论文部分内容阅读
摘要：成都中小微企业在促进地方经济发展、吸纳社会就业方面起着十分积极的作用。但是，随着市场竞争日益激烈，中小微企业在经营发展过程中面临危机的可能性不断上升。本文利用人工神经网络的预测方法，对成都市的运行监测指标进行了预测分析，预测结果良好。
关键词：成都中小微企业 人工神经网络 预测
1、人工神经网络
人工神经网络是一种应用类似于大脑神经突触联接的结构进行信息处理的数学模型。在工程与学术界也常直接简称为神经网络或类神经网络。神经网络是一种运算模型，由大量的节点（或称神经元）和之间相互联接构成。每个节点代表一种特定的输出函数，称为激励函数（activation function）。每两个节点间的连接都代表一个对于通过该连接信号的加权值，称之为权重，这相当于人工神经网络的记忆。网络的输出则依网络的连接方式，权重值和激励函数的不同而不同。而网络自身通常都是对自然界某种算法或者函数的逼近，也可能是对一种逻辑策略的表达。
2、基于人工神经网络的预测模型的构建
在运用ANN预测模型预测这两个指标时，我们采取下面的预测步骤：
（1）首先将1-6月份的数据标准化，及转化为0-1之间的标准化数据；
（2）我们将输入设为1月份、2月份、3月份、4月份的数据，输出设为5月份的数据；
（3）在matlab中调用newff函数，建立一个5个输入节点、10个隐含层节点、一个输出节点的BP神经网络，隐含层和输出层转移函数分别采用tansig（tansig（n） = 2/（1+exp（-2*n））-1）和purelin（y=x），训练函数选择贝叶斯正则化算法trainbr，得到网络仿真数据；
（4）通过得到的网络仿真数据与实际的数据进行比较，我们可以发现该预测模型的精度很高。从而我们可以利用该预测模型预测未来月份的数据，作为决策者进行决策的依据。
3、分圈层企业运行态势预测模型
3.1一圈层企业运行态势预测模型
一圈层主要包括成华区、高新区、金牛区、锦江区、青羊区和武侯区。
我们按照上述步骤，得到最终的预测值，如表1所示，可见，预测值与实际值之间相差并不大，误差为0.099933%。
表1运行监测指标按圈层（一圈层）ANN预测模型实际值与预测值对比表
3.2二圈层企业运行态势预警模型
二圈层主要包括龙泉、郫县、青白江、双流、温江和新都。
我们按照上述步骤，得到最终的预测值，如表2所示，可见，预测值与实际值之间相差并不大，误差为0.09995%。
表2运行监测指标按圈层（二圈层）ANN预测模型实际值与预测值对比表
3.3三圈层企业运行态势预警模型
三圈层包括崇州、大邑、都江堰、金堂、蒲江、邛崃和新津。
我们按照上述步骤，得到最终的预测值，如表3所示，可见，预测值与实际值之间相差并不大，误差为0.1%。
表3 运行监测指标按圈层（三圈层）ANN预测模型实际值与预测值对比表
4、结束语
运行监测指数和信心指数能很好的反映成都市中小企业的发展运营情况，本报告运用人工神经网络这种高精度的预测方法，对这两种指数进行了预测，预测结果精确，经济意义显著。能很好预测未来月份的中小企业的指标值，从而为决策者的决策提供有力的支持和依据。
参考文献：
[1]张乃尧，阎平凡.神经网络与模糊控制[M].北京： 清华大学出版社，1998.
[2]焦李成. 神经网络系统理论[M].西安：西安电子科技大学出版社，1990.
[3]施阳，李俊，王惠刚，等.Matlab语言工具箱-Toolbox 实用指南[M].西安：西北工业大学出版社，1998.
关键词：成都中小微企业 人工神经网络 预测
1、人工神经网络
人工神经网络是一种应用类似于大脑神经突触联接的结构进行信息处理的数学模型。在工程与学术界也常直接简称为神经网络或类神经网络。神经网络是一种运算模型，由大量的节点（或称神经元）和之间相互联接构成。每个节点代表一种特定的输出函数，称为激励函数（activation function）。每两个节点间的连接都代表一个对于通过该连接信号的加权值，称之为权重，这相当于人工神经网络的记忆。网络的输出则依网络的连接方式，权重值和激励函数的不同而不同。而网络自身通常都是对自然界某种算法或者函数的逼近，也可能是对一种逻辑策略的表达。
2、基于人工神经网络的预测模型的构建
在运用ANN预测模型预测这两个指标时，我们采取下面的预测步骤：
（1）首先将1-6月份的数据标准化，及转化为0-1之间的标准化数据；
（2）我们将输入设为1月份、2月份、3月份、4月份的数据，输出设为5月份的数据；
（3）在matlab中调用newff函数，建立一个5个输入节点、10个隐含层节点、一个输出节点的BP神经网络，隐含层和输出层转移函数分别采用tansig（tansig（n） = 2/（1+exp（-2*n））-1）和purelin（y=x），训练函数选择贝叶斯正则化算法trainbr，得到网络仿真数据；
（4）通过得到的网络仿真数据与实际的数据进行比较，我们可以发现该预测模型的精度很高。从而我们可以利用该预测模型预测未来月份的数据，作为决策者进行决策的依据。
3、分圈层企业运行态势预测模型
3.1一圈层企业运行态势预测模型
一圈层主要包括成华区、高新区、金牛区、锦江区、青羊区和武侯区。
我们按照上述步骤，得到最终的预测值，如表1所示，可见，预测值与实际值之间相差并不大，误差为0.099933%。
表1运行监测指标按圈层（一圈层）ANN预测模型实际值与预测值对比表
3.2二圈层企业运行态势预警模型
二圈层主要包括龙泉、郫县、青白江、双流、温江和新都。
我们按照上述步骤，得到最终的预测值，如表2所示，可见，预测值与实际值之间相差并不大，误差为0.09995%。
表2运行监测指标按圈层（二圈层）ANN预测模型实际值与预测值对比表
3.3三圈层企业运行态势预警模型
三圈层包括崇州、大邑、都江堰、金堂、蒲江、邛崃和新津。
我们按照上述步骤，得到最终的预测值，如表3所示，可见，预测值与实际值之间相差并不大，误差为0.1%。
表3 运行监测指标按圈层（三圈层）ANN预测模型实际值与预测值对比表
4、结束语
运行监测指数和信心指数能很好的反映成都市中小企业的发展运营情况，本报告运用人工神经网络这种高精度的预测方法，对这两种指数进行了预测，预测结果精确，经济意义显著。能很好预测未来月份的中小企业的指标值，从而为决策者的决策提供有力的支持和依据。
参考文献：
[1]张乃尧，阎平凡.神经网络与模糊控制[M].北京： 清华大学出版社，1998.
[2]焦李成. 神经网络系统理论[M].西安：西安电子科技大学出版社，1990.
[3]施阳，李俊，王惠刚，等.Matlab语言工具箱-Toolbox 实用指南[M].西安：西北工业大学出版社，1998.