1. 时序BP原理
1.1 时间序列法和神经网络分析
时间序列分析方法就是从具有先后顺序的信息中提取有用信息,它是数理统计的一个重要分支。时间序列分析方法的实质是通过对历史数据的处理,寻找出前后数据之间的关系,建立关联模型,然后通过历史数据和所建立的关联模型来预测时间序列的未来值,从而把握事物的未来发展。
1.2 基于神经网络的时间序列预测模型
在时间序列里需要设置神经元个数netcount,所谓延时值就是将netcount个参数作为输入来预测下一个输出。例如:
上面的例子是netcount=3的例子,就是用三个输入来预测一个输出,即上面中蓝色的部分作为输入来预测红色部分的一个输出。
时间序列预测就是将上面右边部分作为一组原始样本进行转化为右面蓝色部分的最终样本来预测。例如当预测1922年时,我们输入
[28.78, 31.25,31.39]时间序列模型就会预测出下一时间点1992年的预测值。
1.3 主要控制参数说明
神经元个数netcount:参数netcount控制着预测模型的输入,也就是神经网络模型的输入层神经元个数。
隐藏节点数hiddencount:参数hiddencount控制着神经网络模型的隐藏节点的个数。
检验组数目:模型训练玩完后,需要用几组数据对模型的预测效果进行检验。
2. 程序主界面
详细资料介绍及软件下载地址:
1、程序下载:http://www.5iai.com/cms/view.php?cid=2&tid=1796
2、智能中国网:http://www.5iai.com
3、俱乐部论坛:http://www.5iai.com/bbs