(3.238.235.155) 您好!臺灣時間:2021/05/16 07:44
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:胡芳齊
研究生(外文):Fang-Chi Hu
論文名稱:應用混合遺傳和弦演算法結合倒傳遞類神經網絡於台灣地區熱軋鋼品價格漲跌之預測
論文名稱(外文):Applying Hybrid GAHS-based BPN in Predicting the Price Fluctuation in Taiwan Hot Rolling Steel Products
指導教授:邱垂昱邱垂昱引用關係
指導教授(外文):Chui-Yu Chiu
口試委員:梁韵嘉范書愷
口試日期:2016-06-16
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
畢業學年度:104
語文別:中文
中文關鍵詞:混合式預測模型倒傳遞類神經網路和弦演算法遺傳演算法鋼鐵產業
外文關鍵詞:Hybrid Pridiction ModelBack-Propagation NetworkHarmony Search AlgorithmGenetic AlgorithmSteel Industry
相關次數:
  • 被引用被引用:2
  • 點閱點閱:60
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
鋼鐵產業的發展受全球市場的影響,屬於經濟與工業發展的基礎。「重工業之母」之稱的鋼鐵產業,亦是衡量國家經濟與社會發展之重要指標。
研究預測台灣鋼品價格相關文獻尚鮮少,本研究期望在投入眾多影響因素下,以遺傳演算法(GA)之機制篩選出影響鋼品價格最為顯著之平均期數及以和弦演算法(HS)之機制篩選出影響鋼品價格最為顯著之權重,透過加權移動平均法(WMA)判斷下一個月鋼品價格漲跌,並建立一套鋼鐵成品價格漲跌之預測模型,可進而做為台灣鋼鐵產業整體在研究與經營決策時之參考。
本研究提出之兩種模型GA-BPN-MA及GAHS-BPN-WMA相互比較分析之下,可得知預測時程愈近準確率愈高;且可證明經由GA產生之期數並利用HS給予權重結合加權移動平均法在短期的預測下有顯著證據證明優於結合移動平均法之模型。
Development of the steel industry affected by global markets, is the basic for ecnoimc and industrial development and the steel industry called the mother of heavy industry also a important indicators on measure the nation economic and social development.
The literature about the prediction of steel products price are rarely, this study expectations at put many factors, using the mechanism of GA and HS to filter the most significant average term and the most significant weighted for affected the steel products price, through WMA to analyze the price fluctuation next month, and conduct the prediction systems, thus can be used as Taiwan steel industry as a whole with researching and making business decisions.
This study purposes two models, GA-BPN-MA and GAHS-BPN-WMA, under comparative analysis, that can predict much higher accuracy from the recent timing, and it can prove the term from GA and give it weighted from HS to combined WMA in short-term prediction has significant evidence that is better than the model combined MA.
摘 要 I
ABSTRACT II
誌 謝 IV
目 錄 V
表目錄 VII
圖目錄 X
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 研究限制與範圍 4
1.4 研究結構與流程 5
第二章 文獻探討 6
2.1 鋼鐵產業之分析 6
2.1.1 鋼鐵產業之簡介 6
2.1.2 台灣鋼鐵產業之發展結構 8
2.1.3 鋼鐵產業之主要製程分析 11
2.1.4 鋼鐵冶煉業之製程分析 13
2.1.5 鋼鐵產業之關聯性 15
2.1.6 鋼鐵相關文獻探討 18
2.1.7 鋼品價格決定因素 20
2.2 時間序列 22
2.2.1 時間序列之分析 22
2.2.2 時間序列之預測 24
2.2.3 時間序列之相關文獻 27
2.3 類神經網絡 29
2.3.1 類神經網絡簡介 29
2.3.2 類神經網路之運作 32
2.3.3 類神經網絡之分類 32
2.3.4 倒傳遞類神經網絡 34
2.3.5 類神經網絡之相關文獻 38
2.4 遺傳演算法 39
2.4.1 遺傳演算法之簡介 39
2.4.2 遺傳演算法之架構 40
2.4.3 遺傳演算法之相關文獻 45
2.5 和弦搜尋演算法 47
2.5.1 和弦搜尋演算法之簡介 47
2.5.2 和弦搜尋演算法之架構 48
2.5.3 和弦搜尋演算法之相關文獻 53
第三章 研究方法 54
3.1 選定預測鋼品 54
3.2 資料來源與期間 56
3.3 實驗架構 59
3.3.1 資料前處理 59
3.3.2 實驗結果分析 62
3.3.3 績效評估 63
3.3.4 假設檢定 64
3.4 模型建構 65
3.4.1 混和遺傳和弦演算法結合倒傳遞類神經網絡與加權移動平均法模型之建構 65
3.4.2 遺傳演算法結合倒傳遞類神經網絡與移動平均法模型之建構 70
第四章 結果與討論 74
4.1 運算環境設定 74
4.2 熱軋鋼板捲實驗結果 74
4.2.1 一個月 GA-BPN-MA及GAHS-BPN-WMA實驗結果比較 75
4.2.2 三個月 GA-BPN-MA及GAHS-BPN-WMA實驗結果比較 83
4.2.3 六個月 GA-BPN-MA及GAHS-BPN-WMA實驗結果比較 91
4.3 熱軋不鏽鋼板捲實驗結果 99
4.3.1 一個月 GA-BPN-MA及GAHS-BPN-WMA實驗結果比較 99
4.3.2 三個月 GA-BPN-MA及GAHS-BPN-WMA實驗結果比較 108
4.3.3 六個月 GA-BPN-MA及GAHS-BPN-WMA實驗結果比較 116
4.4 實驗結果比較與分析 124
第五章 結論與建議 127
5.1 結論 127
5.2 未來研究建議 128
參考文獻 129
連結至畢業學校之論文網頁點我開啟連結
註: 此連結為研究生畢業學校所提供,不一定有電子全文可供下載,若連結有誤,請點選上方之〝勘誤回報〞功能,我們會盡快修正,謝謝!
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top