本發(fā)明涉及價格變化規(guī)律預(yù)測領(lǐng)域，尤其涉及基于bp神經(jīng)網(wǎng)絡(luò)的藥材價格變化規(guī)律的預(yù)測方法。
背景技術(shù)：
：到目前為止，對于某個領(lǐng)域發(fā)展前景的比較精準(zhǔn)的預(yù)測數(shù)學(xué)模型方案幾乎沒有。搜索中國知網(wǎng)有“人口預(yù)測方法比較研究”(2013安徽大學(xué)宋佩鋒)，“基于gis的黃河水土流失評價預(yù)測模型研究”(2008解放軍信息工程大學(xué)馬曉)，“高溫采煤工作面風(fēng)溫預(yù)測理論及數(shù)值模擬”(2015中國礦業(yè)大學(xué)孔松)，“灰色bp神經(jīng)網(wǎng)絡(luò)風(fēng)電功率預(yù)測應(yīng)用研究”(2013蘭州交通大學(xué)葉愛賢.)，“超臨界循環(huán)流化床鍋爐數(shù)學(xué)模擬與設(shè)計方案優(yōu)化”(2012浙江大學(xué)徐志)，“bp神經(jīng)網(wǎng)絡(luò)用于市場預(yù)測的研究”(2006武漢理工大學(xué)戴丹)，“神經(jīng)網(wǎng)絡(luò)在股票市場預(yù)測中的應(yīng)用研究(2007山東師范大學(xué)胡靜)”，“基于神經(jīng)網(wǎng)絡(luò)的期貨價格預(yù)測方法研究(2009首都師范大學(xué)王海軍)”等等的預(yù)測探索，這些研究數(shù)學(xué)模型只能對所研究的具體問題提供一些探索，達(dá)到相應(yīng)的精準(zhǔn)預(yù)測，但廣泛應(yīng)用較難。技術(shù)實現(xiàn)要素：本發(fā)明要解決的技術(shù)問題是：提供一種基于bp神經(jīng)網(wǎng)絡(luò)的藥材價格變化規(guī)律的預(yù)測方法，對藥材價格變化規(guī)律的進(jìn)行預(yù)測。為解決上述問題，本發(fā)明采用的技術(shù)方案是：基于bp神經(jīng)網(wǎng)絡(luò)的藥材價格變化規(guī)律的預(yù)測方法，包括步驟：a.將已知時間的藥材價格數(shù)據(jù)作為測試樣本；b.創(chuàng)建bp神經(jīng)網(wǎng)絡(luò)模型；c.將測試樣本中的數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，對bp神經(jīng)網(wǎng)絡(luò)進(jìn)行網(wǎng)絡(luò)訓(xùn)練；d.根據(jù)訓(xùn)練結(jié)果繪制價格趨勢圖，并判斷訓(xùn)練結(jié)果繪制的價格趨勢圖與原始數(shù)據(jù)繪制的價格趨勢圖的誤差是否滿足預(yù)定誤差，若是則將訓(xùn)練后bp神經(jīng)網(wǎng)絡(luò)模型作為預(yù)測模型，并進(jìn)入步驟e，否則返回步驟c；e.根據(jù)步驟d所得到的預(yù)測模型，輸出未來時間的預(yù)測數(shù)據(jù)；f.基于未來時間的預(yù)測數(shù)據(jù)畫出價格預(yù)測走勢圖；進(jìn)一步的，步驟c訓(xùn)練神經(jīng)網(wǎng)絡(luò)具體包括：c1.設(shè)置權(quán)值和閾值的初始值；c2.給定輸入向量和期望輸出；c3.選取比例參數(shù)；c4.求隱層和輸出層各神經(jīng)元輸出；c5.求期望輸出和實際輸出的偏差e，并判斷偏差e是否滿足要求，若是則進(jìn)入步驟d，否則進(jìn)入步驟c6；c6.計算權(quán)值梯度；c7.進(jìn)行權(quán)值修正和閾值修正，并返回步驟c4。進(jìn)一步的，權(quán)值修正的輸出層公式為:權(quán)值修正的隱含層公式為:閾值修正的輸出層公式為：閾值修正的的隱含層公式為：其中:l-當(dāng)前層；previous-上次修正；j-當(dāng)前神經(jīng)元；i-輸入源；δ-修正因子；η-學(xué)習(xí)速率；μ-動量因子。