|
|
| Использование нечеткой искусственной нейронной сети TSK (Takagi, Sugeno, Kang’a) в задаче прогнозирования валютных курсов |
|
исунок 32. Зависимость САПП при прогнозировании на 3 шага на обучающей выборке в зависимости от количества правил Рисунок 33. Зависимость САПП при прогнозировании на 3 шага на проверочной выборке в зависимости от количества правил4.6 Анализ полученных результатовВо время первого экспериментального исследования ННС TSK прогнозировались валютные курсы для восьми валютных пар. Были получены значения критериев эффективности СКО и САПП. Для сравнения потенциальной эффективности ННС TSK были выбраны МЭС и ИНС с кубическими сплайнами. В результате экспериментов было установлено, что ННС TSK производит значительно более эффективное прогнозирование валютных курсов. СКО, полученное при прогнозировании рассматриваемой ИНС, было в 2-6 раз меньше, чем СКО, полученное при прогнозировании МЭС. Таким образом, ННС TSK лучше МЭС по критерию СКО. Критерий САПП, полученный при прогнозировании ННС TSK, был в 1,5-2 раза меньше, чем критерий САПП, полученный при прогнозировании МЭС. Таким образом ННС TSK по критериям СКО и САПП показала результаты лучше чем МЭС. ИНС с кубическими сплайнами и ННС TSK показали приблизительно равные показатели СКО и САПП, но в среднем ИНС с кубическими сплайнами дала прогноз на 3.5% лучше по критерию СКО и на 1% лучше по критерию САПП.Во время второго экспериментального исследования рассматривалась чувствительность ННС TSK к изменению длины обучающей выборки. Были получены следующие результаты. При увеличении длины обучающей выборки СКО и критерий САПП на обучающей выборке убывали до установившегося значения. Это свидетельствует о том, что даже безграничное увеличение длины обучающей выборки не приведет к улучшению прогноза по критерию СКО и САПП. На проверочной выборке достигался максимум по критерию СКО и САПП, а далее был спад. Можно сделать вывод, что оптимальная длина обучающей выборки составляет 50 точек. Раздел 5. Описание программного продукта5.1 Описание пользовательского интерфейсаПользовательский интерфейс был выполнен в визуальной среде программирования Delphi 7. Это позволило в сжатые сроки написать удобный пользовательский интерфейс.Пользовательский интерфейс является очень удобным и позволяет загружать данные из файла, редактировать данные в удобном для пользователя окне, подобном Microsoft Excel, и сохранять данные в файле. Так же предусмотрена возможность изменять длину обучающей выборки, память системы, количество правил, а также задавать другие параметры настройки ННС TSK.Реализована возможность сохранить настройки ННС TSK. Это является очень полезной функцией программы, т.к. время для настройки параметров растет нелинейно в зависимости от их количества и может достигать нескольких минут. Реализована возможность просмотра графиков курсов валют.5.2 Инструкция по работе с программойПри запуске программы перед пользователем появляется интерфейс, показанный на рисунке 34.Функции и процедуры, вызываемые кнопками интерфейса:«Загрузить данные» - открывает диалоговое окно, позволяющее выбрать файл с данными.«Загрузить нейросеть» - открывает диалоговое окно, позволяющее выбрать файл с параметрами ННС TSK.«Сохранить данные» - открывает диалоговое окно, позволяющее выбрать файл для сохранения данных.«Сохранить нейросеть» - открывает диалоговое окно, позволяющее выбрать файл для сохранения настроек ННС TSK.