跳到主要內容

臺灣博碩士論文加值系統

(44.192.94.177) 您好!臺灣時間:2024/07/21 22:25
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:莊竣安
研究生(外文):Chun-An Chuang
論文名稱:應用混合和弦粒子群演算法結合倒傳遞類神經網路於台灣地區建築鋼材價格漲跌之預測
論文名稱(外文):Applying HSPSO-based BPN in Predicting the Taiwan Building Steel Price
指導教授:邱垂昱邱垂昱引用關係
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:工業工程與管理研究所
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:預測、最佳化、和弦演算法、粒子群演算法、倒傳遞類神經網路
外文關鍵詞:PredictOptimizationHarmony SearchParticle Swarm OptimizationBPN
相關次數:
  • 被引用被引用:1
  • 點閱點閱:155
  • 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:1
  鋼鐵工業有「重工業之母」之美稱,其對整個工業發展影響甚大,常被視為國力強弱的象徵,也是評估一個國家工業發展程度的重要指標。鋼鐵工業是產業關聯度較高的素材產業,其發展直接影響著與其相關的國防工業及建築、機械、造船、汽車、家電等行業。因此本研究欲透過自行建立預測系統進行鋼鐵成品價格漲跌幅預測,提供鋼鐵業者作為採購時機與採購數量之評斷準則,進而提升台灣鋼鐵產業整體的經營績效。。
  本研究為探討建築鋼品於兩種價格漲跌預測模型下,和弦倒傳遞類神經HSBPN及混合和弦粒子群倒傳遞類神經HSPSOBPN進行預測實驗並進行比較。研究結果證實鋼筋於HSPSOBPN預測系統較HSBPN預測系統能達到較高的方向準確率,於鋼筋透過HBMOSOM預測系統可得到較高的預測準確率,而H型鋼於HSBPN預測系統則有較佳的預測效率,兩種鋼品於預測模型發現皆適合於一個月之預測區間。
Steel industry has always enjoyed the reputation of the mother of heavy industry. It has a great influence on industrial development, and is often considered as a symbol of national strength. Also, it is an important index of evaluating the industrial development level of a nation.
Steel industry is characterized by high industry linkage, and its development has an direct impact on the related industries such as national defense industry, construction, machinery, shipbuilding industry, automotive industry, appliance industry and so on. As a result, this study is going to predict the price change of steel finishing products by self-establised prediction system, afford a judgement criteria for procurement time and quantity to steel and iron traders, and in further enhace overall business performance of Taiwan steel industry.
This study is to probe steel building products by two kinds of price change prediction models and then make a comparation. One of the models is Harmony Search Back-propagation Neural Network(HSBPN) and the other is Harmony Search Particle Swarm Optimization Back-propagation Neural Network(HSPSOBPN). The result of the study shows that rebar prediction under HSPSOBPN prediction system reaches a higher direction accuracy than HSBPN prediction system. However, H-Beam has a better prediction efficiency in HSBPN prediction system. The two steel products are also suitable for one month prediction interval.
