基于ＢＰ神经网络的国际黄金价格预测模型
公文易文秘资源网 顾孟钧 张志和 陈友 2009-1-2 13:35:26 我要投稿 添加到百度搜藏
[摘要] 为了寻找国际黄金价格与道琼斯工业指数、美国消费者指数，国际黄金储备等因素之间的内在关系，本文对1972年～2006年间的各项数据首先进行归一化处理，利用MATLAB神经网络工具箱进行模拟训练，建立了基于BP神经网络的国际黄金价格预测模型
[摘要] 为了寻找国际黄金价格与道琼斯工业指数、美国消费者指数，国际黄金储备等因素之间的内在关系，本文对1972年～2006年间的各项数据首先进行归一化处理，利用MATLAB神经网络工具箱进行模拟训练，建立了基于BP神经网络的国际黄金价格预测模型。
[关键词] MATLAB BP神经网络 预测模型 数据归一化
一、引言
自20世纪70年代初以来的30多年里,世界黄金价格出现了令人瞠目的剧烈变动。20世纪70年代初,每盎司黄金价格仅为30多美元。80年代初,黄金暴涨到每盎司近700美元。本世纪初,黄金价格处于每盎司270美元左右,此后逐年攀升,到2006年5月12日达到了26年高点,每盎司730美元,此后又暴跌,仅一个月时间内就下跌了约160美元,跌幅高达21.9%。最近两年，黄金价格一度冲高到每盎司900多美元。黄金价格起伏如此之大,本文根据国际黄金价格的影响因素，通过BP神经网络预测模型来预测长期黄金价格。
二、影响因素
刘曙光和胡再勇证实将观察期延长为1972年～2006年时,则影响黄金价格的主要因素扩展至包含道琼斯指数、美国消费者价格指数、美元名义有效汇率、美国联邦基金利率和世界黄金储备5个因素。本文利用此观点，根据1972年～2006年各因素的值来建立神经网络预测模型。
三、模型构建 1.模型选择：BP网络具有理论上能逼近任意非线性函数的能力，将输入模式映射到输出模式，只需用已知的模式训练网络，通过学习，网络就有了这种映射能力。
基于BP神经网络的电力负荷预测研究
提出了一种有着显著优点的基于MATLAB的人工神经网络负荷预测的方法,算例分析结果充分证明了基于MATLAB的BP网络对电力负荷的中长期预测更加精确。
标签：BP神经网络;电力负荷预测;MATLAB
1 引言
负荷指电力需求量或者用电量,而需求量是指能量的时间变化率,即功率。也可以说,负荷是指发电厂、供电地区或电网在某一瞬间所承担的工作负荷。对用户来说,用电负荷是指连接在电网的用户所有用电设备在某一瞬间所消耗功率之和。在充分考虑一些重要的系统运行特性、增容决策、自然条件与社会影响的条件下,研究或利用一套系统地处理过去与未来负荷的数学方法,在满足一定精度要求的前提下,确定未来某特定时刻的负荷数值,称为负荷预测。
本文主要针对BP神经网络应用于电力系统中长期负荷预测做了进一步的研究,并通过MATLAB程序设计BP神经网络。通过实例运行BP网络证明,本文所提供的预测方法具有较好的预测精度,我们得到的预测的结果与实际值相差很小,并在与其他方法预测的结果相比较可知,基于MATLAB的BP网络对于电力负荷的预测更加精确。
2 电力负荷预测的原理、步骤
2.1 负荷预测的基本原理
负荷预测工作是根据电力负荷的发展变化规律,预计或判断其未来发展趋势和状况的活动,因此必须科学地总结出预测工作的基本原理,用于指导负荷预测工作。主要有以下几个方面:可知性原理,可能性原理,连续性原理,相似性原理,反馈性原理,系统性原理。
2.2 负荷预测的基本步骤
对电力负荷的预测,一般可按下列步骤进行。
(1)确定负荷预测的目标即近、中、远期负荷预测;
(2)收集和分析历史数据,对电力系统的历史数据及有关信息加以整理,排除偶发事件的有关信息,为电力负荷预测提供可靠的原始资料;
(3)建立预测模型,根据预测目标和资料,选择合适的电力负荷预测方法,建立相应的数学模型;
(4)对预测结果进行分析,评价各因素对电力负荷预测结果的影响及预测结果的可信度。
基于BP网络的PID整定控制
陈玉芳
【期刊名称】《兵工自动化》
【年(卷),期】2005(24)5
【摘 要】基于三层BP网络的PID的整定控制器,将输出层神经元输出状态对应于PID控制器的比例、积分、微分参数.先确定输入层和隐含层节点数、给出各层权值初值、选定学习速率和动量因子、学习参数等,再计算采样时刻误差、各层神经元的输入输出、PID控制器输出.通过神经网络的自学习、实现PID控制参数的自适应调整.仿真表明该神经PID控制器在三参数自调整、控制量变化、减小误差等方面具有优势.
