论文基于Elman神经网络的原料奶预测，该文是神经网络类大学毕业论文范文与Elman神经网络和原料和预测有关论文范文.
摘 要：近年来,中国奶制品行业发展迅速,原料奶的走势越来越受到关注.影响原料奶的因素众多,传统的预测方法难以精准预测.本文使用2009年1月至2017年11月的原料奶数据,采用Elman神经网络模型预测原料奶走势,结果表明这种预测方法拟合性好,预测精度高,为农畜产品预测提供了一种全新的思路和方法.
关键词：原料奶；Elman神经网络；预测
中图分类号：F323.7
文献标识码：Ａ
文章编号：1005-913X（2018）04-0036-02
Research on price prediction of raw milk based on Elman neural network
Li Zhao
（People´s bank of China,Harbin 150001）
Abstract: in recent years, China´s milchigsindustry has developed rapidly. The price trend of raw milk has been paid more and more attention. There are many factors affecting the price of raw milk, and the traditional price prediction method is difficult to predict accurately. The price of raw milk from January 2009 to November 2017 data used in this paper, using Elman neural network model to forecast the price trend of raw milk, the results show that the prediction method has good fitting accuracy, provides a new idea and method to forecast the price of agricultural products.
Key words: the price of raw milk; Elman neural network; prediction
2005年的“阜阳奶粉事件”和 2008 年的“三聚氰胺”事件给势头正盛的中国奶制品行业带来致命性打击,受此影响,行业内不少企业生产停滞,奶制品总产量首次出现负增长.三鹿、蒙牛、雅士利、伊利等众多品牌泥足深陷,消费者对国产奶粉失去信任,2009年开始婴幼儿奶粉进口量出现爆发式增长.受到国际奶源、国内奶制品需求、进口奶粉数量、生产周期等因素的影响,原料奶出现了较大幅度的波动.原料奶关系到广大奶制品企业和众多奶农的生产和发展,同时关系到奶制品,对居民生活影响巨大.原料奶的未来走势一直是理论研究的重点.近年,已经有多种方法应用于原料奶预测中,如Holt-Winters季节乘积模型、ARIMA模型、时间序列分析等.上述模型和方法不能对原料奶的非线性特征、周期性因素、突发性事件进行良好的解释和预测,同时影响原料奶形成的因素众多,无法全部量化研究.基于此本文选用了Elman神经网络模型对原料奶走势进行预测,并取得了良好的效果.
一、模型原理和方法
神经网络是20世纪80年代由美国物理学家Hopfield提出的一种基于神经科学、数学、物理学等多个学科发展而来的技术.神经网络通过模仿人脑神经元信息处理机制建立起数据处理模型,是对人类大脑的简化和模拟.神经网络由大量人工神经元相互连接进行计算,神经元可以根据外界数据的变化发生改变,连接各神经元的权值通过对信息的不断学习发生变化,最终获得解决问题的能力.
神经网络可以通过对样本的训练实现从数据输入到数据输出的任意非线性函数关系的映射,通过这种映射得出数据的内在规律.神经网络的特征有以下几种.一是自学习、自适应性.神经网络可以通过自主学习、训练、发掘历史数据隐含的规律,通过调节权值和阈值改变自身性质以适应环境.学习功能对时间序列预测具有重要意义.二是非线性特征.由于变化受到供需、政策、环境等复杂因素影响,传统的线性预测模型往往难以在短时间内找出影响变量,对趋势作出准确判断.非线性的神经网络可以对复杂的、缺乏规律的数据进行处理,具有无可比拟的优势.三是容错性.神经网络对信息的储存是分散的,每个神经元都接受信息并单独进行运算输出结果,因此网络中局部神经元损坏不会影响神经网络的整体功能.由于神经网络具有上述特点,本文将使用该模型对原料奶短期走势进行研究.
Elman神经网络是一种典型的局部回归网络,它由输入层、隐含层、连接层和输出层组成.连接层有一个延迟单元,可以记忆过去的状态,并在下一时刻作为隐含层输入,因此该模型具有动态记忆功能,比较适合处理时间序列问题.假如采用前n期的数据预测第n期的数据,Elman网络结构如图1所示.
Elman网络将数据分为训练样本和测试样本.抽取x1——xn作为第一个训练样本,这里用x1、x2…xn-1作为自变量,xn作为目标变量；抽取x2——xn+1作为第二个训练样本,这里用x2、x3…xn作为自变量,xn+1作为目标变量,以此类推.
二、模型建立
（一）数据来源
原料奶属于鲜活的畜牧业产品,在短期内波动幅度较大,影响因素包括产量、需求量、地理位置、税收政策、天气因素、成产成本、奶产品销售等.传统的计量模型在预测原料奶未来时往往会出现重要影响因素遗漏和政策因素难以量化成数据的问题,计量结果难以准确预测未来.神经网络模型的自学习和非线性特征可以通过对网络训练寻找时间序列的隐含规律和特征,并将规律和特征在预测中延续下去.因此,可以采用过去的原料奶预测其未来.
