基于人工神经网络冶金产品价格的决策与分析

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
  • 相关论文文献

    • [1].三十六脚湖叶绿素a浓度人工神经网络模型演算研究[J]. 渔业研究 2020(01)
    • [2].基于人工神经网络的压水堆燃料破损状态监测[J]. 原子能科学技术 2020(03)
    • [3].人工神经网络下农林作物预测模型及决策——以湘西土家族苗族自治州为例[J]. 林业科技通讯 2020(08)
    • [4].海堤越浪量的人工神经网络模型算法[J]. 水道港口 2020(04)
    • [5].人工神经网络在轧钢中的应用综述[J]. 上海工程技术大学学报 2018(04)
    • [6].人工神经网络在自动化领域的应用[J]. 科技风 2019(15)
    • [7].人工神经网络在林业上的应用研究进展[J]. 世界林业研究 2019(03)
    • [8].人工神经网络初探[J]. 科技传播 2018(02)
    • [9].深度学习技术及其在医疗领域中的应用[J]. 科技传播 2018(12)
    • [10].人工神经网络发展历史与训练算法概述[J]. 科技传播 2018(21)
    • [11].电气控制线路和人工神经网络关系初探[J]. 电子世界 2017(02)
    • [12].人工神经网络在化工过程中的应用进展[J]. 化工进展 2016(12)
    • [13].基于3s的人工神经网络模型在地质灾害危险性评价中的应用[J]. 报刊荟萃 2017(04)
    • [14].青春IN词[J]. 青春期健康 2017(09)
    • [15].人工神经网络在未来深空探测中的应用[J]. 太空探索 2017(08)
    • [16].人工神经网络基本原理概述[J]. 计算机产品与流通 2020(06)
    • [17].人工神经网络在分类问题中的应用[J]. 科技传播 2019(02)
    • [18].浅析人工神经网络及其应用模型[J]. 科技传播 2019(08)
    • [19].基于人工神经网络的二分类方法[J]. 现代计算机 2019(28)
    • [20].面向材料基因工程的人工神经网络研究[J]. 热加工工艺 2018(12)
    • [21].人工神经网络在医疗诊断中的应用[J]. 中国科技信息 2018(19)
    • [22].人工神经网络在自动化测试软件中的应用[J]. 中国战略新兴产业 2017(04)
    • [23].改进灰色人工神经网络模型的超高层建筑变形预测[J]. 测绘科学 2017(04)
    • [24].基于改进人工神经网络的管理诊断方案评价方法[J]. 广州航海学院学报 2017(02)
    • [25].人工神经网络在塑性加工中的应用研究[J]. 科技与企业 2016(08)
    • [26].基于人工神经网络的滑坡危险性评价方法研究[J]. 城市建筑 2013(20)
    • [27].人工神经网络在课堂教学质量评价体系中的应用[J]. 中国科技信息 2012(08)
    • [28].人工神经网络在建筑工程项目管理中的应用[J]. 山西建筑 2010(04)
    • [29].灰色人工神经网络在稻瘟病发生预报中的应用[J]. 中国农学通报 2010(12)
    • [30].人工神经网络在节水灌溉应用中的研究进展[J]. 山西水利 2009(01)

    标签:;  ;  ;  ;  ;  

    基于人工神经网络冶金产品价格的决策与分析
    下载Doc文档

    猜你喜欢