材料期刊网

1. 首页
2. 检索结果页

原词结果 | 译词结果

基于 BP神经网络的黄金价格非线性预测

张延利

黄金 doi:10.11792/hj20130703

针对黄金价格的非线性特征和神经网络的自身特点，利用BP神经网络建立了黄金价格的非线性预测模型。实证研究结果表明，BP神经网络模型具有较好的预测精度，可以为黄金投资和宏观经济决策提供一定的参考依据。

关键词: 黄金价格 , ARMA模型 , GARCH(1,1)模型 , BP神经网络

基于BP神经网络的黄金价格非线性组合预测模型

张延利 , 张德生 , 刘常明 , 李金凤

黄金 doi:10.3969/j.issn.1001-1277.2011.09.002

对黄金价格进行预测时,单一模型往往难以全面反映黄金价格的变化规律.为了更有效地利用各模型的优点,将不同的预测模型进行组合可以产生更好的预测效果.利用BP神经网络对单一模型进行非线性组合,建立了黄金价格的非线性组合预测模型.实证研究结果表明,非线性组合模型的预测精度高于被组合的单一模型和不具有协整关系的线性组合模型.

关键词: 黄金价格 , BP神经网络 , 协整 , 预测模型

基于改进 GM（1，1）模型的黄金价格预测

张延利 , 杨丽

黄金 doi:10.11792/hj20150702

随着信息系统的发展，对黄金价格建立了基于新陈代谢理论的无偏灰色 GM（1，1）预测模型。该模型是对 GM（1，1）模型的改进，在不断补充新信息的同时，及时地去掉老信息，避免随着信息的增加，建模运算量不断增大的困难。实证结果表明，该模型预测精度优于 GM（1，1）模型及无偏 GM（1，1）模型的预测精度。

关键词: GM(1,1)模型 , 无偏 GM(1,1)模型 , 新陈代谢 , 黄金价格预测

基于 RBF神经网络的黄金价格非线性预测

张延利

黄金 doi:10.11792/hj20140903

在对黄金市场进行分析时，通常根据黄金价格数据自身特点选取合适的模型进行建模预测，但因黄金价格数据本身的非线性特征比较明显，模型的选取往往较为困难，预测精度不高。利用神经网络的特性，建立了RBF神经网络，有效地解决了模型选择不当的难题。实证表明，RBF神经网络建立的非线性模型预测精度较高。

关键词: 黄金价格 , 非线性预测 , ARMA模型 , GARCH模型 , RBF神经网络

新马尔科夫模型的黄金价格短期预测

张延利

黄金

对黄金价格建立了ARMA-马尔科夫预测模型,该模型将数据统计特征与灰色理论密切结合.ARMA部分用来揭示预测序列的线性变化趋势,而马尔科夫状态转移概率矩阵用来确定状态转移的规律.实证研究表明,该模型预测精度优于ARMA模型以及灰色马尔科夫模型的预测精度.

关键词: 黄金价格 , ARMA模型 , 灰色马尔科夫模型 , ARMA-马尔科夫模型

基于等维积分 GM（1，1）模型的黄金价格预测

宁艳艳 , 方小艳 , 张延利

黄金 doi:10.11792/hj20160703

GM（1，1）模型是灰色系统中最常用的一种模型，该模型采用的建模数据量小，对数据分布特征无特殊要求，应用较为广泛。利用数值积分原理将GM（1，1）模型中累加生成法改为积分生成法，并用双向差分结合等维动态预测原理，建立了等维积分GM（1，1）模型。该模型在预测过程中不断将旧信息剔除，增加新信息进入，实现了数据的及时更新，提高了预测精度。

关键词: GM(1,1)模型 , 积分 , 黄金价格 , 预测

出版年份

刊物分类

相关作者

相关热词