 4.2.2 网络层数确定
• 4.2.3 隐含层的确定
• 4.2.4 各层间的传递函数
• 4.3 遗传算法设置
• 4.3.1 遗传算法优化神经网络的方法
• 4.3.2 遗传算法各项参数的确定
• 4.3.3 本文遗传算法的改进
• 5 GA-BP模型的MATLAB仿真实现
• 5.1 遗传算法仿真
• 5.2 GA-BP网络模型训练
• 5.3 预测及结果分析
• 6 总结和展望
• 6.1 总结
• 6.2 展望
• 7 参考文献
• 8 攻读硕士学位期间发表论文情况
• 9 致谢
• 附录
• 附录一：GAOT工具箱的安装配置
• 附录二：本文主要程序代码