论文部分内容阅读
为提高神经网络经济预测的泛化能力，对神经网络预测数据处理方法进行了改进，把对数据的归一化变为对数据增长量的归一化，因而只要被预测的增长量不超过以往的历史数据增长量，则不会发生外延问题。根据这一思路。采用个股（中国石化）收盘价的数据，通过对收盘价的增长量进行了归一化，得到新的时间序列．将该时间序列视为一个从输入到输出的非线性映射，用BP神经网络进行非线性映射的逼近。对网络进行学习与训练的仿真试验后，预测结果与实际结果的比较说明，改进方法有效。