一、如何利用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)

預(yù)測(cè)的時(shí)候還是將需要的參數(shù)作為輸入。訓(xùn)練的時(shí)候不是有15組樣本嗎（4*15和6*15的），說(shuō)明輸入節(jié)點(diǎn)數(shù)為4，輸出節(jié)點(diǎn)數(shù)為6。因此預(yù)測(cè)時(shí)，將用于預(yù)測(cè)的4個(gè)參數(shù)作為輸入，神經(jīng)網(wǎng)絡(luò)的6個(gè)輸出即為預(yù)測(cè)結(jié)果。神經(jīng)網(wǎng)絡(luò)因其很好的函數(shù)逼近能力而被廣泛應(yīng)用于非線性系統(tǒng)建模、辨識(shí)和控制中。根據(jù)應(yīng)用場(chǎng)合的不同,神經(jīng)網(wǎng)絡(luò)可分為靜態(tài)和動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)兩類。靜態(tài)(或前饋)神經(jīng)網(wǎng)絡(luò)沒(méi)有反饋成分,也不包含輸人延時(shí),輸出直接由輸人通過(guò)前向網(wǎng)絡(luò)算出;動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)的輸出不僅依賴當(dāng)前的輸人,還與當(dāng)前和過(guò)去的輸入、輸出有關(guān)。

二、如何利用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)

預(yù)測(cè)的時(shí)候還是將需要的參數(shù)作為輸入。訓(xùn)練的時(shí)候不是有15組樣本嗎（4*15和6*15的），說(shuō)明輸入節(jié)點(diǎn)數(shù)為4，輸出節(jié)點(diǎn)數(shù)為6。因此預(yù)測(cè)時(shí)，將用于預(yù)測(cè)的4個(gè)參數(shù)作為輸入，神經(jīng)網(wǎng)絡(luò)的6個(gè)輸出即為預(yù)測(cè)結(jié)果。神經(jīng)網(wǎng)絡(luò)因其很好的函數(shù)逼近能力而被廣泛應(yīng)用于非線性系統(tǒng)建模、辨識(shí)和控制中。根據(jù)應(yīng)用場(chǎng)合的不同,神經(jīng)網(wǎng)絡(luò)可分為靜態(tài)和動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)兩類。靜態(tài)(或前饋)神經(jīng)網(wǎng)絡(luò)沒(méi)有反饋成分,也不包含輸人延時(shí),輸出直接由輸人通過(guò)前向網(wǎng)絡(luò)算出;動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)的輸出不僅依賴當(dāng)前的輸人,還與當(dāng)前和過(guò)去的輸入、輸出有關(guān)。

三、如何得到神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果

如果你用9——11年的數(shù)據(jù)不經(jīng)過(guò)預(yù)測(cè)12——19年的數(shù)據(jù)就想得到第20年的數(shù)據(jù)的做法是不合理的，神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)講求時(shí)間序列的連續(xù)性，你可以在編寫(xiě)maltab程序的時(shí)候才用遞歸的方法調(diào)用神經(jīng)網(wǎng)絡(luò)工具箱，加上對(duì)預(yù)測(cè)數(shù)據(jù)進(jìn)行一定的格式操作就可以了，這樣你想讀到第幾年的數(shù)據(jù)都行。

四、如何用人工神經(jīng)網(wǎng)絡(luò)確定指標(biāo)體系的權(quán)重？

說(shuō)的確定應(yīng)該就是訓(xùn)練方法吧，神經(jīng)網(wǎng)絡(luò)的權(quán)值不是人工給定的。而是用訓(xùn)練集（包括輸入和輸出）訓(xùn)練，用訓(xùn)練集訓(xùn)練一遍稱為一個(gè)epoch，一般要許多epoch才行，目的是使得目標(biāo)與訓(xùn)練結(jié)果的誤差(一般采用均方誤差）小到一個(gè)給定的閾值。以上所說(shuō)是有監(jiān)督的學(xué)習(xí)方法，還有無(wú)監(jiān)督的學(xué)習(xí)方法。

五、如何用神經(jīng)網(wǎng)絡(luò)進(jìn)行時(shí)間序列預(yù)測(cè)

將時(shí)間序列拆開(kāi)，組織訓(xùn)練樣本。參考附件的例子，用的是BP神經(jīng)網(wǎng)絡(luò)。 BP（Back Propagation）神經(jīng)網(wǎng)絡(luò)是86年由Rumelhart和McCelland為首的科學(xué)家小組提出，是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)，是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一。BP網(wǎng)絡(luò)能學(xué)習(xí)和存貯大量的輸入-輸出模式映射關(guān)系，而無(wú)需事前揭示描述這種映射關(guān)系的數(shù)學(xué)方程。它的學(xué)習(xí)規(guī)則是使用最速下降法，通過(guò)反向傳播來(lái)不斷調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值，使網(wǎng)絡(luò)的誤差平方和最小。BP神經(jīng)網(wǎng)絡(luò)模型拓?fù)浣Y(jié)構(gòu)包括輸入層（input）、隱層(hidden layer)和輸出層(output layer)。