改进的QPSO-BP算法的铀价格预测模型及应用

• 作者: 于凤玲 周汉陵 杨珊 陈建宏
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 价格预测 量子粒子群算法 量子粒子群算法(QPSO)-反向传播(BP)模型 铀价
• 年，卷（期）: 2013,（21）
• 所属期刊栏目: 工程与应用
• 页码范围: 235-239,244
• 页数: 6页
• 分类号: TP183|TD-9|TD983
• 字数: 4215字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1304-0374

摘要

铀产品价格的变化直接决定了铀矿项目的价值，铀产品价格的预测，可提高企业的经营决策能力和抗风险能力。为提高预测的精度，采用基于改进的量子粒子群算法优化训练BP神经网络的学习算法，对铀价格进行建模预测。采用改进的QPSO算法优化BP网络的权值与阈值。将通过优化搜索得到的粒子的位置向量解码作为网络的权值与阈值，选择网络结构5-11-1对铀价格进行预测。结果表明：QPSO-BP模型的预测精度（0.15%）高于PSO-BP模型（4.55%）与BP模型（30.86%）。泛化能力指标平均相对变动值为0.0025，预测结果的泛化能力提高。相对误差分布集中，预测结果稳定。说明该模型在铀价格预测中有效，对项目投资决策有一定的参考价值。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈建宏	中南大学资源与安全工程学院	271	2254	22.0	32.0
2	杨珊	中南大学资源与安全工程学院	55	328	11.0	16.0
3	于凤玲	中南大学资源与安全工程学院	10	81	5.0	9.0
4	周汉陵	中南大学资源与安全工程学院	5	18	2.0	4.0