基于神经网络的钢材水泥价格预测

人工智能其他案例ID：211960

玉笛清风

5 年经验· 西安峰频能源科技有限公司

微信扫码沟通，客服可协助直接对接工程师；如当前档期不合，也可继续推荐相似案例作者。

案例介绍

主要基于人工神经网络分析，分别预测水泥价格和钢材价格。
模型构建及测试过程如下：
Step1:分割训练集及测试集：随机采样，抽取整个数据集的80%作为训练集，剩余20%作为测试集，并且训练集和测试集之间没有交集。其中，训练集用于模型训练；测试集用于模型（根据训练集训练得到）测试。
Step2:训练集归一化：自变量和因变量均采用Z-Score标准化方法进行归一化，使得数据满足0-1正态分布，且消除量纲影响，更加有利于模型的准确率。同时，分别保留训练集中自变量和因变量的归一化结构参数。
Step3:模型训练：采用训练集归一化后的数据，进行“LSTM神经网络”模型训练，保留模型的网络结构参数。
Step4:测试集归一化：根据训练集中自变量归一化结构参数，对测试集中的自变量进行归一化处理。
Step5:模型测试：分别根据训练好的两种模型，对测试集归一化后的自变量数据，进行回归预测，保留预测结果。
Step6:测试结果反归一化：根据训练集中因变量归一化结构参数，对模型测试结果进行反归一化。
Step7:模型评估。由于是回归问题，常用的评估指标为R2和RMSE。其中，R2指拟合优度，RMSE是均方根误差。R2衡量模型拟合效果的优劣，一般介于[0,1]之间，越大越好；RMSE用于刻画拟合误差，越小越好。