网站原创摘 要：鉴于猪肉市场的多变和不可预测性,对当前导致猪肉变动等信息进行收集、对未来猪肉走势进行初步分析.本系统以研究国内猪肉波动为应用课题,开发了基于C#.NET和MATLAB接口的神经网络预测系统.利用BP神经网络逼近非线性映射能力来进行猪肉预测是可行的.神经网络在非线性系统的预报方面有着十分广泛的应用背景.
关 键 词：预测；神经网络；接口技术
[中图分类号]：TP391.9[文献标识码]：A
[文章编号]：1002-2139（2013）-3--01
本系统以研究国内猪肉波动为应用课题,开发了基于C#.NET和MATLAB接口的神经网络预测系统.为了提高软件预测系统的开发效率和精度,研究误差反向传播神经网络在MATLAB2008b环境下的实验方法.建立了三层反向传播神经网络模型,选用tansig（）和purelin（）作为隐层传递函数和输出层传递函数,采用了梯度下降法进行网络训练并对其进行仿真.仿真后,网络输出值与测试数据较为吻合,达到了预设精度要求,证明训练后的BP网络是可行的.探讨了MATLAB与C#.NET开发平台的接口技术,能成功实现C#.NET与MATLAB神经网络工具箱的调用.完成了数据库、C#和MATLAB之间的数据交互,成功地提高软件使用效率.结果表明,利用BP神经网络逼近非线性映射能力来进行猪肉预测是可行的.
作为本系统的核心部分,BP神经网络是一种多层前馈型神经网络,其神经元的传递函数是S型函数,输出量为0到1之间的连续量,它可以实现从输入到输出的任意非线性映射.由于权值的调整采用反向传播学习方法,因此也常称其为BP网络.目前,在人工神经网络的实际应用中,绝大部分的神经网络模型都是采用BP网络及其变化形式.它也是前向网络的核心部分,体现了人工神经网络的精华.
| 有关论文范文主题研究: | 数据库相关论文范文 | 大学生适用: | 硕士学位论文、电大论文 |
|---|---|---|---|
| 相关参考文献下载数量: | 42 | 写作解决问题: | 学术论文怎么写 |
| 毕业论文开题报告: | 标准论文格式、论文题目 | 职称论文适用: | 核心期刊、职称评初级 |
| 所属大学生专业类别: | 学术论文怎么写 | 论文题目推荐度: | 免费选题 |
BP神经网络主要运用以下四个方面.
函数逼近：用输入向量和相应的输出向量训练一个网络以逼近一个函数.模式识别：用一个待定的输出向量将它与输入向量联系起来.分类：把输入向量所定义的合适方式进行分类.数据压缩：减少输出向量维数以便于传输或存储.前馈网络通常有一个或多个隐层中的神经网络.
本系统采用C/S（Client/Server,客户机/怎么写作器）模式进行开发.C/S模式又称C/S结构,是软件系统体系结构的一种.C/S模式简单地讲就是基于企业内部网络的应用系统.该结构能充分发挥客户端PC的处理能力,很多工作可以在客户端处理后再提交给怎么写作器.对应的优点就是客户端响应速度快.
本系统数据库使用了3个数据表,记录了影响猪肉的因素的信息,分别是：训练数据表、测试数据表、导出数据表.其中基本信息表是用来保存影响猪肉因素的数据,用于数据的导入以及训练神经网络使用；测试信息表主要用来记录测试数据,用于系统的仿真预测；而目标信息表则用来对预测结果进行导出及保存.
本系统使用.NET提供了ADO.NET组件进行数据库的访问和操作.主要功能是数据库的连接及访问.建立一个数据连接对象也就是建立了一条通向数据库的管道.要建立一个数据库连接我们需要给数据库连接对象足够的关于它要连接的数据库的信息,在这里因为使用的是Access数据库,基本信息包括如连接驱动的信息以及数据库的路径等.数据库管理的主要功能便是实现数据的输入、删除及浏览等基本功能.从而提高数据导入效率而编写的模块.
首先研究确定影响猪肉的主要因素,联系实际情况,导致波动的可以归纳成3个主要因素；猪肉市场供给因素；猪肉市场需求因素；外在因素.
（1）影响猪肉供给的因素：疫情；猪肉周期性波动规律；养殖成本.
（2）影响主场需求的因素：城乡居民收入快速增长加速了肉价上涨；猪肉的替代作呕那个导致需求增长.
（3）外在因素：包括国家宏观经济运行环境,政府宏观调控不当以及不合理的行业管理等.
在影响的三个因素中,主要考虑能对猪肉走势产生短期影响的因素进行量化分析.猪肉的走势波动受到外在因素影响,市场需求和供给等方面的影响.本次研究选择了居民可支配收入、CPI、毛猪、生猪存栏、仔猪、主要饲料等六个代表性的指标.在这些指标中,居民可支配收入主要是从需求方面对猪肉施加影响；CPI则影响各个方面,既反映了宏观经济走势,也影响养猪成本,和消费需求；毛猪的高低则直接关系着猪肉；生猪存栏量的多少直接决定了未来一段时间市场上可以供给的猪肉数量是多少；主要饲料和仔猪都市通过对养猪成本的直接影响来对未来猪肉市场产生影响的.
本次数据选取2009-2010年成都市区每月平均的居民可支配收入、CPI、毛猪、猪肉、仔猪、生猪存栏数、主要饲料（玉米、豆粕）为样本数据.确定样本数据后我们将数据分为两组,将除猪肉外的其他头20个月的数据作为训练输入,得到6*20的训练输入矩阵,后4个月的数据作为测试数据,得到6*4的测试矩阵.将猪肉的前20个月单独作为训练输出数据,得到1*20的训练输出矩阵.而猪肉的后4个月则作为测试比对数据.
接下来,先将原始样本数据预处理,进行归一化.以提高神经网络的收敛速度,增加精度.
当仿真后的数据和数据库中的数据出现波动,系统就会预警.当预测是为数据库中最后输入的10条猪肉平均值的正负15%的时候,系统便会给出预警提示了.
先写一个方法用来读取数据库中后10条记录的值,SQL语句并不能直接完成此任务,所以我们需要先用selecttop10*fromTrainsorderbyIddesc语句显示出后10条语句,然后再将其猪肉保存到数组之中,累加后方可求出平均值.
本文的创新点研究了基于C#.NET的MATLAB引擎技术,成功调用MATLAB神经网络工具箱,设计并实现BP网络对国内猪肉的预测,是用户从大量繁琐的数学运算中解脱了出来,极大提高了编程效率.不仅如此,还可以优化BP网络,以达到更高的预测精度.利用了C#进行用户应用程序界面设计的开发的优势达到了良好的效果.