喻宝禄　段　迅　吴　云

(贵州大学计算机科学与技术学院　贵阳　550025)



BP神经网络数据预测模型的建立及应用*

喻宝禄段迅吴云

(贵州大学计算机科学与技术学院贵阳550025)

摘要针对BP神经网络输入节点、初始权值的选取和激励函数问题,讨论BP神经网络预测模型的建立与改进。然后构建改进后的BP神经网络预测模型,并以贵阳市1998年~2013年的房价及其影响因素的数据为基础,通过实验验证该改进模型的有效性和精确性;结果表明采用论文模型预测结果相对误差不超过0.6%。

关键词BP神经网络; 遗传算法; PCA算法; 激励函数; 房价; 数据预测模型

Establishment and Application of Data Prediction Model Based on BP Neural Network

YU BaoluDUAN XunWU Yun

(College of Computer Science and Technology, Guizhou University, Guiyang550025)

AbstractAiming at the problem of input node, initial connection weights and excitation function. the establishment and improvement of the prediction model of BP neural network are discussed. The generation reasons and influencing factors of house price based on the data of house price in Guiyang (1998~2013) are analyzed, then the prediction model of house price in Guiyang is built, using the improved BP neural network. Finally the model’s effectiveness and accuracy are validated by experiments. The results show that the relative error of the model prediction results is less than 0.6%.

Key WordsBP neural network, genetic algorithms, PCA algorithms, excitation function, house price, data prediction model

Class NumberTP311.1

1引言

BP神经网络(Back Propagation Neutral Network,BPNN)模型是最为人熟知的神经网络模型。由于BP神经网络能够从样本中学习其中隐含的规律,对于难以用数学建模描述的非线性问题,神经网络表现出了强大的学习能力和泛化能力[1];因此神经网络被广泛应用于智能检测、非线性预测、数据分类、最优预测等领域[2]。

本文利用PCA(主成分分析)算法对数据进行简约降维,优化输入变量的个数,然后将BP神经网络的连接矩阵作为遗传算法的染色体,有效优化BP神经网络,并对BP神经网络激励函数进行改进,最后构建神经网络模型,进行实验验证。

2BP神经网络的原理

典型的BP神经网络包括输入层、一个或多个隐藏层和一个输出层,其网络结构如图1所示,BP神经网络的算法学习过程主要是由输入正向传播和误差反向传播构成,正向传播过程是输入样本由输入层传入,经隐含层……