本文整理了农业部市场与信息经济司2009年1月至2017年11月每月发布的《农产品供需形势分析月报》中原料奶月度平均收购,单位为元/千克,共计107个数据.为了加快模型训练的收敛速度并消除各向量的量纲差异,避免预测误差.首选使用mapminmax方法对矩阵进行归一化处理,将矩阵的每一行处理成-1至1之间.
（二）构造样本集
产量、需求量、地理位置、税收政策、天气因素、成产成本、奶产品销售这些原料奶影响因素在短期内具有一致性.从原料奶走势中也可以看出,每半年的变化趋势是接近一致的.因此本文在构造样本集时选择每6个数据样本作为自变量,第7个数据样本作为目标变量.这样,将原本107个数据向量转化为7*101的矩阵,该矩阵每一列均为一个样本.
（三）划分训练测试样本
本文将2009年至2016年的样本数据作为训练样本,将2017年的样本数据作为测试样本.即将前90个样本作为训练样本,后11个样本作为测试样本.
（四）原料奶拟合
使用MATLAB神经网络工具箱中的elmannet函数构建模型.神经网络的隐含层神经元数量会影响网络的预测能力.测试后,本文设置隐含层神经元个数为15个,最大迭代次数为2000次.训练过程如图2.
将归一化处理后的原料奶输入Elman反馈网络并进行训练.对测试样本和预测样本进行测试和预测.因为进行测试时使用的是归一化后的数据,这里将实际输出结果反归一化为正常的数据.训练数据和测试数据的拟合效果如图3所示.可以看出通过训练得到的Elman输出值和训练数据和测试数据本身拟合度很高.其中训练数据的模型的均方差值为9.561e-4,测试数据模型的均方误差值为3.776e-4.
本文选用了2017年的原料奶作为测试数据,输入训练好的Elman网络模型中后得到预测值（见下表）,测试样本的相对误差在0.07%至0.99%之间,模拟精度比较高.这表明训练好的Elman网络模型对测试数据也具有很好的适应性.该方法是测原料奶走势的一个比较准确的方法.同时这种方法也可以运用于其他农畜产品预测中.
三、结论
Elman人工神经网络模型具有自适应、自学习的能力,能够找到时间序列中输入—输出之间的非线性映射关系.实证结果表明,使用Elman神经网络模型能够较为准确的预测原料奶短期走势,具有非常高的精准度,相对其他预测方法具有一定优势.这一研究对原料奶建模和预测、帮助奶产品企业制定生产采购计划具有理论和实践意义.
参考文献：
[1] 陈 思,钱贵霞.原料奶波动及其调控政策[J].农业展望,2011(6).
[2] 张喜才,张利痒.原料奶形成机制的特征、模式与政策建议[J].中国乳业,2010(4).
[3] 孙红敏,吴静婷,李晓明.基于改进BP神经网络的预测模型研究[J].东北农业大学学报,2013(8).
[4] 贺艳辉,袁永明,张红燕,等.基于神经网络的水产品预测模型研究[J].农业网络信息,2010(11).
［责任编辑：谭志远］
上文点评，此文为一篇关于神经网络方面的大学硕士和本科毕业论文以及Elman神经网络和原料和预测相关神经网络论文开题报告范文和职称论文写作参考文献资料.
参考文献：
1、 人工神经网络在宏观经济预测中的应用 人工神经网络在宏观经济预测中的应用研究王志刚 吉林省经济信息中心摘要对一个国家或地区的总体经济情况,可以根据宏观经济加以体现,其中,宏观经济预测是一项重要工作 根据历史资料和经济现状,采用相应理论与.
2、 基于模糊神经网络和粒子群优化算法的机器人路径规划 摘要有评估标准规定,机器人的最优路径规划就是当其在具有障碍物的环境中移动时,能够自动寻找到从初始状态到目标状态的一条无碰撞路径 在本次研究中,首先利用网格法建立了周围环境的数学模型,随后提出一种模糊神.
3、 神经网络在计算机网络安全评价中的应用 周宇摘要随着计算机技术的快速发展,信息能够在短时间内在全世界范围内流动 信息的实时共享使得计算机技术更有价值,同时也充分发挥了信息快速传递的优势 计算机网络给人类社会带来的影响具有两面性；一方面,计算.
4、 卷积神经网络的方程组求解 摘要通过迭代求解方程组的解,提出了一种基于卷积神经网络求解线性方程组的病态方程组的方法,由于条件数过大,影响求解的精度,将求解方程组的过程转换为神经网络学习的过程 通过神经网络学习同目标数据形成一种映.
5、 离散混沌系统的神经网络阶逆系统控制 摘要提出用神经网络α阶逆系统方法控制一类未知模型的离散混沌系统,针对离散混沌系统的特殊性,调整了神经网络建模的输入输出结构,并以Logistic系统为假想未知系统进行实际控制,仿真结果说明.
6、 基于matlab实现人工神经网络在股票评级中的应用 1 引言 近年,我国股市跌宕起伏,远有2008年次贷危机,近有由于场外配资清理、场内融资和分级基金去杠杆形成连锁反应造成的2015年的股灾,国家推出的“熔断机制”……应对措施.