基于遗传算法的bp神经网络时间序列预测算法及其应用

《基于遗传算法的bp神经网络时间序列预测算法及其应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于遗传算法的BP神经网络时间序列预测算法及其应用　　摘要：对遗传算法以及BP神经网络算法的基本原理进行分析，并将具有良好全局搜索能力的遗传算法与能以任意精度逼近非线性函数的神经网络算法相结合，利用遗传算法的特点对BP算法进行优化，构建基于遗传算法的BP神经网络的时间序列预测算法。并用该算法对股市交易的收盘数据做预测。应用结果表明，该方法具有稳定性好，精确度高的特点。　　关键词：遗传算法；BP神经网络；时间序列；预测；　　中图分类号：TP18文献标识码：A文章编号：1009-3044（2015）31-0160-03　　

2、ApplicationofTimeSeriesPredictionbasedontheGeneticAlgorithsandBPNeuralNetwork　　YANGTong-man1，GUOYu2　　（1.CollegeofMeteorologyandOceanography，PLAUniv.ofSci.&Tech.，Nanjing211101，China；2.AnhuiUniversityofScienceandTechnology，Huainan232001，China）　　Abstract：Thebasicpr

3、inciplesofgeneticalgorithmsandBPneuralnetworkalgorithmforanalysis，andwillhavegoodglobalsearchcapabilityofgeneticalgorithmandcanbearbitraryprecisionapproachnonlinearfunctionofneuralnetworkalgorithm，8geneticalgorithmstooptimizethecharacteristicsoftheBPalgorithm，ti

4、meseriesforecastingalgorithmbasedongeneticalgorithmBPneuralnetworkbuild.Andusethealgorithmtodotheclosingstockmarkettradingdataprediction.Applicationresultsshowthatthismethodhasgoodstability，highprecisioncharacteristics.　　Keywords：geneticalgorithm；BPneuralnetwork

5、；timeseries；prediction8　　随着经济、科学技术等的快速发展，每天来自商业、社会、科学、工程、医学等各个领域的呈爆炸式增长的数据，注入我们的计算机网络、万维网以及各种数据存储设备，并且这些数据集基本上都具有时变性的特征。因此，目前许多数据集中的数据都是以时间序列的数据形式存在的。在互联网金融、科研项目、医学、工程等各个领域，都存在着在历史数据的基础上预测未来的问题。至今，各行各业的研究人员已经建立了许多的时间序列预测模型及算法，这些预测算法针对线性系统的时间序列预测具有很好的效果。但是，面对自然和社

6、会现象中存在的大量的非线性系统问题，这些方法并不能有效地解决趋势预测问题，解决这类问题效果欠佳[1]。而人工神经网络等智能理论的兴起与发展，为时间序列预测提供了全新且有效的针对非线性预测的分析方法。BP神经网络算法是非循环多级网络的训练算法，具有广泛的适用性。但是BP算法也存在训练速度慢、高纬曲面上局部极小的问题，并且在隐含层网络节点数的选取上缺乏理论指导，这一系列的问题，大大降低了预测的精确性[2]。遗传算法是一种通过模拟自然进化的过程，搜索出最优解的方法，它具有良好的全局搜索能力的特点。因此，本文利用遗传算法的特点

7、，通过对BP算法的初始权值以及阈值进行优化，以达到提高预测精确度的目的。　　1基于遗传算法的BP神经网络预测算法　　1.1遗传算法　　遗传算法（GeneticAlgorithm）又叫基因进化算法或进化算法，它是一种启发式的搜索算法。它能在搜索过程中，自动的搜索全局并选择优良的解，并能够自适应的控制搜索过程以达到最优解[3]。遗传算法是具有“生成+检验”的迭代过程的搜索算法[4]。其主要处理流程如下：　　1）首先对优化问题的解进行编码；　　2）适应度函数，它主要依据优化问题的目标函数而定，是遗传算法的关键；　　3）染色体

8、的组合；　　4）变异。　　1.2BP神经网络模型及算法　　1.2.1人工神经网络　　人工神经网络（ArtificialNeural8Networks），是对人类的大脑系统的一个特定的描述，它是一个理论化的数学模型。它由大量的处理单元通过适当的方式互联构成，是一个大规模的非线性自适应系统[5]。神经网络是通过对各种各样的样本，进行反