«Настройки» - открывает окно настроек, рисунок 35. В окне можно задать длину обучающей выборки, количество правил и память системы. Для того чтобы изменения вошли в силу, необходимо нажать кнопку «Сохранить и выйти». Для отмены изменений необходимо нажать кнопку «Выйти без сохранения».«Обучить нейросеть» - настраивает весовые коэффициенты ННС TSK, а также делает прогноз по имеющейся выборке. После введения данных и нажатия клавиши интерфейс пользователя принимает вид, представленный на рисунке 36.«Графики курса валюты» - открывает окно с графиками курсов валют реального и спрогнозированного на 1 шаг вперед. Пример окон проиллюстрирован на рисунках 2-9.«Графики курса валюты (3)» - открывает окно с графиками курсов валют реального и спрогнозированного на 3 шага вперед. Пример окон проиллюстрирован на рисунках 10-17.«RUN» - служит для того, чтобы получить прогноз при изменении данных в окне редактирования. При нажатии клавиши не происходит пересчет весовых коэфициентов, а только происходит прогнозирование.«Закрыть» - закрывает программу.Так же реализована возможность просмотра значений среднеквадратичного отклонения обучающей и проверочной выборки в окне пользовательского интерфейса, рисунок 34. Рисунок 34. Интерфейс при запуске программы Рисунок 35. Окно интерфейса «настройки» Рисунок 36. Интерфейс после нажатия клавиши «обучить нейросеть»4.5. Описание программыUnit 1 является основным модулем программной реализации ИНС. В Unit 1 реализованы интерфейс пользователя, рисунок 34, возможность вводить данные вручную и с файла, обучение ИНС, получение прогноза. В Unit 1 реализована главная форма из которой вызываются формы 2, 3, 4, которые программно реализованы в Unit 2, Unit 3, Unit 4. Для возможности работы с матрицами подключается модуль matrices.Основными структурами данных являются следующие массивы:а - массив реального курса валют;ap - массив спрогнозированного курса валюты на 1 шаг.ap3 - массив спрогнозированного курса валюты на 3 шага.Основными процедурами и функциями Unit 1 являются:procedure TForm1.Button4Click(Sender: TObject); - обучение ННС TSK. В этой процедуре реализована настройка параметров, а также получение прогноза. Так же подсчитываются критерии СКО и САПП.procedure TForm1.Button1Click(Sender: TObject); - загрузить данные из файла. Открывает диалоговое окно, в котором можно выбрать файл с исходными данными. При выборе файла происходит прочтение данных.procedure TForm1.Button2Click(Sender: TObject); - загрузить настройки ННС TSK из файла. Загружает параметры ННС TSK из файла.procedure TForm1.Button7Click(Sender: TObject); - сохранить данные.procedure TForm1.Button8Click(Sender: TObject); - сохранить нейросеть.procedure TForm1.Button9Click(Sender: TObject); - получить прогноз. Если необходимо получить прогноз, в случае редактирования данных вручную. procedure TForm1.Button3Click(Sender: TObject); открыть форму 2, в которой размещается меню настроек.procedure TForm1.Button5Click(Sender: TObject); - открыть форму 3, в которой реализованы графики курсов валют - реальный и спрогнозированный на 1 шаг вперед.procedure TForm1.Button6Click(Sender: TObject); открыть форму 4, в которой реализованы графики курсов валют - реальный и спрогнозированный на 3 шага вперед.Unit 2. В данном программном модуле реализована возможность изменять настройки ННС TSK. Unit 3, Unit 4. Данные два программных модуля являются однотипными. В этих программных модулях происходит вывод графиков. Основной функцией данных программных модулей является:function fi(g:real):integer; - при построении графика курса валюты сопоставляет реальное значение курса валюты к координате на экране.