灰色关联分析与RBF神经网络在我国棉花价格预测中的应用研究

发布时间：2018-12-19 17:52

【摘要】：运用灰色关联分析法对影响棉花价格波动的诸多因素进行分析,筛选出了4个主要的影响因素:国际市场因素、替代品因素、居民消费价格指数和棉花进口量。并以此优化RBF神经网络模型的输入节点,验证了模型对棉花价格预测的精确性。采用2010年1月~2016年4月的月度数据作为网络训练集,将4个主要影响因素作为输入向量,经训练后网络拟合效果较好;以2016年5月~2017年4月共12期数据作为网络测试集,结果表明:模型预测误差为3.11%,预测精度较为理想,泛化能力强,模型能够较好地把握棉花价格变化的本质规律,为准确预测棉花市场价格提供参考。
[Abstract]:The grey relational analysis was used to analyze many factors affecting the fluctuation of cotton price, and four main influencing factors were selected: international market factor, substitute factor, consumer price index and cotton import quantity. The input nodes of the RBF neural network model are optimized to verify the accuracy of the model for cotton price prediction. The monthly data from January 2010 to April 2016 are used as the network training set, and the four main influencing factors are taken as input vectors. After training, the network fitting effect is better. Taking 12 periods of data from May 2016 to April 2017 as network test data, the results show that the prediction error of the model is 3.11, the prediction accuracy is ideal, the generalization ability is strong, and the model can better grasp the essential law of cotton price change. To provide a reference for accurate prediction of cotton market prices.
【作者单位】： 南京农业大学工学院;
【基金】：中央高校基本科研业务费南京农业大学人文社会科学基金项目“江苏省农业机械化发展报告”(编号:SKZD2016003) 江苏省农机局委托项目“江苏省农机服务组织效率评价与比较研究”(编号:0602-67Q)的阶段性研究成果
【分类号】：F323.7;TP183

【相似文献】

相关期刊论文 前10条

1 张雅;向虎;郭芳瑞;张自亮;;RBF网络模型参考自适应控制在温度控制中的仿真研究[J];系统仿真学报;2008年02期

2 刘慧明;刘亮;董洪灿;;基于RBF网络的模型参考自适应控制[J];青岛科技大学学报(自然科学版);2008年01期

3 龙华;;基于免疫遗传算法和梯度下降的RBF网组合训练方法[J];计算机与现代化;2011年03期

4 杨胡萍;白慧;刘家学;张力;;基于改进RBF神经网络的电力系统短期负荷预测[J];东华大学学报(自然科学版);2008年02期

5 滕利强;;基于RBF模糊神经网络控制器的设计及仿真[J];科技资讯;2011年09期

6 张晓亮;;一种改进的RBF网络在电力系统短期负荷预测中的应用[J];煤矿机电;2008年03期

7 李强;田大林;夏迎迎;付炜;王亦飞;于遵宏;;新型两段组合式气化产气热值的RBF神经网络预测模型及遗传算法优化[J];计算机与应用化学;2008年10期

8 董辉;;基于优化遗传算法的灰色-RBF神经网络预测模型研究[J];新乡学院学报(自然科学版);2012年03期

9 张菊香,邱阳;基于RBF网络的有源噪声控制[J];应用力学学报;2003年01期

10 周鹏;秦树人;;基于切片谱RBF神经网络的旋转机械故障诊断[J];中国机械工程;2008年12期

相关会议论文 前10条

1 张琳;李海森;;基于模糊聚类算法的RBF网络在漏钢预报中的应用[A];中国计量协会冶金分会2007年会论文集[C];2007年

2 宋宜斌;王培进;;一种改进的RBF神经网络预测模型[A];2005年中国智能自动化会议论文集[C];2005年

3 李亚芬;杨扬;;基于RBF网的CSTR内模控制[A];第二十届中国控制会议论文集（下）[C];2001年

4 徐中;辛志东;叶希贵;;基于RBF神经网络水处理系统建模与仿真[A];第六届全国表面工程学术会议论文集[C];2006年

5 黄艳清;曹长修;孙圣军;;基于自反馈RBF神经网络的高炉热状态预测模型[A];冶金企业自动化、信息化与创新——全国冶金自动化信息网建网30周年论文集[C];2007年

6 吕强;郝继红;段运波;许耀铭;;基于RBF网络的非线性系统输出跟踪控制[A];1994中国控制与决策学术年会论文集[C];1994年

7 周鹏;杨铸;;基于一种自适应非正交新型聚类算法的RBF神经网络混沌时间序列预测[A];第十七届全国青年通信学术年会论文集[C];2012年

8 刘伟;王科俊;姚杰;;基于RBF神经网络采用混合粒子群优化的电力负荷短期预测[A];2007年中国智能自动化会议论文集[C];2007年

9 由伟;刘亚秀;;基于血液中微量元素含量的RBF型神经网络对冠心病患者的识别[A];第十五届全国分子光谱学术报告会论文集[C];2008年

10 孙好章;刘国栋;;机械手轨迹的模糊RBF神经网络控制[A];2007中国控制与决策学术年会论文集[C];2007年

相关硕士学位论文 前10条

1 杜盟盟;基于RBF神经网络的机械手轨迹跟踪控制方法研究[D];河南科技大学;2015年

2 张力;基于RBF神经网络和标签关联的多标签学习[D];东南大学;2016年

3 邱龙;导向钻井稳定平台RBF-滑模变结构控制[D];西安石油大学;2016年

4 高彦荷;基于混合递阶遗传算法的RBF神经网络优化及应用[D];四川大学;2004年

5 刘亦青;类RBF人工神经网络算法研究及硬件实现[D];北京建筑大学;2013年

6 孟萌萌;基于RBF神经网络短期热网负荷预测研究[D];哈尔滨工业大学;2013年

7 刘婧;基于BP、RBF及GAAA-RBF神经网络的工程估价方法[D];华侨大学;2013年

8 李书玲;改进型RBF神经网络的多标签算法研究[D];华中师范大学;2014年

9 刘晓刚;群体智能算法在RBF神经网络中的应用[D];青岛大学;2008年

10 李琳;基于RBF神经网络无刷直流电机控制系统的基础研究[D];安徽理工大学;2015年

，

本文编号：2387257