论文部分内容阅读
人工神经网络是人们对生物神经系统的模拟,是由大量的处理单元(神经元)互相连接而成的网络,人工神经网络虽然并没有完全真实地反映大脑的功能,但它能够对生物神经网络进行某种抽象、简化和模拟,在经济系统预测方面具有较大的优势。误差反向传播网络(BP网络)是人工神经网络模型的一种,它被大量运用在经济学的预测问题上,并已取得了辉煌的成果。但是传统BP神经网络结构本身存在一些问题,目前在预测方面的应用也有一定的局限性,本文主要基于BP神经网络原理,针对其缺陷提出一些改进措施,在此基础上设计开发一个基于Web方式的、具有一定通用性质的智能预测系统。 在理论研究上,本文主要针对传统BP网络存在的一些缺陷,分别采用Levenberg-Marquardt算法优化权值和阈值的修正公式,提高BP网络的学习速度和避免局部收敛;采用隐层删减算法寻找最优的隐层神经元数目;采用主成分分析算法和置信度区间算法对BP网络结构进行全后处理,优化学习样本数据和简化网络结构,同时提高预测结果的准确度和神经网络的泛化能力。在此基础上,设计一种综合改进的BP神经网络算法,应用于神经网络预测。 在应用系统设计与实现上,采用Matlab语言实现系统神经网络算法,保证神经网络计算的效率;采用Asp. net高级语言开发Web应用系统,提高应用系统的易用性;采用COM技术实现Matlab语言与Asp. net语言之间的数据通信,同时采用Web Services技术将神经网络计算抽象为一个Web服务,实现了系统逻辑事务处理与神经网络运算在Internet上的整合,提高系统的整体性能;在数据管理方面,采用XML技术实现对样本数据、预测模型、用户等信息的存储与管理,进一步提高系统运行效率和稳定性。经过实践证明,综合以上技术实现的应用系统不仅可行,且具有较好的可扩充性。 在系统应用上,本文以“中国可持续发展能力预测分析”为例,通过实际的样本数据对系统在样本管理、预测模型的建立与管理、神经网络预测及预测结果分析等功能进行检验;同时采用复杂函数拟合的方式,从多个角度以对神经网络的泛化能力以及不同预测方法的整体性能进行对比分析。检验结果表明,基于Web方式的神经网络智能预测系统在实际应用方面,预测准确性和效率明显好于传统的神经网络方法和多元线性回归预测方法,同时该系统具有较好的易用性和一定的通用性,在不同预测研究领域具有很好的实际应用价值