跳到主要內容

臺灣博碩士論文加值系統

(3.237.38.244) 您好!臺灣時間:2021/07/26 10:41
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

我願授權國圖
: 
twitterline
研究生:施柏州
研究生(外文):Po-Chou Shih
論文名稱:應用蜜蜂繁殖演化倒傳遞類神經網路於台灣地區鋼鐵價格之預測
論文名稱(外文):Applying HBMO-based BPN in Predicting the Taiwan Steel Price
指導教授:邱垂昱邱垂昱引用關係
口試委員:范書愷蔡佩芳駱至中
口試日期:2012-07-02
學位類別:碩士
校院名稱:國立臺北科技大學
系所名稱:工業工程與管理系碩士班
學門:工程學門
學類:工業工程學類
論文種類:學術論文
論文出版年:2012
畢業學年度:100
語文別:中文
論文頁數:99
中文關鍵詞:預測最佳化蜜蜂繁殖演算法倒傳遞類神經網路
外文關鍵詞:predictoptimizationHoney-bee mating optimizationbackpropagation
相關次數:
  • 被引用被引用:12
  • 點閱點閱:347
  • 評分評分:
  • 下載下載:1
  • 收藏至我的研究室書目清單書目收藏:0
鋼鐵產業為國家建設之重要基礎工業,其產業緊密聯結著上游原物料與下游工業,因此鋼鐵產業的發展與其他產業間關係會影響一國之工業化程度,鋼鐵產業之經濟地位極為重要,各個工業化國家無不將鋼鐵產業列為重要之發展項目。然而,在國內研究鋼鐵產業之文獻較多由冶煉技術、能源替代、能源效率、經營績效、經營模式與影響鋼鐵價格之因素層面探討,而以預測鋼鐵成品價格為研究題材之文獻尚鮮少。
因此,本研究採用自行建立之蜜蜂繁殖演化倒傳遞類神經網路HBMOBPN鋼鐵成品價格預測系統,進行輸入因素篩選之實驗,並將該實驗結果與沒有因素篩選之倒傳遞類神經網路BPN鋼鐵成品價格預測實驗結果相互比較。其研究結果發現,有執行因素篩選之預測系統能夠比沒有執行因素篩選之預測系統達到更準確之鋼鐵成品價格預測。然而,沒有執行因素篩選之預測系統卻比有執行因素篩選之預測系統能夠達到更準確之鋼鐵成品價格漲跌幅預測。

The steel industry is an important basis for national construction industry. Its close link with industrial raw materials upstream and downstream industries. The evolvement of steel industry and the relationship between the steel industry and other industries will affect the industrialization of the country. The economic position of the steel industry is extremely important in all countries. However, the domestic steel industry''s research literature are almost about the smelting technology, alternative energy, energy efficiency, business performance, business model and the factors affecting the level of steel prices. The literature about the prediction of steel products price are still rarely.
This study uses the honey-bee mating optimization back-propagation network (HBMOBPN) to predict the Taiwan steel price with factors selection and uses the back-propagation network (BPN) to predict the Taiwan steel price with all factors. Then we compare the results. We found the forecasting system performed factors selection can achieve more accurate the steel price forecasts than the forecast system did not perform factors selection. But forecasting system did not perform factors selection can achieve more accurate the steel price change forecast than the prediction of the execution factors selection system.

