基本信息
案例ID:211960
技術(shù)顧問:玉笛清風(fēng) - 5年經(jīng)驗(yàn) - 西安峰頻能源科技有限公司

項(xiàng)目名稱:基于神經(jīng)網(wǎng)絡(luò)的鋼材水泥價格預(yù)測
->查看更多案例案例ID:211960
技術(shù)顧問:玉笛清風(fēng) - 5年經(jīng)驗(yàn) - 西安峰頻能源科技有限公司
項(xiàng)目名稱:基于神經(jīng)網(wǎng)絡(luò)的鋼材水泥價格預(yù)測
->查看更多案例
主要基于人工神經(jīng)網(wǎng)絡(luò)分析,分別預(yù)測水泥價格和鋼材價格。
模型構(gòu)建及測試過程如下:
Step1:分割訓(xùn)練集及測試集:隨機(jī)采樣,抽取整個數(shù)據(jù)集的80%作為訓(xùn)練集,剩余20%作為測試集,并且訓(xùn)練集和測試集之間沒有交集。其中,訓(xùn)練集用于模型訓(xùn)練;測試集用于模型(根據(jù)訓(xùn)練集訓(xùn)練得到)測試。
Step2:訓(xùn)練集歸一化:自變量和因變量均采用Z-Score標(biāo)準(zhǔn)化方法進(jìn)行歸一化,使得數(shù)據(jù)滿足0-1正態(tài)分布,且消除量綱影響,更加有利于模型的準(zhǔn)確率。同時,分別保留訓(xùn)練集中自變量和因變量的歸一化結(jié)構(gòu)參數(shù)。
Step3:模型訓(xùn)練:采用訓(xùn)練集歸一化后的數(shù)據(jù),進(jìn)行“LSTM神經(jīng)網(wǎng)絡(luò)”模型訓(xùn)練,保留模型的網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)。
Step4:測試集歸一化:根據(jù)訓(xùn)練集中自變量歸一化結(jié)構(gòu)參數(shù),對測試集中的自變量進(jìn)行歸一化處理。
Step5:模型測試:分別根據(jù)訓(xùn)練好的兩種模型,對測試集歸一化后的自變量數(shù)據(jù),進(jìn)行回歸預(yù)測,保留預(yù)測結(jié)果。
Step6:測試結(jié)果反歸一化:根據(jù)訓(xùn)練集中因變量歸一化結(jié)構(gòu)參數(shù),對模型測試結(jié)果進(jìn)行反歸一化。
Step7:模型評估。由于是回歸問題,常用的評估指標(biāo)為R2和RMSE。其中,R2指擬合優(yōu)度,RMSE是均方根誤差。R2衡量模型擬合效果的優(yōu)劣,一般介于[0,1]之間,越大越好;RMSE用于刻畫擬合誤差,越小越好。