基于内存计算的钢铁价格预测算法研究

摘要：

由于钢铁价格具有非线性和因子难以确定的特点,在数据挖掘预测分析时,传统的预测方法只能对钢铁价格进行小数据量的分析,这将导致预测精度低、速度慢、效率低下.随着大数据的深入研究,内存计算技术成为研究热点,用户对实时数据处理技术的需求越来越大.因此,在钢铁价格预测模型中,引入内存计算技术,提出基于内存计算的LM-BP神经网络预测算法,利用2002年到2010年的钢铁价格、产量、库存、GDP等数据建立预测模型.最后,仿真实验结果表明,基于内存计算的预测模型算法不仅速度快,而且精度高.

关键词：大数据、内存计算、贝叶斯、ARMA、神经网络

所属期刊栏目：41

分类号：TP311(计算技术、计算机技术)

资助基金：“核高基”国家科技重大专项2010ZX01042-001-003-004

在线出版日期：2015-01-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：432-435