嵌入遺傳算法的神經(jīng)網(wǎng)絡(luò)技術(shù)在煤炭銷量預(yù)測研究中的應(yīng)用.pdf

1、隨著市場化的快速發(fā)展，煤炭企業(yè)采用的主觀經(jīng)驗預(yù)測方法難以準(zhǔn)確的對其煤炭銷量進(jìn)行預(yù)測。為減少決策失誤，避免倉儲積壓或庫存短缺，提高預(yù)測精度，對煤炭銷量預(yù)測方法的研究顯得尤為重要。
　　本文針對我省某大型煤炭企業(yè)，根據(jù)實際問題特點，采用改進(jìn)的BP算法、用遺傳算法優(yōu)化其連接權(quán)值，并實現(xiàn)了該預(yù)測方法在煤炭企業(yè)銷售管理中的應(yīng)用。論文主要完成了以下工作內(nèi)容:
　　(1)提出了基于神經(jīng)網(wǎng)絡(luò)的煤炭銷量預(yù)測方法。從企業(yè)煤炭銷量預(yù)測的實際問題出

2、發(fā)，通過對煤炭銷量變化特點以及煤炭銷量預(yù)測方法的研究分析，提出了利用神經(jīng)網(wǎng)絡(luò)技術(shù)進(jìn)行煤炭銷量預(yù)測的方法。
　　(2)建立了嵌入遺傳算法的三層改進(jìn)BP(Back Propagation)網(wǎng)絡(luò)的煤炭銷量預(yù)測模型，并對預(yù)測模型進(jìn)行了預(yù)測實例分析。通過對BP算法在權(quán)值優(yōu)化過程中存在的缺陷分析，本文在研究改進(jìn)的BP算法基礎(chǔ)上，建立了三層改進(jìn)BP網(wǎng)絡(luò)（LM法）預(yù)測模型，解決了網(wǎng)絡(luò)收斂速度慢的問題;詳細(xì)設(shè)計了BP網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，通過試驗比較的方法

3、確定模型參數(shù);利用遺傳算法的全局搜索性優(yōu)化網(wǎng)絡(luò)連接權(quán)值，解決了訓(xùn)練過程易陷入局部極小點的問題;詳細(xì)設(shè)計了編碼方式和遺傳算子。最后利用預(yù)測模型進(jìn)行實例分析、對比。
　　(3)在模型輸入?yún)?shù)選擇上做了有益嘗試。通過對企業(yè)銷售市場的分析，結(jié)合主要耗煤部門預(yù)測的思想對模型輸入?yún)?shù)的選擇做了深入的研究。參數(shù)的選擇覆蓋了該企業(yè)煤炭銷量的多個影響方面，比較全面的反映了模型接受煤炭銷量變化的信息量。并根據(jù)輸入樣本數(shù)據(jù)的特點，對數(shù)據(jù)預(yù)處理方法進(jìn)行了