基于投影寻踪和BP神经网络的多因素预测模型

文章运用投影寻踪方法,在不改变训练样本分类质量的条件下,按照输入影响因素相对于输出的重要度的大小,确定BP神经网络的输入层变量维数。通过对样本的学习,建立投影寻踪BP神经网络(PPCBPN)多因素预测模型,将其用于国际黄金价格预测。结果表明,该方法减少了网络的训练时间,改善了学习效率,具有较高的预测精度,是可行和有效的。