神经网络可以用来预测时间序列吗
神经网络是可以用来预测时间序列。例如神经网络人口预测。
已知1990至2009年的某地区人口数[112830424456496050635674766592105124117132128]。
预测2010-2016年的某地区人口数。
具体实施过程:%已知数据t=1990:2009;x=[112830424456496050635674766592105124117132128];%自回归阶数lag=3;%预测步数为fnfn=length(t);%输出数据[f_out,iinput]=BP(x,lag,fn); %BP()神经网络预测函数[x'iinput']R2=corrcoef(x,iinput)%预测年份或某一时间段%t1=2015:2016;t1=length(x)+1:length(x)+7;%预测步数为fnfn=length(t1); [f_out,iinput]=BP(x,lag,fn);P=vpa(f_out,5);%预测数据t1=2010:2016;[t1'P']%画出预测图figure(6),plot(t,x,'b*-'),holdonplot(t(end):t1(end),[iinput(end),f_out],'rp-'),gridontitle('BP神经网络预测某地区人口数')xlabel('年份'),ylabel('人口数');legend('2009-2014年人口变化数','2014-2016年人口预测数');。
谷歌人工智能写作项目:神经网络伪原创
时间序列模型和神经网络模型有何区别?
预测模型可分为哪几类?
根据方法本身的性质特点将预测方法分为三类。1、定性预测方法根据人们对系统过去和现在的经验、判断和直觉进行预测,其中以人的逻辑判断为主,仅要求提供系统发展的方向、状态、形势等定性结果。
该方法适用于缺乏历史统计数据的系统对象。2、时间序列分析根据系统对象随时间变化的历史资料,只考虑系统变量随时间的变化规律,对系统未来的表现时间进行定量预测。
主要包括移动平均法、指数平滑法、趋势外推法等。该方法适于利用简单统计数据预测研究对象随时间变化的趋势等。
3、因果关系预测系统变量之间存在某种前因后果关系,找出影响某种结果的几个因素,建立因与果之间的数学模型,根据因素变量的变化预测结果变量的变化,既预测系统发展的方向又确定具体的数值变化规律。
扩展资料:预测模型是在采用定量预测法进行预测时,最重要的工作是建立预测数学模型。预测模型是指用于预测的,用数学语言或公式所描述的事物间的数量关系。
它在一定程度上揭示了事物间的内在规律性,预测时把它作为计算预测值的直接依据。因此,它对预测准确度有极大的影响。任何一种具体的预测方法都是以其特定的数学模型为特征。
预测方法的种类很多,各有相应的预测模型。趋势外推预测方法是根据事物的历史和现实数据&