一、如何利用訓練好的神經(jīng)網(wǎng)絡進行預測

預測的時候還是將需要的參數(shù)作為輸入。訓練的時候不是有15組樣本嗎（4*15和6*15的），說明輸入節(jié)點數(shù)為4，輸出節(jié)點數(shù)為6。因此預測時，將用于預測的4個參數(shù)作為輸入，神經(jīng)網(wǎng)絡的6個輸出即為預測結(jié)果。神經(jīng)網(wǎng)絡因其很好的函數(shù)逼近能力而被廣泛應用于非線性系統(tǒng)建模、辨識和控制中。根據(jù)應用場合的不同,神經(jīng)網(wǎng)絡可分為靜態(tài)和動態(tài)神經(jīng)網(wǎng)絡兩類。靜態(tài)(或前饋)神經(jīng)網(wǎng)絡沒有反饋成分,也不包含輸人延時,輸出直接由輸人通過前向網(wǎng)絡算出;動態(tài)神經(jīng)網(wǎng)絡的輸出不僅依賴當前的輸人,還與當前和過去的輸入、輸出有關(guān)。

二、如何利用訓練好的神經(jīng)網(wǎng)絡進行預測

預測的時候還是將需要的參數(shù)作為輸入。訓練的時候不是有15組樣本嗎（4*15和6*15的），說明輸入節(jié)點數(shù)為4，輸出節(jié)點數(shù)為6。因此預測時，將用于預測的4個參數(shù)作為輸入，神經(jīng)網(wǎng)絡的6個輸出即為預測結(jié)果。神經(jīng)網(wǎng)絡因其很好的函數(shù)逼近能力而被廣泛應用于非線性系統(tǒng)建模、辨識和控制中。根據(jù)應用場合的不同,神經(jīng)網(wǎng)絡可分為靜態(tài)和動態(tài)神經(jīng)網(wǎng)絡兩類。靜態(tài)(或前饋)神經(jīng)網(wǎng)絡沒有反饋成分,也不包含輸人延時,輸出直接由輸人通過前向網(wǎng)絡算出;動態(tài)神經(jīng)網(wǎng)絡的輸出不僅依賴當前的輸人,還與當前和過去的輸入、輸出有關(guān)。

三、如何得到神經(jīng)網(wǎng)絡預測結(jié)果

如果你用9——11年的數(shù)據(jù)不經(jīng)過預測12——19年的數(shù)據(jù)就想得到第20年的數(shù)據(jù)的做法是不合理的，神經(jīng)網(wǎng)絡的預測講求時間序列的連續(xù)性，你可以在編寫maltab程序的時候才用遞歸的方法調(diào)用神經(jīng)網(wǎng)絡工具箱，加上對預測數(shù)據(jù)進行一定的格式操作就可以了，這樣你想讀到第幾年的數(shù)據(jù)都行。

四、如何用人工神經(jīng)網(wǎng)絡確定指標體系的權(quán)重？

說的確定應該就是訓練方法吧，神經(jīng)網(wǎng)絡的權(quán)值不是人工給定的。而是用訓練集（包括輸入和輸出）訓練，用訓練集訓練一遍稱為一個epoch，一般要許多epoch才行，目的是使得目標與訓練結(jié)果的誤差(一般采用均方誤差）小到一個給定的閾值。以上所說是有監(jiān)督的學習方法，還有無監(jiān)督的學習方法。

五、如何用神經(jīng)網(wǎng)絡進行時間序列預測

將時間序列拆開，組織訓練樣本。參考附件的例子，用的是BP神經(jīng)網(wǎng)絡。 BP（Back Propagation）神經(jīng)網(wǎng)絡是86年由Rumelhart和McCelland為首的科學家小組提出，是一種按誤差逆?zhèn)鞑ニ惴ㄓ柧毜亩鄬忧梆伨W(wǎng)絡，是目前應用最廣泛的神經(jīng)網(wǎng)絡模型之一。BP網(wǎng)絡能學習和存貯大量的輸入-輸出模式映射關(guān)系，而無需事前揭示描述這種映射關(guān)系的數(shù)學方程。它的學習規(guī)則是使用最速下降法，通過反向傳播來不斷調(diào)整網(wǎng)絡的權(quán)值和閾值，使網(wǎng)絡的誤差平方和最小。BP神經(jīng)網(wǎng)絡模型拓撲結(jié)構(gòu)包括輸入層（input）、隱層(hidden layer)和輸出層(output layer)。