科 专论 基于ＢＰ神经网络的灰色组合预测 何明芳 北京理工大学珠海学院数理学院 广东珠海５１ ９０８８ 【擒要】本文主要从建模机制方面考虑，采用灰色新陈代谢模型，新 数确定为５，根据这个思路，可以构建基于ＢＰ神经网络的组合预测模 初值模型，改进离散灰色模型，对我国人口进行建模，结果表明，这三个模 型。型都能提高模型的预测精度。最后，针对单一模型的预测方法都会存在某 网络训练过程中，学习速率 取为０．８，动量因子０【取为０，将训练样 些不足，本文从数据挖掘角度出发，引入ＢＰ神经网络，对上面ＧＭ（１，１）的 本输入网络训练３００００次后，网络全局误差为Ｏ．１１，新初值ＧＭ（１，１）模 改进模型，进行组合预测，并用实例证明了这・模型的可行性。 型平均相对误差为０．３０５６％，改进离散灰色ＧＭ（１，１）平均相对误差为 【关键词】灰色新陈代谢；ＢＰ神经网络；组合预测 ０．３４３６％，基于ＢＰ神经网络的平均年人口增长率０．２４６９％。由于神经网 络良好的曲线拟合性，从以上误差比较可以看出，基于神经网络的分线 引言 性组合预测模型，确实可以改善各单项预测结果，提高预测精度和稳健 在预测时间中，对于同一问题，可以采用不同的预测方法。不同的 性。 预测方法，往往各有其优劣点，仅仅是单个的预测方法，存在不足之处。 ４．结束语 所以，我们希望能够将各种方法有效地组合起来，取长补短，尽可能提 各种预测模型各有其不同的特点，以及不同的使用范围，都只能从 高预测精度。组合预测就是综合利用各种预测方法提供的信息，以最优 某一个侧面去探寻事物之间的规律，因此单一模型预测往往不能全面 准则得到综合模型 利用各种有效的信息，所得到的预测精度也有限。若整合各个单一模型 组合预测通常包括线性组合预测和非线性组合预测。线性组合预 的预测结果，则得到的信息就比较全面。本章中利用ＢＰ神经网络的非 测模型是各预测模型的凸组合，由于可能出现具有争议的负权重问题， 线性组合预测模型，对几种单一的预测模型进行组合，以此来提高预测 而使得组合预测的方法受到一定限制。非线性组合预测可以解决这种 精度。 局限性，但是构造合适的，特别是通用性的非线性组合函数，目前为止， 任然比较困难。由于ＢＰ神经网络的学习过程也是对神经元的阈值和神 参考文献 经元之间的连接权重不断修改的过程。如果把ＢＰ神经网络看成是一个 …１ Ｐａｒｋ ＤＣ．Ｅｌｅｃｔｒｉｃ ｌｏａｄ ｆｏｒｅｃａｓｔｉｎｇ ｕｓｉｎｇ ａｎ ａｒｔｉｆｉｃｉａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ［Ｊ】． 从输入到输出的映射，则这个映射是一个高度非线性映射。基于此文献 ＩＥＥＥ Ｔｒａｎｓ Ｏｉｌ ＰＷＲＳ，１ ９９１，６（２）：４４２－４４９． 提出了基于人工神经网络的非线性预测方法，在上述研究成果的基础 【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 上，本文采用基于ＢＰ神经网络的非线性组合预测模型来进行预测。 １．主要目的和研究方法 社，１９９９． ［５】毕小龙，袁勇．基于ＢＰ神经网络的人口预测方法研究［Ｊ］．武汉理 本文从建模机制方面考虑，首先采用灰色新陈代谢模型，新初值模 工大学学报，２００７，５１，（６）ｓｓ６－５５８． 型，改进离散灰色模型，对我国人口进行建模，结果表明，这三个模型 ［４】中经网统计数据库ｈｔｔｐ：／／ｄｂ．ｃｅｉ．ｇｏｖ．ｃｌｉ／． 都能提高模型的预测精度。最后，针对单一模型的预测方法都会存在某 些不足，本文从数据挖掘角度出发，引入ＢＰ神经网络，对上面ＧＭ（１，１） 的改进模型，进行组合预测，并用实例证明了这一模型的可行性。 ２ ＢＰ神经网络 误差反向传播网络简称（Ｅｒｒｏｒ Ｂａｃｋ Ｐｒｏｒａｇａｔｉｏｎ，ＢＰ）ＢＰ网络。 其中包括有三层的神经元，包括输入层的、隐层的和输出层的。隐层的 神经元函数通常是用单极性或双极性的Ｓｉｇｍｏｉｄ函数。ＢＰ算法的学习 过程是由正方向传播和反方向构成的，正向传播指的是输入信息从输入 层到隐层最后到输出层的，而反向传播指的是从期望输出和网络的实际 输出差从输出层经隐层向输入层传播来进行连接矩阵的修改的，通过 这正向传播和反向传播的互相交替执行，直到期望输出与实际输出的误 差小于某个给定的值，或者达到其他终止条件为止。 ＢＰ算法的学习过程主要包括４个部分： （１）输入模式，通过正向传播计算网络的实际输出。 （２）输出误差逆向传递，把输出误差反向传播来输入层来进行权 值与阈值的调整。 （＞．＞上接第３４７页） ４．６做好凝结水等热力系统水汽监督工作，考虑到热力系统整体不 断循环，应加强对异常波动参数的关注，见微知著，对可能产生的异常 情况及早介入，防止水质进一步劣化， ４．７进一步提高阳再生塔中阴阳树脂混合的效果，在保证阴阳树脂 再生度的前提下，阴阳树脂的混合效果就尤为重要，以前的做法是充水 一分钟再放水或不充水直接防水。 （３）循环训练，就是输入模式与输出误差逆向传播不断交替的执 行。 ５，总结 对于运行中出现的一些问题，通过我们仔细的观察分析判断也是 可以控制的，尽可能的使精处理系统程序设计更加完善，这就需要我们 加强贵精处理系统的运行万里和定期检查、跟踪分析，使结水精处理系 统的优越性能得以充分的发挥，安全稳定性更加可靠，只有这样才能给 机组的安全用水提供有力的保证。 （４）学习结果的判别，即误差是否已经接近极小值。 ３ 计算过程和结果分析 下面以１９９０年一２００８年我国人口总数作为原始数据，２００９年、２０１０ 年、２０１１年留作拟合精度比较。并以此建立的模型，来预测未来ｌ５年的 人口总数。 参考文献 ［Ｉ】陈进生，黄种买．凝结水精处理氨化运行的理论条件与实践［Ｊ】． 华中电力，２００２年Ｏ５期 ［２］张澄信，宋敬霞．凝结水处理混床树脂均匀混合的重要性【Ｊ］．华 北电力技术，１ ９９９年Ｏ４期 以灰色新陈代谢ＧＭ（１，１）模型预测预测值 ，改进的离散灰色预 测模型的预测值 ，函数变换模型的预测值作 ，新初值模型的预测值 ，［３】张澄信，陈龙．我国凝结水处理混床运行可能遇到的特殊问题 Ｊ］．热力发电，２００１年０Ｉ期 际的人作为组合预测的输入，即为ＢＰＡ申经网络模型的四个输入神经元，实 ［口数量Ｙ作为输出神经元，而网络输出为通过ＢＰ神经网络组合预 作者简介 测的计算结果 。对于隐含层的神经元个数，一直没有统一的方法。下 ’孟小芳（１ ９８２．５－），女，山西文水，助理工程师，学历：本科， 面按照文献口 提出的方法，按照规则５提出的方法，将隐含层的神经元个 研究方向：水处理。