Применение нейронных сетей для прогнозирования в экономике
Исследование задачи и перспектив использования нейронных сетей на радиально-базисных функциях для прогнозирования основных экономических показателей: валовый внутренний продукт, национальный доход Украины и индекс потребительских цен. Оценка результатов.
| Рубрика | Программирование, компьютеры и кибернетика |
| Вид | курсовая работа |
| Язык | русский |
| Дата добавления | 14.12.2014 |
| Размер файла | 4,9 M |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
{
MessageBox. Show («Прoблеми з даними для моделювання»);
return double. MaxValue;
}
double mape = 0;
for (int i = 0; i < re. Resid. Count; ++i)
mape += Math. Abs (re. Resid[i] / re. Real_data[i]);
mape = 100 * mape / re. Resid. Count;
return mape;
}
public static double ME (Stat. ForecastQuality re)
{
if (! re. FineData)
{
MessageBox. Show («Прoблеми з даними для моделювання»);
return double. MaxValue;
}
double me = re. Resid. Sum();
me = me / re. Resid. Count;
return me;
}
public static double MPE (Stat. ForecastQuality re)
{
if (! re. FineData)
{
MessageBox. Show («Прoблеми з даними для моделювання»);
return double. MaxValue;
}
double mpe = 0;
for (int i = 0; i < re. Resid. Count; ++i)
mpe += re. Resid[i] / re. Real_data[i];
mpe = mpe / re. Resid. Count;
return Math. Abs(mpe);
}
public static double Theil (Stat. ForecastQuality re)
{
if (! re. FineData)
{
MessageBox. Show («Прoблеми з даними для моделювання»);
return double. MaxValue;
}
double u = 0;
double a = 0;
double b1 = 0;
double b2 = 0;
for (int i = 0; i < re. Resid. Count; ++i)
a += Math. Pow (re. Resid[i], 2);
a = a / re. Resid. Count;
a = Math. Pow (a, 0.5);
for (int i = 0; i < re. Real_data. Count; ++i)
b1 += Math. Pow (re. Real_data[i], 2);
b1 = b1 / re. Real_data. Count;
b1 = Math. Pow (b1, 0.5);
for (int i = 0; i < re. Predict_data. Count; ++i)
b2 += Math. Pow (re. Predict_data[i], 2);
b2 = b2 / re. Predict_data. Count;
b2 = Math. Pow (b2, 0.5);
u = a / (b1 + b2);
return u;
}
private static double RMSE (Stat. ForecastQuality fq)
{
if (! fq. FineData)
{
MessageBox. Show («Прoблеми з даними для перевірки»);
return double. MaxValue;
}
double rmse = 0;
foreach (double resid in fq. Resid)
rmse += Math. Pow (resid, 2);
rmse = rmse / fq. Resid. Count;
rmse = Math. Pow (rmse, 0.5);
return rmse;
}
private static double RSquare (Stat. ModelQuality mq)
{
if (! mq. FineData)
{
MessageBox. Show («Прoблеми з даними для перевірки»);
return double. MaxValue;
}
double r2 = Stat. Variance (mq. Modeling_data);
double tmp = Stat. Variance (mq. Real_data);
if (Math. Abs(tmp) < 0.0001)
return 0;
return (r2 / tmp);
}
private static double DurbinWatson (Stat. ModelQuality mq)
{
if (! mq. FineData)
{
MessageBox. Show («Прoблеми з даними для перевірки»);
return double. MaxValue;
}
double a = 0;
double b = Math. Pow (mq. Resid[0], 2);
for (int i = 1; i < mq. Resid. Count; ++i)
{
a += Math. Pow (mq. Resid[i] - mq. Resid [i - 1], 2);
b += Math. Pow (mq. Resid[i], 2);
}
return (a / b);
}
private static double MSE (Stat. ForecastQuality re)
{
if (! re. FineData)
{
MessageBox. Show («Прoблеми з даними для перевірки»);
return double. MaxValue;
}
double mse = 0;
foreach (double resid in re. Resid)
mse += Math. Pow (resid, 2);
mse = mse / re. Resid. Count;
return mse;
}
private static double SumSquaredResid (Stat. ModelQuality mq)
{
if (! mq. FineData)
{
MessageBox. Show («Прoблеми з даними для перевірки»);
return double. MaxValue;
}
double ssr = 0;
for (int i = 1; i < mq. Resid. Count; ++i)
ssr += Math. Pow (mq. Resid[i], 2);
return ssr;
}
}
}
Размещено на Allbest.ru
Подобные документы
Анализ применения нейронных сетей для прогнозирования ситуации и принятия решений на фондовом рынке с помощью программного пакета моделирования нейронных сетей Trajan 3.0. Преобразование первичных данных, таблиц. Эргономическая оценка программы.
дипломная работа [3,8 M], добавлен 27.06.2011Нейронные сети как средство анализа процесса продаж мобильных телефонов. Автоматизированные решения на основе технологии нейронных сетей. Разработка программы прогнозирования оптово-розничных продаж мобильных телефонов на основе нейронных сетей.
дипломная работа [4,6 M], добавлен 22.09.2011Задача анализа деловой активности, факторы, влияющие на принятие решений. Современные информационные технологии и нейронные сети: принципы их работы. Исследование применения нейронных сетей в задачах прогнозирования финансовых ситуаций и принятия решений.
дипломная работа [955,3 K], добавлен 06.11.2011Описание технологического процесса напуска бумаги. Конструкция бумагоделательной машины. Обоснование применения нейронных сетей в управлении формованием бумажного полотна. Математическая модель нейрона. Моделирование двух структур нейронных сетей.
курсовая работа [1,5 M], добавлен 15.10.2012Способы применения технологий нейронных сетей в системах обнаружения вторжений. Экспертные системы обнаружения сетевых атак. Искусственные сети, генетические алгоритмы. Преимущества и недостатки систем обнаружения вторжений на основе нейронных сетей.
контрольная работа [135,5 K], добавлен 30.11.2015Возможности программ моделирования нейронных сетей. Виды нейросетей: персептроны, сети Кохонена, сети радиальных базисных функций. Генетический алгоритм, его применение для оптимизации нейросетей. Система моделирования нейронных сетей Trajan 2.0.
дипломная работа [2,3 M], добавлен 13.10.2015Применение нейрокомпьютеров на российском финансовом рынке. Прогнозирование временных рядов на основе нейросетевых методов обработки. Определение курсов облигаций и акций предприятий. Применение нейронных сетей к задачам анализа биржевой деятельности.
курсовая работа [527,2 K], добавлен 28.05.2009Понятие и свойства искусственных нейронных сетей, их функциональное сходство с человеческим мозгом, принцип их работы, области использования. Экспертная система и надежность нейронных сетей. Модель искусственного нейрона с активационной функцией.
реферат [158,2 K], добавлен 16.03.2011Простейшая сеть, состоящая из группы нейронов, образующих слой. Свойства нейрокомпьютеров (компьютеров на основе нейронных сетей), привлекательных с точки зрения их практического использования. Модели нейронных сетей. Персептрон и сеть Кохонена.
реферат [162,9 K], добавлен 30.09.2013Технологии решения задач с использованием нейронных сетей в пакетах расширения Neural Networks Toolbox и Simulink. Создание этого вида сети, анализ сценария формирования и степени достоверности результатов вычислений на тестовом массиве входных векторов.
лабораторная работа [352,2 K], добавлен 20.05.2013