本發(fā)明的有益效果是：本發(fā)明首先預(yù)測已知時間的價格，當(dāng)預(yù)測結(jié)構(gòu)與實際基本相符時，從而我們得到了比較準(zhǔn)確預(yù)測模型，利用該預(yù)測模型我們能夠比較準(zhǔn)確預(yù)測這些藥材在將來時間的市場價格，從而提醒生產(chǎn)者根據(jù)市場需要進(jìn)行合理化生產(chǎn)，減少盲目性，增大收益，達(dá)到我們對市場需求進(jìn)行準(zhǔn)確的預(yù)測的目的。經(jīng)研究，我們發(fā)現(xiàn)這個技術(shù)方案可以適用于許多生產(chǎn)領(lǐng)域，如房地產(chǎn)開發(fā)的預(yù)測，某公司的發(fā)展前景的預(yù)測，某學(xué)校每年招生規(guī)模的預(yù)測等等。有了這個先知預(yù)測方案，我們可以減少盲目性，理想發(fā)展。附圖說明圖1本發(fā)明中bp神經(jīng)網(wǎng)絡(luò)的訓(xùn)練流程圖。具體實施方式(一)bp算法原理及公式：1、誤差的反向傳播過程權(quán)值和閥值(閾值)公式2、附加動量法帶有附加動量因子的權(quán)值和閾值的調(diào)節(jié)公式為：δwij(k+1)＝(1-mc)ηδjpj+mcδwij(k)δbi(k+1)＝(1-mc)ηδi+mcδbi(k)其中k為訓(xùn)練次數(shù)，δ為初始權(quán)值，mc為動量因子，一般取0.95左右。訓(xùn)練程序設(shè)計中采用動量法的判斷條件為：e(k)為第k步誤差平方和。3、初始權(quán)值的選取由于系統(tǒng)是非線性的，初始權(quán)值對于學(xué)習(xí)是否達(dá)到局部最小、是否能夠收斂及與訓(xùn)練時間的長短關(guān)系很大。通過實踐證明，初始權(quán)值要求比較小。因為我們的預(yù)測的誤差越小越好，要求趨于零，所以一般總是希望經(jīng)過初始加權(quán)后的每個神經(jīng)元的輸出值都接近于零，這樣可以保證每個神經(jīng)元的權(quán)值都能夠在它們的s型激活函數(shù)變化最大之處進(jìn)行調(diào)節(jié)。所以，一般取初始權(quán)值在(-1,1)之間的隨機數(shù)。一般，bp神經(jīng)網(wǎng)絡(luò)要求學(xué)習(xí)速率的選取范圍在0.01-0.8之間。4、修正權(quán)值和閥值輸入向量x＝(x1,x2,x3,…,xm)，目標(biāo)向量為y＝(y1,y2,y3,…,ym)，權(quán)重向量w＝(w1,w2,w3,…,wm)，產(chǎn)生一個神經(jīng)元值net:凈輸出為out：修正權(quán)值和閥值的一般形式：其中:l-當(dāng)前層；previous-上次修正；j-當(dāng)前神經(jīng)元；i-輸入源；δ-修正因子；η-學(xué)習(xí)速率，決定權(quán)值改變速度；μ-動量因子，防止局部極小。(二)本發(fā)明為了得到預(yù)測的精確結(jié)果，我們對權(quán)值和閾值進(jìn)行了修正。1、權(quán)值修正輸出層公式:隱含層公式:2、閥值(閾值)修正輸出層公式：隱含層公式：其中:l-當(dāng)前層；previous-上次修正；j-當(dāng)前神經(jīng)元；i-輸入源；δ-修正因子；η-學(xué)習(xí)速率，決定權(quán)值改變速度；μ-動量因子，防止局部極小。實施例實施例提供一種基于bp神經(jīng)網(wǎng)絡(luò)的藥材價格變化規(guī)律的預(yù)測方法，依據(jù)攀枝花市地產(chǎn)藥材川續(xù)斷、川牛膝、何首烏等在2000-2012的市場價格數(shù)據(jù)進(jìn)行分析，推算，編程，形成了一套預(yù)測方案，畫圖分析其變化的規(guī)律。首先預(yù)測2013-2016的數(shù)字，發(fā)現(xiàn)這些結(jié)果與實際基本相符，從而我們得到了比較準(zhǔn)確的權(quán)值修正和閥值修正模型以及程序設(shè)計方案。利用這些模型和方案，我們能夠比較準(zhǔn)確預(yù)測這些藥材在2017-2020的市場價格。包括步驟：a.將2000-2012年的市場價格數(shù)據(jù)作為測試樣本，例如將表1中2000-2012年川續(xù)價格作為測試樣本；表12000-2012年川續(xù)價格統(tǒng)計數(shù)據(jù)表b.