基于Mexican Hat小波網(wǎng)絡(luò)的時序預(yù)測

魏浩

摘要：該文采用一種Mexican Hat函數(shù)作為小波神經(jīng)網(wǎng)絡(luò)的隱層神經(jīng)元函數(shù)，利用神經(jīng)網(wǎng)絡(luò)工具箱方法對石油探明儲量進(jìn)行時序預(yù)測，仿真實驗表明，該預(yù)測模型預(yù)測精度優(yōu)于Morlet小波函數(shù)構(gòu)成的網(wǎng)絡(luò)，比BP網(wǎng)絡(luò)性能更好。

關(guān)鍵詞：小波神經(jīng)網(wǎng)絡(luò);Mexican Hat小波函數(shù);工具箱;石油探明儲量;預(yù)測

中圖分類號：TP393? ? ? ? 文獻(xiàn)標(biāo)識碼：A

文章編號：1009-3044（2019）25-0225-02

石油探明儲量增長趨勢預(yù)測對于油氣規(guī)劃具有重要意義，預(yù)測結(jié)果的合理性主要取決于預(yù)測方法或模型的適用性等。采用石油探明儲量的時間序列進(jìn)行趨勢預(yù)測能較好地反映內(nèi)部特點，該方法是根據(jù)歷史數(shù)據(jù)遞推后續(xù)數(shù)據(jù)，對數(shù)據(jù)要求低，通常只需一維數(shù)據(jù)序列就能進(jìn)行預(yù)測，但一般方法預(yù)測精確度較低，數(shù)據(jù)適應(yīng)能力差。本文采用小波神經(jīng)網(wǎng)絡(luò)進(jìn)行時間序列建立預(yù)測模型，可以提高預(yù)測精度。

小波神經(jīng)網(wǎng)絡(luò)有小波分析良好的時頻局部化性質(zhì)又有神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)、魯棒性和非線性函數(shù)逼近能力等，目前應(yīng)用廣泛。小波網(wǎng)絡(luò)具有伸縮因子、平移因子，因此比一般的神經(jīng)網(wǎng)絡(luò)具有更多的自由度和函數(shù)逼近能力，學(xué)習(xí)速度快等特點。

本文采用一種基于Mexican Hat小波函數(shù)取作神經(jīng)網(wǎng)絡(luò)的隱層函數(shù)，利用神經(jīng)網(wǎng)絡(luò)工具箱的方法對石油探明儲量的時序預(yù)測，通過仿真實驗說明有效性。

1 隱層神經(jīng)元激勵函數(shù)

隱層激勵函數(shù)是決定神經(jīng)網(wǎng)絡(luò)性能與品質(zhì)的主要因素，可以選擇相當(dāng)廣泛的函數(shù)類，如 Sigmoid、Gauss、樣條函數(shù)等，不同的小波基函數(shù)性能不同，本文采用Mexican hat小波作為激勵函數(shù)，但也可取Morlet小波函數(shù)或其他小波函數(shù)。

預(yù)測結(jié)果如圖2所示，詳細(xì)數(shù)據(jù)如表1所示。圖中，“*”為實際值，“o”表示預(yù)測值。采用絕對平均百分誤差計算。預(yù)測結(jié)果：MAPE=5.86% ，最大值預(yù)測精度值為10.9920% ，將網(wǎng)絡(luò)訓(xùn)練與預(yù)測過程編制為一個程序，運(yùn)行時間總計為1.1322s。

5 預(yù)測結(jié)果對比分析

同時采用Morlet小波神經(jīng)網(wǎng)絡(luò)工具箱、BP神經(jīng)網(wǎng)絡(luò)工具箱對圖2數(shù)據(jù)進(jìn)行同樣的實驗，將BP、Morlet小波網(wǎng)絡(luò)、Mexican Hat小波網(wǎng)絡(luò)工具箱3種方法預(yù)測結(jié)果列表如表1所示。

由表1可知，本文采用的Mexican Hat小波神經(jīng)網(wǎng)絡(luò)工具箱預(yù)測精度最高，達(dá)到MAPE=5.8466%，其次是Morlet小波網(wǎng)絡(luò)工具箱，BP神經(jīng)網(wǎng)絡(luò)工具箱預(yù)測結(jié)果最差，多次實驗難以得到合理的結(jié)果，表明BP神經(jīng)網(wǎng)絡(luò)很難適應(yīng)本數(shù)據(jù)。由于小波神經(jīng)網(wǎng)絡(luò)具有良好的特征提取能力，因此獲得了較好的結(jié)果。

6 結(jié)論

采用一種Mexican Hat小波神經(jīng)網(wǎng)絡(luò)工具箱，對石油探明儲量進(jìn)行預(yù)測實驗，表明其數(shù)據(jù)處理能力比編程實現(xiàn)小波神經(jīng)網(wǎng)絡(luò)好很多，具有很強(qiáng)的魯棒性和實用性。仿真實驗證明了所采用方法的有效性和實用性。

參考文獻(xiàn)：

[1] 楊一文，劉貴忠，張宗平，等. 基于小波網(wǎng)絡(luò)的非線性時間序列預(yù)測及其在股市中的應(yīng)用[J].模式識別與人工智能，2001，2（14） .

[2]? 潘玉民，鄧永紅，張全柱.小波神經(jīng)網(wǎng)絡(luò)模型的確定性預(yù)測及應(yīng)用[J].計算機(jī)應(yīng)用，2013，33（4）.

[3] http：//www.bp.com/statisticalreview.

【通聯(lián)編輯：代影】