摘 要 i
ABSTRACT ii
誌 謝 iv
表目錄 vii
圖目錄 ix
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研究流程與架構 3
1.4研究限制 5
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鋼鐵產業主要製程與特性 8
2.1.3台灣鋼鐵產業發展階段 11
2.2鋼鐵價格決定因素 17
2.3和弦演算法 21
2.3.1和弦演算法之發展背景 21
2.3.2和弦演算法之之流程介紹 21
2.3.3 和弦演算法之相關文獻 23
2.4粒子群最佳化 25
2.4.1粒子群最佳化之發展背景 25
2.4.2粒子群最佳化演算法之流程介紹 26
2.4.3粒子群最佳化演算法之相關文獻 28
2.5類神經網路 30
2.5.1 類神經網路簡介 30
2.5.2 類神經網路分類 32
2.5.3 倒傳遞類神經網路 33
2.5.4 倒傳遞類神經之相關文獻 37
2.6 時間序列 38
2.6.1 時間序列之分析 38
2.6.2 時間序列之預測 39
2.6.3 時間序列之相關文獻 42
第三章 研究架構 44
3.1實驗架構 44
3.2研究資料來源 44
3.2.1預測鋼品選定 45
3.2.2資料來源與預測區間 46
3.2.3資料前處理 51
3.4預測模型 51
3.4.1和弦演算法結合倒傳遞類神經網路之模型 51
3.4.2和弦與粒子群演算法結合倒傳遞類神經網路之模型 54
第四章 實驗結果與分析 59
4.1實驗設定 59
4.1.1運算環境設定 59
4.1.2 BPN參數設定 59
4.1.3 HS參數設定 59
4.1.4 PSO參數設定 60
4.2 鋼筋之實驗數據 60
4.2.1 HSBPN模型之訓練實驗結果 61
4.2.2 HSBPN模型之測試實驗結果 65
4.2.3 HSPSOBPN模型之訓練實驗結果 66
4.2.4 HSPSOBPN模型之測試實驗結果 71
4.2.4 兩種實驗模型結果分析 73
4.3 H型鋼之實驗數據 75
4.3.1 HSBPN模型之訓練實驗結果 75
4.3.2 HSBPN模型之測試實驗結果 80
4.3.3 HSPSOBPN模型之訓練實驗結果 82
4.2.4 HSPSOBPN模型之測試實驗結果 86
4.3.4 兩種實驗模型結果分析 88
五章 結論與建議 91
5.1 結論 91
5.2 未來研究與建議 92
參考文獻 93
Geem, Z. W. , 2007. Optimal Scheduling of Multiple Dam System Using Harmony Search Algorithm. In F. Sandoval, A. Prieto, J. Cabestany, & M. Graña (Eds.), Computational and Ambient Intelligence: 9th International Work-Conference on Artificial Neural Networks, IWANN 2007, San Sebastián, Spain, June 20-22, 2007. Proceedings (pp. 316-323). Berlin, Heidelberg: Springer Berlin Heidelberg.
Kennedy, J., & Eberhart, R. , 1995. Particle swarm optimization. Paper presented at the Neural Networks, 1995. Proceedings., IEEE International Conference on.
Kennedy, J., & Spears, W. M. , 1998. Matching algorithms to problems: an experimental test of the particle swarm and some genetic algorithms on the multimodal problem generator. Paper presented at the Evolutionary Computation Proceedings, 1998. IEEE World Congress on Computational Intelligence., The 1998 IEEE International Conference on.
Lee, K. S., & Geem, Z. W. , 2005. A new meta-heuristic algorithm for continuous engineering optimization: harmony search theory and practice. Computer Methods in Applied Mechanics and Engineering, 194(36–38), 3902-3933.
Reynolds, C. W. , 1987. Flocks, herds and schools: A distributed behavioral model. SIGGRAPH Comput. Graph., 21(4),
Sheikholeslami, R., Zecchin, A. C., Zheng, F., & Talatahari, S. , 2015. A hybrid cuckoo–harmony search algorithm for optimal design of water distribution systems. Journal of Hydroinformatics.
Shi, Y., & Eberhart, R. C. , 1998. Parameter selection in particle swarm optimization. In V. W. Porto, N. Saravanan, D. Waagen, & A. E. Eiben (Eds.), Evolutionary Programming VII: 7th International Conference, EP98 San Diego, California, USA, March 25–27, 1998 Proceedings (pp. 591-600). Berlin, Heidelberg: Springer Berlin Heidelberg.
Shiqiang, D., Wanshe, L., & Kai, C. , 2006. A Learning Algorithm of Artificial Neural Network Based on GA - PSO. Paper presented at the 2006 6th World Congress on Intelligent Control and Automation.
Zong Woo Geem, Joong Hoon Kim, & Loganathan, G. V. , 2001. A New Heuristic Optimization Algorithm: Harmony Search. Simulation, 76(2), 60-68.
