【摘要】： 本文從基本BP算法在應(yīng)用中存在的不足出發(fā)，著重分析了訓(xùn)練樣本中所含噪聲對(duì)基本BP算法在網(wǎng)絡(luò)訓(xùn)練過(guò)程中產(chǎn)生的不良影響，并以此為依據(jù)，采用魯棒統(tǒng)計(jì)技術(shù)，同時(shí)在優(yōu)化算法上做了一些有益的改進(jìn)，提出一種新的具有較強(qiáng)抗干擾能力的BP算法——魯棒自適應(yīng)BP算法，并將其應(yīng)用于動(dòng)態(tài)BP網(wǎng)絡(luò)，進(jìn)行股票價(jià)格的預(yù)測(cè)，取得了較好的預(yù)測(cè)效果。 與基本BP算法相比，本文提出的魯棒自適應(yīng)BP算法具有以下優(yōu)點(diǎn)：(1) 與魯棒統(tǒng)計(jì)技術(shù)相結(jié)合，通過(guò)訓(xùn)練樣本相對(duì)偏差的大小，確定不同訓(xùn)練樣本對(duì)能量函數(shù)的貢獻(xiàn)，來(lái)抑制含高噪聲干擾樣本對(duì)網(wǎng)絡(luò)訓(xùn)練的不良影響，從而增強(qiáng)訓(xùn)練的魯棒性，提高網(wǎng)絡(luò)訓(xùn)練的收斂速度；(2) 采用相對(duì)偏差和絕對(duì)偏差兩種偏差形式對(duì)權(quán)值進(jìn)行調(diào)整，提高了網(wǎng)絡(luò)的訓(xùn)練精度； (3)在采用梯度下降算法對(duì)權(quán)值進(jìn)行調(diào)整的基礎(chǔ)上，通過(guò)將學(xué)習(xí)速率設(shè)為訓(xùn)練誤差及誤差梯度的特殊函數(shù)，使學(xué)習(xí)速率依賴于網(wǎng)絡(luò)訓(xùn)練時(shí)誤差瞬時(shí)的變化而自適應(yīng)的改變，從而可以克服基本BP算法容易陷入局部極小區(qū)域的弊端，使訓(xùn)練過(guò)程能夠很快的“跳出”局部極小區(qū)域而達(dá)到全局最優(yōu)。 大量仿真結(jié)果表明，本文提出的魯棒自適應(yīng)BP算法在收斂速度，收斂精度，尤其是抗噪聲干擾的能力上比其他BP算法具有更好的優(yōu)勢(shì)。 算法的應(yīng)用上，本文根據(jù)股票市場(chǎng)具有高噪聲，高度非線性，難于精確建模等特點(diǎn)，將提出的魯棒自適應(yīng)BP算法應(yīng)用于動(dòng)態(tài)BP網(wǎng)絡(luò)中進(jìn)行股票價(jià)格的預(yù)測(cè)，，一方面通過(guò)動(dòng)態(tài)BP網(wǎng)絡(luò)實(shí)現(xiàn)了無(wú)需精確建模而得到系統(tǒng)良好特性的效果，另一方面發(fā)揮了本算法魯棒性強(qiáng)的優(yōu)勢(shì)，克服了訓(xùn)練樣本中高噪聲對(duì)網(wǎng)絡(luò)訓(xùn)練的影響，從而得到較好的預(yù)測(cè)結(jié)果。
【圖文】：

北京工業(yè)大學(xué)工學(xué)碩士學(xué)位論文表 4-1 BPN 學(xué)習(xí)收斂速度比較表Table4-1 The comparison of the BP network convergent rate無(wú)干擾 dk= 0收斂速度（步數(shù)）2604直流干擾 dk= 0.1 -0.1 0.3 -0.3 0.5 -0.5收斂速度（步數(shù)）2879 2492 3534 1281 4861 2656正弦干擾 dk= 0.1sin(xk) -0.1sin(xk)0.1sin(xk)+0.05cos(xk)-0.1sin(xk)+0.05cos(xk)0.01sin(xk) -0.01sin(xk)收斂速度（步數(shù)）632 不收斂 752 不收斂 2036 3636隨機(jī)干擾 dk= [0,0.1] [0,0.4] [-0.1,0.1] [-0.3,0.3] [-0.4,0.4] [-0.2,0]收斂速度（步數(shù)）5000 步內(nèi)均不收斂

北京工業(yè)大學(xué)工學(xué)碩士學(xué)位論文表 4-1 BPN 學(xué)習(xí)收斂速度比較表Table4-1 The comparison of the BP network convergent rate無(wú)干擾 dk= 0收斂速度（步數(shù)）2604直流干擾 dk= 0.1 -0.1 0.3 -0.3 0.5 -0.5收斂速度（步數(shù)）2879 2492 3534 1281 4861 2656正弦干擾 dk= 0.1sin(xk) -0.1sin(xk)0.1sin(xk)+0.05cos(xk)-0.1sin(xk)+0.05cos(xk)0.01sin(xk) -0.01sin(xk)收斂速度（步數(shù)）632 不收斂 752 不收斂 2036 3636隨機(jī)干擾 dk= [0,0.1] [0,0.4] [-0.1,0.1] [-0.3,0.3] [-0.4,0.4] [-0.2,0]收斂速度（步數(shù)）5000 步內(nèi)均不收斂
【學(xué)位授予單位】：北京工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2003
【分類號(hào)】：TP183;F830.91

【引證文獻(xiàn)】

相關(guān)期刊論文 前1條

1 張玉;何佳;尹騰飛;;改進(jìn)的支持向量機(jī)石油期貨價(jià)格預(yù)測(cè)模型研究[J];計(jì)算機(jī)仿真;2012年03期

相關(guān)碩士學(xué)位論文 前3條

1 王志勇;基于模式識(shí)別的股價(jià)趨勢(shì)預(yù)測(cè)系統(tǒng)[D];上海交通大學(xué);2007年

2 沈志剛;支持向量回歸機(jī)在股票價(jià)格預(yù)測(cè)中的分析與應(yīng)用[D];暨南大學(xué);2007年

3 李曉靜;股價(jià)預(yù)測(cè)的非線性方法研究[D];廣西師范大學(xué);2008年

本文編號(hào)：2708182