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200912133526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MATLABBP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219。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
f1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。
2样本数据归一化：在训练前，对数据进行归一化处理，把输入向量和输出向量的取值范围都归一到0，1。
3BP网络设计：采用单隐层的BP网络进行预测，由于输入样本为5维的输入向量，因此输入层一共有5个神经元，中间层取20个神经元，输出层一个神经元（即黄金价格），网络为5201的结构。中间层的传递函数为S型正切函数，输出层为S型对数函数。
中间层的神经元个数很难确定，测试时分别对12，15，20个数进行测试，寻找误差最小的。
4网络训练训练次数epochs5000训练目标goal0001对30个样本数据进行训练，经过1818次的训练，目标误差达到要求，如图2所示：
f5网r