В приложении 2 представлен текст программного модуля. ВыводыВ данной курсовой работе рассматривалась нечеткая нейронная сеть TSK. Целью данной работы было исследовать возможность применения ННС TSK для прогнозирования валютных курсов. Для экспериментальных исследований были выбраны курсы валют доллара США и российского рубля, а критериями правильности служили среднеквадратическое отклонение и средняя абсолютная процентная погрешность. Выборка была взята за 2007-2009 года, всего 500 точек.Для сравнения потенциальной эффективности ННС TSK были выбраны ИНС с кубическими сплайнами и МЭС. В результате экспериментов было установлено, что ННС TSK производит значительно более эффективное прогнозирование валютных курсов чем МЭС, но немного уступает ИНС с кубическими сплайнами. СКО, полученное при прогнозировании ННС TSK, было в 2-6 раз меньше, чем СКО, полученное при прогнозировании МЭС. Таким образом, ННС TSK лучше МЭС по критерию СКО. Критерий САПП, полученный при прогнозировании рассматриваемой ИНС, был в 1,5-2 раза меньше, чем критерий САПП, полученный при прогнозировании МЭС. ННС TSK в сравнении с ИНС с кубическими сплайнами показала приблизительно одинаковые результаты, но в среднем на 3.75% хуже по критерию СКО и на 1% хуже по критерию САПП.Рассматривалась чувствительность ННС TSK к изменению длины обучающей выборке. При увеличении длины обучающей выборки СКО и критерий САПП уменьшались и стремились к установившемуся значению, на обучающей выборке. На проверочной выборке при увеличении обучающей выборки увеличиваются значения СКО и САПП и достигают своего максимального значения при длине обучающей выборки в 400 точек. Далее графики начинают убывать. Можно сделать вывод, что оптимальным значеное значение обучающей выборки составляет 50 точек.Рассматривалась чувствительность ННС TSK к изменению количества правил. На обучающей выборке при увеличении количества правил уменьшается ошибка по критерию СКО и САПП при прогнозах на 1 и на 3 шага вперед. На проверочной выборке при увеличении количества правил сначала достигается минимум при количества правил , а затем ошибка увеличивается. Во время выполнения экспериментальных исследований, были получены результаты, которые могут быть использованы в деятельности банков и других инвесторов. Литература1. Лукашин Ю. П. Адаптивные методы краткосрочного прогнозирования временных рядов. - М.: Финансы и статистика, 2003. - 416 с.2. Згуровский М. З., Подладчиков В. Н. Аналитические методы калмановской фильтрации для систем с априорной неопределенностью. - К.: Наукова думка, 1995. - 584с. 3. Зайченко Ю. П. Нечеткие модели и методы в интеллектуальных системах. К.: Слово, 2008. - 344с. 4. Круглов В. В., Борисов В. В. Искусственные нейронные сети. Теория и практика. - М.: Горячая линия - Телеком, 2001. - 382с. 5. Руденко О. Г., Бодянський Є. В. Штучні нейронні мережі. - Харків: Компанія СМІТ, 2006. - 404с. 6. Хоменко А., Гофман В., Мещеряков Е., Никифоров В. Delphi 7. - Санкт-Петербург: БВХ-Петербург, 2004. - 1200с. Приложение 1. Результаты экспериментальных исследований.