【总页数】2页(P71-72)
【作 者】陈玉芳
【作者单位】西南科技大学,计算机学院,四川,绵阳,621010
【正文语种】中 文
【中图分类】TP183
【相关文献】
1.基于BP网络的EPS系统仿真与PID整定研究 [J], 石沛林;高士香;刘昭度;邹广德
2.基于期望闭环系统响应的网络化串级控制系统PID整定 [J], 黄从智;白焰;邱忠昌
3.基于BP神经网络的网络控制系统调度 [J], 李建;王亚刚;兰水古
4.基于BP神经网络的高速动车组网络控制系统时延研究 [J], 宋程; 王元东; 徐滨全
5.基于DBN网络与BP神经网络PID控制的永磁同步电机调速策略比较研究 [J],
蒋文坚
因版权原因，仅展示原文概要，查看原文内容请购买
微｛６ｒ祝
中图分类号：ＴＭ３４６ ．２ 文献标识码：Ａ 文章编号：１００１－６８４８（２００８）Ｏ１．００２１—０３
基于ＢＰ神经网络的ＤＴＣ系统电压矢量控制器设计
童 泽 ，罗隆福 ，李 勇 ，许志伟。
（１．湖南大学电气与信息工程学院，长沙４１００８２；２．湖南机电职业技术学院， 长沙４１０００１；３．湖南工程学院，湘潭４１１１０４）
摘 要：针对传统直接转矩控制（ＤＴＣ）系统由于进行复杂运算时延而降低系统性能和不便于硬 件实现的缺陷，介绍了一种新的基于ＢＰ神经网络的电压矢量控制器以取代常规的状态选择器。
控制器的输入信号为电磁转矩误差、定子磁链、正反转信号和区间号，通过所设计的ＢＰ神经网
络加以映射，得到逆变器的开关状态输出信号。仿真实验结果验证了新型电压矢量控制器设计
的正确性。与传统ＤＴＣ系统的仿真结果对比，表明所设计的矢量控制器能有效减少转矩脉动，
提高系统性能，降低传统状态选择器硬件实现的复杂性，并且具有较强的鲁棒性。
关键词：ＢＰ神经网络；直接转矩控制；电压矢量控制器；感应电动机
Ｖｏｌｔａｇｅ Ｖｅｃｔｏｒ Ｃｏｎｔｒｏｌｌｅｒ’Ｓ Ｄｅｓｉｇｎ ｏｆ Ｄｉｒｅｃｔ Ｔｏｒｑｕｅ Ｃｏｎｔｒｏｌ Ｂａｓｅｄ ｏｎ ＢＰ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ
ＴＯＮＧ Ｚｅ ’ ，ＬＵＯ Ｌｏｎｇ－ｆｕ ，ＬＩ Ｙｏｎｇ ，ＸＵ Ｚｈｉ－ｗｅｉ
（１．Ｈｕｎａｎ Ｕｎｉｖｅｒｓｉｔｙ，Ｃｈａｎｇｓｈａ ４ １ ００８２，Ｃｈｉｎａ；２．Ｈｕｎａｎ Ｍｅｃｈａｎｉｃａｌ＆Ｅｌｅｃｔｒｉｃａｌ Ｐｏｌｙｔｅｃｈｎｉｃ，
Ｃｈａｎｇｓｈａ ４１０００１，Ｃｈｉｎａ；３．Ｈｕｎａｎ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｅｎｇｉｎｅｅｒｉｎｇ，ＸｉａｎＯａｎ ４１ １ １０４，Ｃｈｉｎａ）
ＡＢＳＴＲＡＣＴ：Ａｉｍｉｎｇ ａｔ ｔｈｅ ｔｒａｄｉｔｉｏｎａｌ ｄｉｒｅｃｔ ｔｏｒｑｕｅ ｃｏｎｔｒｏｌ（ＤＴＣ）’Ｓ ｔｉｍｅ ｄｅｌａｙ ａｎｄ ｄｉｆｉｃｕｌｔ ａｐｐｌｉｃａｔｉｏｎ ｂｙ ｈａｒｄｗａｒｅ ｃａｕｓｅｄ ｂｙ ｔｈｅ ｃｏｍｐｌｅｘ ｃａｌｃｕｌａｔｉｏｎ，ｔｈｉｓ ｐａｐｅｒ ｐｒｅｓｅｎｔｓ ａ ｎｏｖｅｌ ｃｏｎｔｒｏｌ ｆｏｒ ｓｅｌｅｃｔｉｎｇ ｔｈｅ ｖｏｌｔ－
