基于BP神经网络的我国石油需求预测.pdfVIP

维普资讯 大 庆 石 油 学 院 学 报 第 31卷 第 2期 2007年 4月 JOuRNALOFDAQINGPETROLEUM INSTITUTE Vo1．31 No．2 Apr． 2007 基于BP神经网络的我国石油需求预测 徐 平 ，王 本 ，范 莹。 (1．哈尔滨工程大学 经济管理学院，黑龙江 哈尔滨 150001； 2．清华大学 公共管理学 院，北京 100084； 3．大庆 石油学院 经济管理学院，黑龙江 大庆 I63318) 摘 要：具有Sigmoid型隐层函数的3层 BP神经网络能够以任意精度逼近任何一个具有有限间断点的非线性函数． 所 以，选择 Sigmoid函数的 3层 BP神经网络作为石油消费预测模型．根据我 国 1989～2002年国民生产、石油消费数据 进行数据训练学习，以2003年 国民生产数据作为输入 ，预测 2004年石油消费．结果表明，该模型预测精度较高，误差仅 为 1．87 ，具有较好的应用价值． 关 键 词 ：BP神经网络；石油需求 ；预测模型 中图分类号 ：TP183 文献标识码 ：A 文章编号：1000—1891(2007)02—0082—03 准确地预测下一年度石油需求，对我国经济管理部门制定石油生产与进口计划、合理安排相关行业生 产计划和调整产业结构具有重要意义．目前 ，大多数石油需求 的预测方法主要是基于趋势不变 的方法 ，即 假定石油需求正在 以一个不变的速度增长，或者在此基础上加上将要发生的产业变化所带来 的石油需求 变化．这种方法仅是凭着经验和感觉，没有很好的数理基础．基于计量经济学的方法进行预测 ，虽有数理 基础 ，但需要事先假定各种经济指标对石油需求影响的关系[1-83．笔者拟利用 BP神经 网络预测下一年度 石油需求． 1 BP神经网络 1．1 原理 人工神经网络 (ArtificialNeuralNetwork)，亦称神经 网络 ，是 由大量处理单元 (神经元)广泛互连而 成的网络，模仿脑神经系统组织结构及某些活动，达到对人脑的抽象、简化和模拟，反映人脑的基本特性． 1986年，RUNMELHART和 McCELLAND领导的科学家小组在((ParallelDistributedProcessing)) 一 书中，对具有非线性连续转移函数 的多层前馈网络的 误差反向传播 (ErrorBackProragation，简称 BP)算法 进行 了详尽的分析．由于多层前馈 网络的训练经常采 用误差反向传播算法 ，人们也经常把多层前馈 网络直接 X2 称为BP神经网络[7-1o]，BP神经网络原理示意见图 1． 1．2 基本思想 BP神经网络的学习过程由信号的正向传播与误差 的反向传播2个过程组成．正向传播时，输入样本从输 入层传人，经各隐层逐层处理后，传 向输 出层．若输出 图1BP神经网络原理示意 层的实际输出与期望输出不符，则转入误差的反向传播阶段．误差反传是将输 出误差 以某种形式通过隐 层向输入层逐层反传，并将误差分摊给各层的所有单元，从而获得各层单元的误差信号，此误差信号即作 为修正各单元权值的依据．这种信号正向传播与误差反向传播的各层权值调整过程，是周而复始地进行 的．权值不断调整的过程，也就是网络 的学习训练过程．此过程一直进行到网络输出的误差减少到可以 收稿 日期：2006—10—18；审稿人 ：邵 强；编辑 ：王文礼 作者筒介 ：徐 平(1965一)，男，博士生，教授，主要从事经济管理与战略、现代化管理理论与方法、企业管理等方面的研究 · 82 · 维普资讯 第 2期 徐 平等：基于BP神经网络的我国石油需求预测 接受 的程度 ，或进行到预先设定的学习次数为止． 1．3 学习算法 (1)初始化权重和各神经元的残差 ，一般取接近于 0的