Первый столбец - реальные данные. Второй столбец - прогноз на 1 шаг вперед. Третий столбец - ошибка прогноза на 1 шаг вперед. Четвертый столбец - прогноз на 3 шага вперед. Пятый столбец - ошибка прогноза на 3 шага вперед.USD_EUR 0.6456 0.6467 -0.0011 0.6447 0.0009 0.6415 0.6456 -0.0041 0.6467 -0.0052 0.6447 0.6438 0.0009 0.6474 -0.0027 0.6467 0.6447 0.0020 0.6438 0.0029 0.6441 0.6415 0.0026 0.6456 -0.0015 0.6384 0.6441 -0.0057 0.6415 -0.0031 0.6341 0.6384 -0.0043 0.6441 -0.0100 0.6368 0.6341 0.0027 0.6384 -0.0016 0.6336 0.6368 -0.0032 0.6341 -0.0005 0.6358 0.6336 0.0022 0.6368 -0.0010 0.6399 0.6358 0.0041 0.6336 0.0063 0.6441 0.6399 0.0042 0.6358 0.0083 0.6428 0.6441 -0.0013 0.6399 0.0029 0.6432 0.6428 0.0004 0.6441 -0.0009 0.6472 0.6432 0.0040 0.6428 0.0044 0.6472 0.6472 -0.0000 0.6432 0.0040 0.6427 0.6472 -0.0045 0.6472 -0.0045 0.6356 0.6427 -0.0071 0.6472 -0.0116 0.6363 0.6356 0.0007 0.6427 -0.0064 0.6464 0.6363 0.0101 0.6356 0.0108 0.6427 0.6464 -0.0037 0.6363 0.0064 0.6487 0.6427 0.0060 0.6464 0.0023 0.6508 0.6487 0.0021 0.6427 0.0081 0.6464 0.6508 -0.0044 0.6487 -0.0023 0.6444 0.6464 -0.0020 0.6508 -0.0064 0.6452 0.6444 0.0008 0.6464 -0.0012 0.6451 0.6452 -0.0001 0.6444 0.0007 0.6400 0.6451 -0.0051 0.6452 -0.0052 0.6456 0.6400 0.0056 0.6451 0.0005 0.6414 0.6456 -0.0042 0.6400 0.0014 0.6423 0.6414 0.0009 0.6456 -0.0033 0.6355 0.6423 -0.0068 0.6414 -0.0059 0.6350 0.6355 -0.0005 0.6423 -0.0073 0.6350 0.6350 -0.0000 0.6355 -0.0005 0.6330 0.6350 -0.0020 0.6350 -0.0020 0.6302 0.6330 -0.0028 0.6350 -0.0048 0.6366 0.6302 0.0064 0.6330 0.0036 0.6392 0.6366 0.0026 0.6302 0.0090 0.6389 0.6392 -0.0003 0.6366 0.0023 0.6352 0.6389 -0.0037 0.6392 -0.0040 0.6341 0.6352 -0.0011 0.6389 -0.0048 0.6291 0.6341 -0.0050 0.6352 -0.0061 0.6284 0.6291 -0.0007 0.6341 -0.0057 0.6280 0.6284 -0.0004 0.6291 -0.0011 0.6311 0.6280 0.0031 0.6284 0.0027 0.6306 0.6311 -0.0005 0.6280 0.0026 0.6307 0.6306 0.0001 0.6311 -0.0004 0.6299 0.6307 -0.0008 0.6306 -0.0007 0.6325 0.6299 0.0026 0.6307 0.0018 0.6367 0.6325 0.0042 0.6299 0.0068 0.6376 0.6367 0.0009 0.6325 0.0051 0.6351 0.6376 -0.0025 0.6367 -0.0016 0.6416 0.6351 0.0065 0.6376 0.0040 0.6428 0.6416 0.0012 0.6351 0.0077 0.6414 0.6428 -0.0014 0.6416 -0.0002 0.6424 0.6414 0.0010 0.6428 -0.0004 0.6435 0.6424 0.0011 0.6414 0.0021 0.6466 0.6435 0.0031 0.6424 0.0042 0.6489 0.6466 0.0023 0.6435 0.0054 0.6519 0.6489 0.0030 0.6466 0.0053 0.6646 0.6519 0.0127 0.6489 0.0157 0.6686 0.6646 0.0040 0.6519 0.0167 0.6711 0.6686 0.0025 0.6646 0.0065 0.6714 0.6711 0.0003 0.6686 0.0028 0.6731 0.6714 0.0017 0.6711 0.0020 0.6806 0.6731 0.0075 0.6714 0.0092 0.6789 0.6806 -0.0017 0.6731 0.0058 0.6782 0.6789 -0.0007 0.6806 -0.0024 0.6803 0.6782 0.0021 0.6789 0.0014 0.6724 0.6803 -0.0079 0.6782 -0.0058 0.6757 0.6724 0.0033 0.6803 -0.0046 0.6756 0.6757 -0.0001 0.6724 0.0032 0.6822 0.6756 0.0066 0.6757 0.0065 0.6811 0.6822 -0.0011 0.6756 0.0055 0.6809 0.6811 -0.0002 0.6822 -0.0013 0.6818 0.6809 0.0009 0.6811 0.0007 0.6887 0.6818 0.0069 0.6809 0.0078 0.6903 0.6887 0.0016 0.6818 0.0085 0.6965 0.6903 0.0062 0.6887 0.0078 0.7007 0.6965 0.0042 0.6903 0.0104 0.7081 0.7007 0.0074 0.6965 0.0116 0.7056 0.7081 -0.0025 0.7007 0.0049 0.7134 0.7056 0.0078 0.7081 0.0053 0.7176 0.7134 0.0042 0.7056 0.0120 0.7057 0.7176 -0.0119 0.7134 -0.0077 0.7052 0.7057 -0.0005 0.7176 -0.0124 0.7067 0.7052 0.0015 0.7057 0.0010 0.7076 0.7067 0.0009 0.7052 0.0024 0.6953 0.7076 -0.0123 0.7067 -0.0114 0.6950 0.6953 -0.0003 0.7076 -0.0126
Страницы: 1, 2, 3, 4, 5, 6, 7, 8
|
|
|
|
© 2003-2013
Рефераты бесплатно, курсовые, рефераты биология, большая бибилиотека рефератов, дипломы, научные работы, рефераты право, рефераты, рефераты скачать, рефераты литература, курсовые работы, реферат, доклады, рефераты медицина, рефераты на тему, сочинения, реферат бесплатно, рефераты авиация, рефераты психология, рефераты математика, рефераты кулинария, рефераты логистика, рефераты анатомия, рефераты маркетинг, рефераты релиния, рефераты социология, рефераты менеджемент. |
|
|