中文摘要 i
英文摘要 ii
誌謝 iii
目錄 iv
表目錄 vi
圖目錄 vii
第一章 緒論 1
1.1 研究背景與動機 1
1.2 研究目的 3
1.3 研究方法 3
1.4 研究限制與範圍 3
1.5 研究架構與流程 4
第二章 文獻探討 6
2.1鋼鐵產業分析 6
2.1.1 鋼鐵產業之定義 6
2.1.2 鋼鐵產業之發展過程 6
2.1.3 鋼鐵產業之製程 6
2.1.4 鋼鐵產業之分類 10
2.1.5 鋼鐵產品之生產上下游關係 11
2.1.6 鋼鐵產業之特性 13
2.1.7 鋼鐵價格決定因素 15
2.2蜜蜂繁殖演算法 20
2.2.1 蜜蜂繁殖演算法之發展過程 20
2.2.2 蜂繁殖演算法之流程 23
2.3 類神經網路 30
2.3.1 類神經網路簡介 30
2.3.2 類神經網路架構 30
2.3.3 類神經網路運作 34
2.3.4 類神經網路分類 34
2.3.5 倒傳遞類神經網路 36
2.3.6 不足學習與過度學習 40
2.3.7 類神經網路於預測之應用 41
第三章 研究架構 47
3.1 實驗架構 47
3.2 資料來源與期間 48
3.3 蜜蜂繁殖演化倒傳遞類神經網路建構 54
第四章 結果與討論 58
4.1 運算環境設定 58
4.2 參數設定 58
4.2.1 HBMOBPN之參數設定 58
4.2.2 所有因素倒傳遞類神經網路之參數設定 58
4.3 BPN之預測結果 60
4.3.1 訓練樣本2年24筆且每筆樣本包含前3期資料 60
4.3.2 訓練樣本2年24筆且每筆樣本包含前7期資料 61
4.3.3 訓練樣本5年60筆且每筆樣本包含前3期資料 61
4.3.4 訓練樣本5年60筆且每筆樣本包含前7期資料 61
4.3.5 BPN預測結果分析 62
4.4 HBMOBPN之預測結果 67
4.4.1 訓練樣本2年24筆且每筆樣本包含前3期資料 67
4.4.2 訓練樣本2年24筆且每筆樣本包含前7期資料 67
4.4.3 訓練樣本5年60筆且每筆樣本包含前3期資料 68
4.4.4 訓練樣本5年60筆且每筆樣本包含前7期資料 68
4.4.5 HBMOBPN預測結果分析 68
4.5 HBMOBPN之網路架構與因素篩選結果 74
4.6 BPN與HBMOBPN之實驗結果比較與分析 75
第五章 結論與建議 78
5.1 結論 78
5.2 未來研究與建議 78
參考文獻 80
附錄A 2004年6月至2010年12月之13項因素月資料 83
附錄B 四種HBMOBPN預測實驗之網路架構與篩選因素 96

