样本21 样本22 样本23 样本24 样本25 样本26 样本27 样本28 样本29 样本30 46.28 44.51 43.6 40.06 36.22 33.87 39.91 38.98 35.35 37.71 45.2399 43.8719 43.5258 40.2142 37.6540 35.0539 39.7849 37.3594 36.2165 37.0993 1.0401 0.6381 0.0742 0.1542 1.4340 1.1839 0.1251 1.6206 0.8665 0.6107 2.24% 1.43% 0.17% 0.38% 3.91% 3.49% 0.31% 4.15% 2.45% 1.61%
经统计，30个预测样本的平均误差为2.04%，总体效果较好，说明使用神经网络进行时间序列的预测是可行的。
30
五、结论
（一）实验结论
1．结论
人工神经网络特有的非线性、并行性、自组织的信息处理能力，克服了传统预测方法对于非结构化信息处理方面的缺陷，使人工神经网络在时间预测领域得到初步的成功应用。由于三层前向型神经网络具有逼近任意复杂连续函数关系的能力，而这些能力正是传统预测方法所不具有的。因此这种类型的网络非常适用于对混沌非线性序列进行预测，在具体使用中，不需要对所分析的时间序列作任何假设，仅用一个神经网络来拟合该非线性序列即可。
2．实验中的不足
（1）训练时设置的误差目标值为0.01，但是训练结束后的误差并没有无限趋近0.01，如果加大训练样本数据量可能会改善这一问题。
（2）隐层节点数的确定存在诸多问题，由于我做过的实验较少，只能根据前人总结的公式确定了隐层节点的个数，这可能也是实验结果不是很理想的一个原因。
3．BP网络的局限性
BP网络的应用十分广泛，但这并不说明它是完美的。BP网络的局限性主要有学习率与稳定性的矛盾、学习率的选择缺乏有效的方法、训练过程可能陷入局部最小以及没有确定隐层节点数的有效方法。
随着人工神经网络的不断发展，BP网络受关注程度日益加深，BP网络中的局限性也会被人们逐渐克服的。
（二）前景展望
时间序列预测在生活中应用日益广泛，人工神经网络作为时间序列预测的重要方法也将会受到更多的重视，将有更广阔的发展空间。加上：用于经济、金融，对投资、经济建设有着指导意义。等等
31
参考文献（排版格式不对）
［1］时间序列预测．百度百科．
［2］祝金荣．浅析石油期货价格的形成机制．中国论文下载中心．
［3］2009-2012中国石油市场运行态势与发展前景咨询报告．慧典市场研究报告网 http://www.hdcmr.com/．
［4］周开利，康耀红．神经网络模型及其MARTLAB仿真程序设计．北京：清华大学出版社．
［5］贾丽会，张修如．BP算法分析与改进．计算机技术与发展2006年第10期． ［6］袁曾任．人工神经网络及其应用．北京：清华大学出版社． ［7］MATLAB．百度百科．
［8］飞思科技产品研发中心．MATLAB6.5辅助神经网络分析与设计． 北京： 电子工业出版社．
［9］重庆大学数学系．数学实验．科学出版社．
［10］余晓红．BP神经网络的MATLAB编程实现及讨论．浙江交通职业技术学院学报2007年12月第8卷第4期．
［11］周黄斌，周永华，朱丽娟．基于MATLAB的改进BP神经网络的实现与比较．计算机与自动化2008年第1期．
32
致谢
经过近半年的忙碌和工作，本次毕业论文设计已经接近尾声，作为一个本科生的毕业论文，由于经验的匮乏，难免有许多考虑不周全的地方，如果没有导师的督促指导，想要完成这个设计是难以想象的。
在论文写作过程中，得到了冯居易老师的亲切关怀和耐心的指导。她严肃的科学态度，严谨的治学精神，精益求精的工作作风，深深地感染和激励着我。从课题确定后，冯老师都始终给予我细心的指导和不懈的支持，从论文初期的资料收集到后期定稿，冯老师都给予精心指导，她的治学严谨和科学研究的精神也是我永远学习的榜样，并将积极影响我今后的学习和工作。在此谨向冯老师致以诚挚的谢意。
33