創(chuàng)建bp神經(jīng)網(wǎng)絡(luò)模型，所述bp神經(jīng)網(wǎng)絡(luò)模型包括輸入層神經(jīng)元、隱藏層神經(jīng)元、輸出層神經(jīng)元；c.將測試樣本中的數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，對bp神經(jīng)網(wǎng)絡(luò)進(jìn)行網(wǎng)絡(luò)訓(xùn)練，如圖1所示，訓(xùn)練步驟包括：c1.設(shè)置權(quán)值和閾值的初始值；c2.給定輸入向量和期望輸出；c3.選取比例參數(shù)；c4.求隱層和輸出層各神經(jīng)元輸出；c5.求期望輸出和實際輸出的偏差e，并判斷偏差e是否滿足要求，若是則進(jìn)入步驟d，否則進(jìn)入步驟c6；c6.計算權(quán)值梯度；c7.進(jìn)行權(quán)值修正和閾值修正，并返回步驟c4。其中，權(quán)值修正的輸出層公式為:權(quán)值修正的隱含層公式為:閾值修正的輸出層公式為：閾值修正的的隱含層公式為：其中:l-當(dāng)前層；previous-上次修正；j-當(dāng)前神經(jīng)元；i-輸入源；δ-修正因子；η-學(xué)習(xí)速率；μ-動量因子。d.根據(jù)訓(xùn)練結(jié)果繪制價格趨勢圖，并判斷訓(xùn)練結(jié)果繪制的價格趨勢圖與原始數(shù)據(jù)繪制的價格趨勢圖的誤差是否滿足預(yù)定誤差，若是則將訓(xùn)練后bp神經(jīng)網(wǎng)絡(luò)模型作為預(yù)測模型，并進(jìn)入步驟e，否則返回步驟c；e.根據(jù)步驟d所得到的預(yù)測模型，輸出2013-2020年的預(yù)測數(shù)據(jù)，如表2所示；表2預(yù)測的價格數(shù)據(jù)表月\年20132014201520162017201820192020113.435714.621119.424718.534717.085918.967218.936218.5142215.288315.886120.613215.734715.295117.419319.599919.8016314.222714.245919.899217.480914.848619.744017.685820.4979413.152514.155920.683016.152314.955819.259219.733620.3756514.372714.415520.812816.759513.883918.373419.215420.4934615.645414.448220.211217.294915.116319.901319.164422.0885714.758713.315119.032516.299117.373519.770518.831220.6183814.077516.215518.177016.865416.807417.548820.522219.7716913.109413.734119.315616.135815.399919.778020.616721.92311013.466314.197518.854817.255916.736617.161421.013419.09981114.390613.988621.585317.565416.874618.339217.928922.04711215.425714.965620.285718.553115.306917.861919.608320.5914f.基于以上2013-2020年的預(yù)測數(shù)據(jù)畫出價格預(yù)測走勢圖。需要指出的是，上面所述只是說明本發(fā)明的一些原理，由于對相同
技術(shù)領(lǐng)域：
的普通技術(shù)人員來說是很容易在此基礎(chǔ)上進(jìn)行若干修改和改動的。因此，本說明書并非是要將本發(fā)明局限在所示和所述的具體結(jié)構(gòu)和適用范圍內(nèi)，故凡是所有可能被利用的相應(yīng)修改以及等同物，均屬于本發(fā)明所申請的專利范圍。當(dāng)前第1頁12