改進(jìn)的rbf神經(jīng)網(wǎng)絡(luò)對期貨價(jià)格的預(yù)測分析.doc

改進(jìn)的rbf神經(jīng)網(wǎng)絡(luò)對期貨價(jià)格的預(yù)測分析 ，該論文關(guān)于經(jīng)濟(jì),股票,教學(xué),理工,建筑,道路,橋梁,公路,機(jī)械。
經(jīng)人工挑選。
適合畢業(yè)生論文寫作。
。
歡迎下載！
改進(jìn)的ＲＢＦ神經(jīng)網(wǎng)絡(luò)對 期貨價(jià)格的預(yù)測分析 摘要針對非線性變化的期貨價(jià)格,建立了基于主成分分 析的RBF神經(jīng)網(wǎng)絡(luò)模型首先利用主成分分析法從8個(gè)原始變量 中提取主成分最后利用選定的3個(gè)主成分作為徑向基神經(jīng)網(wǎng) 絡(luò)的輸入通過對比該方法較一般的徑向基神經(jīng)網(wǎng)絡(luò)有更好的 預(yù)測結(jié)果 　　關(guān)鍵詞期貨；主成分分析；RBF神經(jīng)網(wǎng)絡(luò)；預(yù)測 　　 　　1引言 　　 　　 在對實(shí)際問題進(jìn)行描述和處理中為了能夠獲得更加全面的信 息我們經(jīng)常需要統(tǒng)計(jì)多個(gè)變量的數(shù)據(jù)但是這些多個(gè)變量之間 經(jīng)常存在一定的相關(guān)性并不是每個(gè)變量都是我們所需要的或 1者說它們攜帶的信息可能是重復(fù)的因此我們希望用少數(shù)幾個(gè) 變量來代替原有的多個(gè)變量主成份分析法的基本思想就是通 過對原始數(shù)據(jù)的降維將多個(gè)相互關(guān)聯(lián)的變量轉(zhuǎn)化為少數(shù)幾個(gè) 互不相干的變量的統(tǒng)計(jì)方法 　　 由于期貨價(jià)格的變化是一個(gè)非線性的時(shí)間序列利用傳統(tǒng)的統(tǒng) 計(jì)方法對期貨的價(jià)格直接進(jìn)行預(yù)測所得到的結(jié)果不是很理想 而神經(jīng)網(wǎng)絡(luò)在非線性模式中具有優(yōu)勢,因而它不需要建立復(fù) 雜的數(shù)學(xué)模型就可以完成期貨價(jià)格預(yù)測基于BP網(wǎng)絡(luò)和RBF網(wǎng) 絡(luò)的預(yù)測都有較好的結(jié)果,但是相對BP網(wǎng)絡(luò)而言,利用RBF神 經(jīng)網(wǎng)絡(luò)不僅解決了常用BP網(wǎng)絡(luò)易陷入局部最小的問題,而且 訓(xùn)練時(shí)間更短,預(yù)測的精度也比BP網(wǎng)絡(luò)高得多本文提出使用 基于主成分分析法的RBF神經(jīng)網(wǎng)絡(luò)方法對期貨價(jià)格進(jìn)行預(yù)測 通過主成分分析法對原始數(shù)據(jù)降維然后,再用這些個(gè)數(shù)較少 的新輸入變量作為RBF神經(jīng)網(wǎng)絡(luò)的輸入進(jìn)行模擬預(yù)測由于主 成分之間是相互獨(dú)立的,所以由各主成分組成的輸入空間不 存在自相關(guān)性,從而有效地簡化了RBF網(wǎng)絡(luò)在高維時(shí)難以尋找 網(wǎng)絡(luò)中心的問題,提高了預(yù)測精度 　　 2　　2主成分分析法簡介及RBF神經(jīng)網(wǎng)絡(luò)算法概述 　　 　　2.1主成分分析法 　　主成分分