BP 神经网络在船舶订单预测中的应用
献
[3]
提出用AHP 和BP 神经网络建模, 思想是用AHP 对BP 神经网络的输入层进
行优化, 然后将优化后的序列作为输入层进行预测。但这种方法需要有非常完
备的数据和信息。该文献需要湖南省1981~2005年的GDP、第一产业产值、第二
产业产值、第三产业产值、地区零售总额、进出口总额和人均消费水平等7个系
列指标来对神经网络进行训练。这样模型显然是具有局限性的,它不能解决原
始数据少、数据残缺等问题。
而文献
[4]
直接用BP网络神经模型对时间序列进行训练,而没有很好的考虑
到不同的时间序列对于输出值的影响,显然越是靠近考察时期的时间序列对于
考察期的预测的影响越大,换句话说就是权重越大。文献
[5]
利用BP 网络很强的
非线性映射功能模拟影响股票的相关因素与股票开盘价收盘价之间的关系建立
了基于BP神经网络的股票预测系统用2004年的沪市证券数据进行了验证结果表
明此方法不仅收敛速度快预测精度高而且具有一定应用价值。戴宝印
[6]
根据中
国船舶工业行业协会统计结果,看到2009年上半年全国船舶行业70户重点监测
企业造船完工量1 233万载重吨,同比增长60.2%,新承接船舶订单546万载重吨,
同比下降80.7%;截至6月底,手持船舶订单16 793万载重吨,比年初有较大幅
度下降。所以在订单不足、造船能力快速释放的阶段,如何确保订单的安全性
和稳定性成为当前造船企业的首要任务。从手持订单量出发,借助层次分析法
和BP 神经网络, 对2009 年我国造船行业做一个简单预测,以期对我国造船业
的发展提供借鉴和参考。
本实验报告借鉴了上述学者提出的方法,利用BP神经网络将影响我国手持
船舶订单数量的因素作为预测船舶订单数量的依据进行训练、计算和预测。
3 国内船舶市场的发展综述
3.1 国内船舶制造业发展概况及面临的问题
船舶工业是为水上交通、海洋开发和国防建设等行业提供技术装备的现代
综合性产业,也是劳动、资金、技术密集型产业,对机电、钢铁、化工、航运、
海洋资源勘采等上、下游产业发展具有较强带动作用,对促进劳动力就业、发
展出口贸易和保障海防安全意义重大。当前,世界船舶工业正在加速向劳动力、
资本丰富和工业基础雄厚的区域转移。
20世纪80年代初期,我国年造船产量仅40万吨左右,占世界造船总产量的
1%,世界排名第13位,仅为当时世界第一造船大国日本的二十分之一。改革开
放30年,船舶工业实现了快速发展。1994年,造船产量跃居世界第三,但与日、
2