行政院主計處,2011,中華民國行業標準分類(第九次修訂),台北市。
何慶雍,1998,鋼品國內供需及其競爭力之調查分析,台灣鋼鐵工業同業公會,台北市。
呂佳芹,2009,應用時間序列、演化式類神經網路與灰預測方法在匯率預測績效之比較,碩士論文,朝陽科技大學財務金融系碩士班,台中市。
李倩瑜,2014,應用基因演算法結合時間序列於台灣地區鋼鐵價格漲跌幅之預測,碩士論文,國立國立臺北科技大學工業工程與管理系碩士班,台北市。
林秀貞,2007,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碩士在職專班,桃園縣。
林益正,2008,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,高雄市。
林偉凱 ,2015, 台灣綠建築發展的回顧與 103~108 年鋼材需求展望,中華民國鋼結構協會,台北市。
林詩彥,2006,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,桃園縣。
施柏州,2012,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,碩士論文,國立國立臺北科技大學工業工程與管理系碩士班,台北市。
徐世輝,2005,應用統計學(第二版),華泰文化,台北市。
徐嘉良,2013,應用灰關聯分析與類神經網路預測黃金現貨價格方向之初探研究,碩士論文,義守大學財務金融學系碩士在職專班,高雄市。
翁怡欣,2013,應用蜜蜂繁殖演化結合自組織映射圖網路於台灣地區鋼鐵價格漲跌幅之預測,碩士論文,國立國立臺北科技大學工業工程與管理系碩士班,台北市。
張邱捷,2014,混合量子二進制粒子群演算法與 支持向量機作短期負載預測,碩士論文,國立國立臺北科技大學電機工程研究所,台北市。
張建炳,2015,利用不變矩及倒傳遞類神經網路辨識貨櫃號碼,碩士論文,國立臺灣海洋大學輪機工程學系,基隆市。
郭彥秀、黃士滔,2008,應用模糊資料包絡分析法評估鋼鐵業企業績效,工程科技與教育學刊, 5(3),頁 477-496。
陳功興,2006,。便利商店鮮食商品銷售預測模式之研究-探討類神經網路與平假日移動平均法的比較,碩士論文,國立高雄第一科技大學行銷與流通管理所,高雄市。
陳昌捷,2015,以倒傳遞類神經網路預測股市指數,碩士論文,國立宜蘭大學多媒體網路通訊數位學習碩士在職專班,宜蘭縣。
陳金在,2003,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,國立成功大學高階管理碩士在職專班,台南市。
陳建任,2011, 台灣鋼鐵產業發展趨勢與鋼價展望,金屬工業研究發展中心,台北市。
陳思源,2008,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,高雄市。
陳清良,2014,應用類神經網路與粒子群演算法於冰水主機負載分配最佳化,碩士論文,國立國立臺北科技大學冷凍空調工程系所,台北市。
陳聖宗,2014,應用調和搜尋演算法於結構最佳化之研究,碩士論文,淡江大學航空太空工程學系碩士班,新北市。
傅思婷,2009,台灣鋼鐵工業發展政策分析,碩士論文,國立成功大學資源工程學系碩士班,台南市。
曾文彥,2009,利用粒子群演算法與類神經網絡模型預測匯率,碩士論文,國立高雄應用科技大學國際企業系,高雄市。
黃浩魁,2009,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,高雄市。
楊明德,2012,銷售預測之研究-以T公司花蓮營業處為例,碩士論文,國立東華大學管理學院高階經營管理碩士在職專班,花蓮縣。
葉怡成,2009,類神經網路模式應用與實作,儒林圖書股份有限公司,台北市。
鄒若齊,2014,台灣鋼鐵2014,台灣鋼鐵工業同業公會,台北市。
趙永昱,2002,技術分析交易法則在股市擇時之實證研究,碩士論文,國立中山大學財務管理學系研究所,高雄市。
趙孟鋙,2013,應用和弦演算法求解再生能源之動態最佳經濟調度與排放問題,碩士論文,元智大學工業工程與管理學系,桃園縣。
劉向邦,2008,以和諧搜尋演算法為基礎之混合式全域搜尋演算法求解含凹形節線成本最小成本轉運問題之研究,碩士論文,國立中央大學土木工程研究所,桃園縣。
謝秀圓,2012,不同藥品耗用類型預測暨庫存管理之研究-以某醫學中心為例,碩士論文,國立東華大學管理學院高階經營管理碩士在職專班,花蓮縣。
羅慕君,2004,短期訂單預測模型之研究─PDA產業為例,碩士論文,中原大學資訊管理研究所,桃園縣。
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