非线性动态系统的递归神经网络预测研究——对我国钢铁产量的预测分析
5292 
2808
财经研究 2004 年 第 30 卷第 11 期, 页码：27 - 34
摘要
参考文献
摘要
钢铁行业是我国国民经济的支柱产业之一,为国民经济的持续发展作出了积极的贡献。因此,对钢铁产量的预测研究已经成为一项非常重要的课题。文章使用基于数据挖掘和知识发现的人工神经网络法、时间序列分析法、递归神经网络技术来预测钢铁产量的方法,并将递归神经网络方法预测的结果与前面的两种方法的预测结果进行比较,比较的结果说明该方法是可行的。
[1]ChowWS,FangY Arecurrentneural-network-basedreal-timelearningcontrolstrategyapplyingtononlinearsystemswithunknowndynamics[J] IEEETransonNeuralNetwork,1998,45(1):151～161
[2]韦巍 一种回归神经网络的快速在线学习算法[J] 自动化学报,1998,(5).
[3]KHornik.Somenewresultsonneuralnetworksapproximation[J] NeuralNetworks,1993,Vol 6:1069～1072
[4]LeontaritisIJ,BillingsSA Input-outputparametricmodelsfornonlinearsystems,PartI:Deterministicnonlinearsystems[J] Int J Control,1985,Vol 41,No 2:303～328,329～344
[5]KuCC,LeeKY Diagonalrecurrentneuralnetworksfordynamicsystemscontrol[J]IEEETransonNeuralNetwork,1995,6,(1):144～156
[6]国家统计局 中国统计年鉴[M] 北京 中国统计出版社,2002
[7]邓祖新,SAS系统和数据分析[M] 北京:电子工业出版社,2002.
[2]韦巍 一种回归神经网络的快速在线学习算法[J] 自动化学报,1998,(5).
[3]KHornik.Somenewresultsonneuralnetworksapproximation[J] NeuralNetworks,1993,Vol 6:1069～1072
[4]LeontaritisIJ,BillingsSA Input-outputparametricmodelsfornonlinearsystems,PartI:Deterministicnonlinearsystems[J] Int J Control,1985,Vol 41,No 2:303～328,329～344
[5]KuCC,LeeKY Diagonalrecurrentneuralnetworksfordynamicsystemscontrol[J]IEEETransonNeuralNetwork,1995,6,(1):144～156
[6]国家统计局 中国统计年鉴[M] 北京 中国统计出版社,2002
[7]邓祖新,SAS系统和数据分析[M] 北京:电子工业出版社,2002.
引用本文
刘兰娟, 谢美萍. 非线性动态系统的递归神经网络预测研究——对我国钢铁产量的预测分析[J]. 财经研究, 2004, 30(11): 27–34.
导出参考文献，格式为：
