Автор работы: Пользователь скрыл имя, 28 Декабря 2011 в 00:41, курсовая работа
В данной дипломной работе разработан оригинальнй подход к проблеме прогнозирования, на основе нейронных сетей. При помощи нейронной сети основанной на алгоритме обратного функционирования, были спрогнозированы изменения курса доллара США по отношению к украинскому карбованцу. Эксперимент дал хорошие результаты по достоверности. Разработанна модель прогнозирования может быть применена и при прогнозировании других экономических показателей.
ОПИСАНИЕ ИСТОРИЧЕСКИХ ДАННЫХ: Как в эксперименте 16.
ОПИСАНИЕ ПРОГНОЗИРУЕМЫХ ДАННЫХ: Как в эксперименте 16.1.
РАЗМЕР ОКНА: 14 СТРУКТУРА СЕТИ: 28: 17: 7.
РЕЗУЛЬТАТЫ: Сеть распознала 100 % образов, на которых обучалась, было получено 50% правильных прогнозов. Результаты приведены в приложении 2.2.
ЭКСПЕРИМЕНТ 20.2. Прогнозирование длительности приращения. ОПИСАНИЕ ИСТОРИЧЕСКИХ ДАННЫХ: Как в эксперименте 16.
ОПИСАНИЕ ПРОГНОЗИРУЕМЫХ ДАННЫХ: Как в эксперименте 16.2.
РАЗМЕР ОКНА: 14 СТРУКТУРА СЕТИ: 28: 16: 4.
РЕЗУЛЬТАТЫ: Сеть распознала 100 % образов, на которых обучалась, было получено 78 % правильных прогнозов. Результаты приведены в приложении 2.2.
ЭКСПЕРИМЕНТ 21 ЭКСПЕРИМЕНТ 21.1. Прогнозирование значения приращения.
ОПИСАНИЕ ИСТОРИЧЕСКИХ ДАННЫХ: Как в эксперименте 18.
ОПИСАНИЕ ПРОГНОЗИРУЕМЫХ ДАННЫХ: Как в эксперименте 18.1.
РАЗМЕР ОКНА: 14 СТРУКТУРА СЕТИ: 28: 17: 7.
РЕЗУЛЬТАТЫ: Сеть распознала 90 % образов, на которых обучалась, было получено 50 % правильных прогнозов. Результаты приведены в приложении 2.2.
ЭКСПЕРИМЕНТ 21.2. Прогнозирование длительности приращения. ОПИСАНИЕ ИСТОРИЧЕСКИХ ДАННЫХ: Как в эксперименте 18.
ОПИСАНИЕ ПРОГНОЗИРУЕМЫХ ДАННЫХ: Как в эксперименте 18.2.
РАЗМЕР ОКНА: 14 СТРУКТУРА СЕТИ: 28: 16: 4.
РЕЗУЛЬТАТЫ: Сеть распознала 100 % образов, на которых она обучалась, было получено 64.3 % правильных прогнозов. Результаты приведены в приложении 2.2.
На основании 33 экспериментов для прогнозирования был выбран следующий подход: прогнозирование производится на основе периодов стабильности ОИК в %; величина и длительность приращения прогнозируются на разных НС; оптимальный размер окна 14; окна величины и длительности приращения подаются на входы НС последовательно. Начиная с эксперимента 34 мы исследовали влияние интервалов кластеризации и вида кодирования на достоверность прогнозирования.
ЭКСПЕРИМЕНТ 34 На вход НС подаются пары (значение, длительность) .
ЭКСПЕРИМЕНТ 34.1. Прогнозирование значения приращения.
ОПИСАНИЕ ИСТОРИЧЕСКИХ ДАННЫХ: ОИК в % кластеризуется и подается на входы НС в соответствии с данными из таблицы 5.6. Время кластеризуется и подается на входы НС в соответствии с данными из таблицы 5.7.
Таблица 5.6. Интервалы кластеризации и соответствующая им кодировка входов для данных по ОИК. Эксперимент 34.
| Интервал кластеризации, % | Код, подаваемый на вход нейрона |
| больше 13 от 12.99 до 10 от 9.99 до 5 от 4.99 до 2 от 1.99 до 1 от 0.99 до 0.01 0 от - 0.01 до - 1.49 от - 1.5 до - 2.99 от - 3 до - 4.99 от - 5 до - 7.99 от - 8 и меньше | 3 2 1.6
0.75 0.5 0.3 0 -0.3 -0.5 -0.75 -1.6 -2 |
Таблица 5.7. Интервалы кластеризации и соответствующая им кодировка входов для данных по времени. Эксперимент 34.
| Интервал кластеризации, дни | Код, подаваемый на вход нейрона |
| 1 2 3 4 от 5 до 8 от 9 до 14 от 15 до 19 от 21 и дольше | 0.75 0.5
0.235 0 0.235 0.5 0.75 1.6 |
ОПИСАНИЕ ПРОГНОЗИРУЕМЫХ ДАННЫХ: С выхода НС снимались данные о распознанном классе в соответствии с интервалами кластеризации приведенными в таблице 5.4.
