一种基于时间序列BP神经网络预测方法及装置

摘要

本发明提供了一种基于时间序列BP神经网络的预测方法及装置，其中，方法包括：建立基于时间序列BP神经网络；对神经网络进行训练，包括：获取训练集数据，所述训练集数据中包括影响因素值；根据训练集数据、上一次迭代计算对应的待预测因素的实际值和所述神经网络，进行计算得到第二输出数据，当不满足训练终止条件时，将该次迭代对应的待预测因素的实际值作为下一次迭代的输入数据中的一部分继续进行迭代计算；训练完毕后得到确定的各神经元之间的连接权重、隐含层及输出层神经元的阈值，其中所述各神经元之间的连接权重包括上一个时间段的待预测因素的影响权重；基于上一个时间段的待预测因素的实际值、本时间段内的待预测因素的影响因素值和训练完成的神经网络，得到本时间段的待预测因素的预测值。本发明具有预测准确性高和稳定性好的积极效果。