嵌入遺傳算法的神經網絡技術在煤炭銷量預測研究中的應用.pdf

1、隨著市場化的快速發(fā)展，煤炭企業(yè)采用的主觀經驗預測方法難以準確的對其煤炭銷量進行預測。為減少決策失誤，避免倉儲積壓或庫存短缺，提高預測精度，對煤炭銷量預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，采用改進的BP算法、用遺傳算法優(yōu)化其連接權值，并實現(xiàn)了該預測方法在煤炭企業(yè)銷售管理中的應用。論文主要完成了以下工作內容:
　　(1)提出了基于神經網絡的煤炭銷量預測方法。從企業(yè)煤炭銷量預測的實際問題出

2、發(fā)，通過對煤炭銷量變化特點以及煤炭銷量預測方法的研究分析，提出了利用神經網絡技術進行煤炭銷量預測的方法。
　　(2)建立了嵌入遺傳算法的三層改進BP(Back Propagation)網絡的煤炭銷量預測模型，并對預測模型進行了預測實例分析。通過對BP算法在權值優(yōu)化過程中存在的缺陷分析，本文在研究改進的BP算法基礎上，建立了三層改進BP網絡（LM法）預測模型，解決了網絡收斂速度慢的問題;詳細設計了BP網絡拓撲結構，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)化網絡連接權值，解決了訓練過程易陷入局部極小點的問題;詳細設計了編碼方式和遺傳算子。最后利用預測模型進行實例分析、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，結合主要耗煤部門預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)預處理方法進行了