РАЗМЕР ОКНА: 7 СТРУКТУРА СЕТИ: 14: 13: 12.
РЕЗУЛЬТАТЫ: сеть распознала 100 % образов, на которых она обучалась, было получено 64 % правильных прогнозов, результаты приведены жены в приложении 2.2.
ЭКСПЕРИМЕНТ 34.2. Прогнозирование длительности приращения. ОПИСАНИЕ ИСТОРИЧЕСКИХ ДАННЫХ: Как в эксперименте 34.1.
ОПИСАНИЕ ПРОГНОЗИРУЕМЫХ ДАННЫХ: С выхода НС снимались данные о распознанном классе в соответствии с интервалами кластеризации приведенными в таблице 5.5.
РАЗМЕР ОКНА: 7 СТРУКТУРА СЕТИ: 14: 11: 8.
РЕЗУЛЬТАТЫ: сеть распознала 70 % образов, на которых она обучалась, было получено 35.7 % правильных прогнозов, результаты приведены в приложении 2.2.
ЭКСПЕРИМЕНТ 35 Окна величины и длительности приращения подаются на входы НС последовательно.
ЭКСПЕРИМЕНТ 35.1. Прогнозирование значения приращения.
ОПИСАНИЕ ИСТОРИЧЕСКИХ ДАННЫХ: Как в эксперименте 34.
ОПИСАНИЕ ПРОГНОЗИРУЕМЫХ ДАННЫХ: Как в эксперименте 34.1.
РАЗМЕР ОКНА: 7 СТРУКТУРА СЕТИ: 14: 13: 12.
РЕЗУЛЬТАТЫ: сеть распознала 80 % образов, на которых она обучалась, было получено 50 % правильных прогнозов, результаты приведены в приложении 2.2.
ЭКСПЕРИМЕНТ 35.2. Прогнозирование длительности приращения. ОПИСАНИЕ ИСТОРИЧЕСКИХ ДАННЫХ: Как в эксперименте 34.
ОПИСАНИЕ ПРОГНОЗИРУЕМЫХ ДАННЫХ: Как в эксперименте 34.2.
РАЗМЕР ОКНА: 7 СТРУКТУРА СЕТИ: 14: 11: 8.
РЕЗУЛЬТАТЫ: сеть распознала 70 % образов, на которых обучалась, было получено 42.9 % правильных прогнозов, результаты приведены в приложении 2.2.
ЭКСПЕРИМЕНТ 36 На вход НС подаются пары (значение, длительность) .
ЭКСПЕРИМЕНТ 36.1. Прогнозирование значения приращения.
ОПИСАНИЕ
ИСТОРИЧЕСКИХ ДАННЫХ: ОИК в % кластеризуется
и подается на входы НС в соответствии
с данными из таблицы 5.8. Время кластеризуется
и подается на входы НС в соответствии
с данными из таблицы 5.9.
Таблица 5.8. Интервалы кластеризации и соответствующая им кодировка входов для данных по ОИК. Эксперимент 36.
| Интервал кластеризации, % | Код, подаваемый на вход нейрона |
| больше
6.1
от 6 до 2.51 от 2.5 до 0.01 0 от - 0.01 до - 1.5 от - 1.51 до - 3.5 от - 3.51 и меньше |
6 1.6
0.7 0 0.7 1.6 6 |
Таблица 5.9. Интервалы кластеризации и соответствующая им кодировка входов для данных по времени. Эксперимент 36.
| Интервал кластеризации, дни | Код, подаваемый на вход нейрона |
| 1 2 3 4 от 5 до 7 от 8 до 14 от 15 и дольше | 6 1.6
0.7 0 0.7 1.6 6 |
ОПИСАНИЕ ПРОГНОЗИРУЕМЫХ ДАННЫХ: С выхода НС снимались данные о распознанном классе в соответствии с интервалами кластеризации приведенными в таблице 5.8.
РАЗМЕР ОКНА: 14 СТРУКТУРА СЕТИ: 28: 17: 7.
РЕЗУЛЬТАТЫ: сеть распознала 100 % образов, на которых она обучалась, было получено 52.6 % правильных прогнозов. Результаты приведены в приложении 2.3.
ЭКСПЕРИМЕНТ 36.2. Прогнозирование длительности приращения.
ОПИСАНИЕ ИСТОРИЧЕСКИХ ДАННЫХ: Как в эксперименте 36.1.
