基于成都市中小（微）企業運行態勢的人工神經網絡模型分析

2012-12-31 00:00:00王緌臧陸寧

大觀周刊 2012年45期

摘要：成都中小微企業在促進地方經濟發展、吸納社會就業方面起著十分積極的作用。但是，隨著市場競爭日益激烈，中小微企業在經營發展過程中面臨危機的可能性不斷上升。本文利用人工神經網絡的預測方法，對成都市的運行監測指標進行了預測分析，預測結果良好。

關鍵詞：成都中小微企業人工神經網絡預測

1、人工神經網絡

人工神經網絡是一種應用類似于大腦神經突觸聯接的結構進行信息處理的數學模型。在工程與學術界也常直接簡稱為神經網絡或類神經網絡。神經網絡是一種運算模型，由大量的節點（或稱神經元）和之間相互聯接構成。每個節點代表一種特定的輸出函數，稱為激勵函數（activation function）。每兩個節點間的連接都代表一個對于通過該連接信號的加權值，稱之為權重，這相當于人工神經網絡的記憶。網絡的輸出則依網絡的連接方式，權重值和激勵函數的不同而不同。而網絡自身通常都是對自然界某種算法或者函數的逼近，也可能是對一種邏輯策略的表達。

2、基于人工神經網絡的預測模型的構建

在運用ANN預測模型預測這兩個指標時，我們采取下面的預測步驟：

（1）首先將1-6月份的數據標準化，及轉化為0-1之間的標準化數據；

（2）我們將輸入設為1月份、2月份、3月份、4月份的數據，輸出設為5月份的數據；

（3）在matlab中調用newff函數，建立一個5個輸入節點、10個隱含層節點、一個輸出節點的BP神經網絡，隱含層和輸出層轉移函數分別采用tansig（tansig（n） = 2/（1+exp（-2*n））-1）和purelin（y=x），訓練函數選擇貝葉斯正則化算法trainbr，得到網絡仿真數據；

（4）通過得到的網絡仿真數據與實際的數據進行比較，我們可以發現該預測模型的精度很高。從而我們可以利用該預測模型預測未來月份的數據，作為決策者進行決策的依據。

3、分規模企業運行態勢預測模型

3.1中型企業運行態勢預測模型

我們按照上述步驟，得到最終的預測值，如表1所示，可見，預測值與實際值之間相差并不大，誤差為0.099973%。

表1運行監測指標按規模（中型）ANN預測模型實際值與預測值對比表

3.2小型企業運行態勢預警模型

我們按照上述步驟，得到最終的預測值，如表2所示，可見，預測值與實際值之間相差并不大，誤差為0.099974%。

表2運行監測指標按規模（小型）ANN預測模型實際值與預測值對比表

3.3微型企業運行態勢預警模型

我們按照上述步驟，得到最終的預測值，如表3所示，可見，預測值與實際值之間相差并不大，誤差為0.098246%。

表3 運行監測指標按規模（微型）ANN預測模型實際值與預測值對比表

4、結束語