中文文獻
[1]蔡政宏,台灣地區鋼鐵產業發展過程之分析,碩士論文,國立中山大學企業管理研究所,高雄,1995。
[2]林詩彥,鋼鐵價格決定機制及影響因素分析,碩士論文,中原大學國際貿易研究所,桃園,2006。
[3]林益正,國際扁鋼胚價格決定因素之研究,碩士論文,義守大學財務金融學系碩士班,高雄,2008。
[4]林哲充,電爐煉軋鋼業動態營運模式之研究,碩士論文,國立中山大學資訊管理學系研究所,高雄,2000。
[5]蘇進祿,以資料包絡分析法評估鋼鐵產業經營績效之研究,碩士論文,國立成功大學高階管理碩士在職專班,台南,2004。
[6]何雍慶,鋼品國內供需及其競爭力之調查分析,台北:台灣鋼鐵工業同業公會,1998。
[7]行政院主計處,中華民國行業標準分類,台北:行政院主計處,2011年。
[8]台灣鋼鐵工業同業公會,參訪日期:100年10月15日,http://www.tsiia.org.tw/frontend/index.aspx。
[9]陳金在,企業轉型與國際化之實證研究-以台灣鋼鐵產業為例,碩士論文,國立成功大學管理學院企業管理研究所,台南,2003。
[10]朱珊瑩,污染防治與技術效率-臺灣地區鋼鐵工業之實証研究,碩士論文,國立中央大學產業經濟研究所,桃園,1997。
[11]黃浩魁,鋼鐵原料價格對電爐鋼廠獲利影響研究,碩士論文,國立高雄第一科技大學企業管理研究所,高雄,2008。
[12]陳思源,金磚四國經濟指標與鋼鐵價格之關聯性分析,碩士論文,國立高雄第一科技大學運籌管理所,高雄,2007。
[13]溫珮伶,散裝海運市場運價決定機制及影響因素分析,碩士論文,中原大學國際貿易研究所,桃園,2004。
[14]MOS No.4,什麼是波羅的海指數?,痞克邦PIXNET,參訪日期:100年10月15日,http://mos4.pixnet.net/blog/post/25354405。
[15]林秀貞,國際油價波動對重要營建材料成本影響之研究-以鋼筋、水泥、砂石、瀝青為例,碩士論文,國立中央大學土木工程學系,桃園,2007。
[16]黃培婷,結合蜜蜂交配演算法與支持向量機應用於專利分類,碩士論文,國立臺北科技大學工業工程與管理研究所,台北,2010。
[17]莊惟丞,蜂群最佳化之實數問題求解研究,碩士論文,東海大學工業工程與經營資訊學系,台中,2007。
[18]葉怡成,類神經網路模式應用與實作,台北:儒林出版公司,2009,第1-2至4-21頁。
[19]葉怡成,類神經網路模式應用與實作,台北:儒林出版公司,2003。
[20]臺灣博碩士論文知識加值系統,參訪日期:100年10月15日,http://ndltd.ncl.edu.tw/cgi-bin/gs32/gsweb.cgi?o=dwebmge。
[21]陳適宜,基因類神經網路在臺股指數期貨的預測與蝶式交易策略研究,碩士論文,國立臺北大學企業管理學系,台北,2009。
[22]李俊毅,應用類神經網路預測海域水質之研究-以台中港為例,碩士論文,朝陽科技大學環境工程與管理系碩士班,台中,2009。
[23]尤韻涵,台股指數開盤價格之預測-應用類神經網路及灰預測模型,碩士論文,輔仁大學經濟學研究所,台北,2008。
[24]吳東曄,應用類神經網路於預測台股指數之研究,碩士論文,國立屏東教育大學應用數學系,屏東,2008。
[25]巫雅琪,結合財務指標與經濟附加價值於類神經網路模型預測股價-以光電產業為例,碩士論文,國立臺南大學科技管理研究所碩士班,台南,2007。
[26]黃鐘億,以改良式倒傳遞類神經網路運用成分股與技術指標預測台灣50指數報酬率之研究,碩士論文,國立臺北大學企業管理學系,台北,2007。
[27]鄒杰夫,台灣上市類股股價預測模型之研究-倒傳遞類神經網路模型之應用,碩士論文,玄奘大學財務金融學系碩士班,新竹,2007。
[28]許志成,運用倒傳遞類神經網路建立飛機器材需求預測模式之研究,碩士論文,立德管理學院應用資訊研究所,台南,2006。
[29]蕭翔薰,遺傳演化類神經網路於黃金期貨價格預測之研究,碩士論文,真理大學財經研究所,台北,2006。
[30]唐淑娟,台灣地區鳳梨零售價格預測之研究-灰預測、類神經網路與預測組合之應用,碩士論文,屏東科技大學農企業管理系,屏東,2000。
[31]華文專業鋼鐵網,參訪日期:100年10月15日,http://www.steelnet.com.tw/。

英文文獻
[32]H. A. Abbass, "Marriage in honey bees optimization: a haplometrosis polygynous swarming approach," The IEEE Conference on Evolutionary Computation, Seoul, Korea, 2001, pp. 207-214.
[33]J. Teo, H. A. Abbass, An annealing approach to the mating-flight trajectories in the marriage in honey bees optimization algorithm, Sydney: University of New South Wales, 2001.
[34]H. A. Abbass, "An agent based approach to 3-SAT using marriage in honey-bees optimization," International Journal of Knowledge-based Intelligent Engineering Systems, vol. 6, no. 8, 2002, pp. 1-8.
[35]O. B. Haddad, A. Afshar and M. A. Marino, "Honey-Bees Mating Optimization (HBMO) Algorithm: A New Heuristic Approach for Water Resources Optimization," Water Resour Manag, vol. 20, no. 5, 2006, pp. 661-680.
[36]Y. Marinakis, Magdalene Marinaki and Georgios Dounias, "Honey Bees Mating Optimization Algorithm for the Vehicle Routing Problem," Studies in Computational Intelligence (SCI), vol. 129, 2008, pp. 139-148.
[37]R. J. Liou, "Multi-level Thresholding Selection by using the Honey Bee Mating Optimization," Ninth International Conference on Hybrid Intelligent Systems, Shenyang, China, 2009, pp. 147-151.

電子全文 電子全文(本篇電子全文限研究生所屬學校校內系統及IP範圍內開放)
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top