资源描述：
《MATLAB实现BP神经网络的煤炭需求预测.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、理论探索TheoryProbeMATLAB实现BP神经网络的煤炭需求预测■余良晖贾文龙薛亚洲陈甲斌当前我国煤炭消费量不断增长,给煤炭供应带来消费量。较大压力,因此对未来煤炭消费情况的掌握显得尤为表1预测数据源重要。本文采集了与煤炭消费相关的指标数据,采用价格指数职工工采掘业BP神经网络预测方法,在MATLAB上,利用其中神产量GDP消费量年份1989年=资总额人数(万tce)(亿元)(万tce)经网络功能,建立合理训练模型,进行数据测试和预100(亿元)(人)测,最后得出2010年中国煤炭消费量的预测结果,并19
2、8975314.516992.3100199.084273766.77提出相关结论。199077110.1218667.8106.2234.388275211.69一、煤炭消费量及相关指标变化199177689.421781.5120.1122262.990578978.86199279691.2126923.5139.4503289.389882641.69中国煤炭的消费量随着经济的快速发展逐年增长,根据《中国统计年鉴2006》数据显示,2005年中国煤199382183.6635333.9194.812337
3、.793286646.77炭消费量达到153866.8万tce。根据柯布—道格拉斯199488571.8348197.9238.0603417.091592052.77函数的意义可以知道,生产过程中生产要素主要包括199597162.660793.7264.9611516.293297857.3资本、劳动和原材料煤炭等。所以为了在煤炭消费预199699727.2371176.6301.2608565.2902103794.2测中有更充足的数据分析,本文收集了与煤炭相关的199798115.8178973.0325
4、.3616574.386898801.17价格、生产量、GDP、工人数量、工资和投资额,作199889335.7584402.3314.2993513.972192020.94为BP神经网络的分析数据(见表1),以达到更好的199991428.8189677.1297.9558494.966792463.82分析结果。200092864.1699214.6292.2946496.059793869.37二、BP神经网络简介200198685.51109655.2311.2938528.256195485.23BP
5、网络是一种多层前馈神经网络,是一种具有三2002103974.6120332.7347.2793593.2558100671.9层或三层以上的神经网络,包括输入层、中间层和输2003123045.3135822.8371.5889655.5568481119658.4出层。上下层之间实现全连接,而每层神经元之间无2004142379.2159878.3430.6715821.185491.1504138173.8连接。算法机理是:一对学习样本提供给网络,神经2005157436183084.8509.053710
6、16.319497.5873153866.8元的激活值从输入层经中间层向输出层传播,在输出资源来源:《中国统计年鉴2006》层的各神经元获得网络的输入响应。然后,按照减少目标输出与实际误差的方向,从输出层经过各中间层输入层:输入层的神经元以表1中除消费量以外逐层修正各连接权值,最后回到输入层。的其他变量为基准,共5个。BP网络设计:隐层:本文采用三层BP网络,隐层的隐单元定输出层:这里我们的输出层只有1维,就是煤炭为8～12,最后根据训练结果进行调整。34煤炭经济研究2007年第10期理论探索全国优秀科技期刊中国
7、工业经济类核心期刊2次后误差达到要求。三、预测分析MATLAB代码如下:1.数据源归一化。P=[0.48770.42300.20000.22990.2925;为了在MATLAB中计算的方便,需要对数据的大0.48870.42710.20260.23700.2945;小进行归一化处理,这里根据现有的数据情况,分别0.48900.43380.20800.24200.2957;对输入和输出量(除煤炭消费量作为输出量以外,其0.49010.44300.21440.24610.2953;他变量值都作为输入量),进行y=lo
8、g10(x)/10的算0.49150.45480.22900.25290.2969;法进行归一化。归一化代码如下。0.49470.46830.23770.26200.2961;p为输入变量集合。0.49870.47840.24230.27130.2969;p=[75314.516992.3100199842;0.49990.48520.24790.27520.2955;7
