[发明专利]基于BP神经网络的药材价格变化规律的预测方法

权利要求书

1.基于BP神经网络的药材价格变化规律的预测方法，其特征在于，包括以下步骤：

a.将已知时间的药材价格数据作为测试样本；

b.创建BP神经网络模型；

c.将测试样本中的数据作为训练数据，对BP神经网络进行网络训练；

d.根据训练结果绘制价格趋势图，并判断训练结果绘制的价格趋势图与原始数据绘制的价格趋势图的误差是否满足预定误差，若是则将训练后BP神经网络模型作为预测模型，并进入步骤e，否则返回步骤c；

e.根据步骤d所得到的预测模型，输出未来时间的预测数据；

f.基于未来时间的预测数据画出价格预测走势图。

2.如权利要求1所述的基于BP神经网络的药材价格变化规律的预测方法，其特征在于，步骤c训练神经网络具体包括：

c1.设置权值和阈值的初始值；

c2.给定输入向量和期望输出；

c3.选取比例参数；

c4.求隐层和输出层各神经元输出；

c5.求期望输出和实际输出的偏差E，并判断偏差E是否满足要求，若是则进入步骤d，否则进入步骤c6；

c6.计算权值梯度；

c7.进行权值修正和阈值修正，并返回步骤c4。

3.如权利要求2所述的基于BP神经网络的药材价格变化规律的预测方法，其特征在于，权值修正的输出层公式为:

Δwjil=ηδjloutil-1+μΔwjil(previous)=η(yj-outjl)outil-1+μΔwjil(previous);]]>

权值修正的隐含层公式为:

Δwjil=ηδjloutil-1=μ(Σk=1rδkl+1wkjl+1)outjl(1-outjl)outil-1+μΔwjil(previous);]]>

阈值修正的输出层公式为：

Δθjl=ηδjl+μΔwjil(previous)=η(yj-outjl)+μΔwjil(previous);]]>

阈值修正的的隐含层公式为：

Δθjl=η(Σk=1rδkl+1wkjl+1)outjl(1-outjl)+μΔθjl(previous)]]>

其中:l-当前层；previous-上次修正；j-当前神经元；i-输入源；δ-修正因子；η-学习速率；μ-动量因子。