ОПИСАНИЕ ПРОГНОЗИРУЕМЫХ ДАННЫХ: С выхода НС снимались данные о распознанном классе в соответствии с интервалами кластеризации приведенными в таблице 5.9.
РАЗМЕР ОКНА: 14 СТРУКТУРА СЕТИ: 28: 17: 7.
РЕЗУЛЬТАТЫ: сеть распознала 100 % образов, на которых она обучалась, было получено 47.4 % правильных прогнозов. Результаты приведены в приложении 2.3.
ЭКСПЕРИМЕНТ 37 Окна величины и длительности приращения подаются на входы НС последовательно.
ЭКСПЕРИМЕНТ 37.1. Прогнозирование значения приращения.
ОПИСАНИЕ
ИСТОРИЧЕСКИХ ДАННЫХ: ОИК в % кластеризуется
и подается на входы НС в соответствии
с данными из таблицы 5.8. Время кластеризуется
и подается на входы НС в соответствии
с данными из таблицы 5.10.
Таблица 5.10. Интервалы кластеризации и соответствующая им кодировка входов для данных по времени. Эксперимент 37.
| Интервал кластеризации, дни | Код, подаваемый на вход нейрона |
| от 1 до 2 от 3 до 4 от 5 до 7 от 8 до 14 от 15 и больше | 6 1.1
0 1.1 6 |
ОПИСАНИЕ ПРОГНОЗИРУЕМЫХ ДАННЫХ: С выхода НС снимались данные о распознанном классе в соответствии с интервалами кластеризации приведенными в таблице 5.8.
РАЗМЕР ОКНА: 14 СТРУКТУРА СЕТИ: 28: 17: 7.
РЕЗУЛЬТАТЫ: сеть распознала 90 % образов, на которых она обучалась, было получено 47.4 % правильных прогнозов, результаты приведены в приложении 2.3.
ЭКСПЕРИМЕНТ 37.2. Прогнозирование длительности приращения. ОПИСАНИЕ ИСТОРИЧЕСКИХ ДАННЫХ: Как в эксперименте 37.1.
ОПИСАНИЕ ПРОГНОЗИРУЕМЫХ ДАННЫХ: С выхода НС снимались данные о распознанном классе в соответствии с интервалами кластеризации приведенными в таблице 5.5.
РАЗМЕР ОКНА: 14 СТРУКТУРА СЕТИ: 28: 16: 5.
РЕЗУЛЬТАТЫ: сеть распознала 100 % образов, на которых обучалась, было получено 36.8 % правильных прогнозов. Результаты приведены в приложении 2.3.
ЭКСПЕРИМЕНТ 38 На вход НС подаются пары (значение, длительность) .
ЭКСПЕРИМЕНТ 38.1. Прогнозирование значения приращения.
ОПИСАНИЕ ИСТОРИЧЕСКИХ ДАННЫХ: Как в эксперименте 36.1.
ОПИСАНИЕ
ПРОГНОЗИРУЕМЫХ ДАННЫХ: С выхода НС снимались
данные о распознанном классе в соответствии
с интервалами кластеризации приведенными
в таблице 5.11.
Таблица 5.11. Выходы НС в эксперименте 38.1
| Номер нейрона | Распознаваемый образ, % приращения |
| 1 | 10 | | 2 | 9 |.......
| 20 | - 9
| | 21 | - 10 | ---СТРУКТУРА СЕТИ: 28: 24: 21.
РЕЗУЛЬТАТЫ: сеть распознала 100 % образов, на которых обучалась, было получено 47.4 % правильных прогнозов. На данной сети было выполнено прогнозирование на 3 месяца. Результаты приведены в приложении 2.3.
ЭКСПЕРИМЕНТ 38.2. Прогнозирование длительности приращения.
ОПИСАНИЕ ИСТОРИЧЕСКИХ ДАННЫХ: Как в эксперименте 36.1.
ОПИСАНИЕ
ПРОГНОЗИРУЕМЫХ ДАННЫХ: С выхода НС снимались
данные о распознанном классе в соответствии
с интервалами кластеризации приведенными
в таблице 5.12.
Таблица 5.12. Выходы НС в эксперименте 38.2
| Номер нейрона | Распознаваемый образ, дни |
| 1 | 15 и дольше | | 2 | 14 |.......
| 14 | 2 | | 15 | 1 | -------СТРУКТУРА СЕТИ: 28: 21: 15.
РЕЗУЛЬТАТЫ: сеть распознала
100 % образов, на которых обучалась, было
получено 52.6 % правильных прогнозов. На
данной сети было выполнено прогнозирование
на 3 месяца. Результаты приведены в приложении
2.3.
Информация о работе Прогнозирование на основе аппарата нейронных сетей