基于JAVA與MATLAB實(shí)現(xiàn)投資預(yù)測(cè)應(yīng)用

江蘇蘇源高科技有限公司 王征美

基于JAVA與MATLAB實(shí)現(xiàn)投資預(yù)測(cè)應(yīng)用

江蘇蘇源高科技有限公司 王征美

有效運(yùn)用Matlab和Java集成開(kāi)發(fā)，結(jié)合投資預(yù)測(cè)模型算法，較便捷地實(shí)現(xiàn)投資預(yù)測(cè)應(yīng)用功能，為投資管理提供信息系統(tǒng)支撐。

多元線(xiàn)性回歸；BP神經(jīng)網(wǎng)絡(luò)；灰色系統(tǒng)

引言

MATLAB矩陣工廠(chǎng)，用于算法開(kāi)發(fā)、數(shù)據(jù)可視化、數(shù)據(jù)分析以及數(shù)值計(jì)算，其強(qiáng)大而高效的處理功能，讓人們從繁雜的數(shù)學(xué)運(yùn)算分析中解脫出來(lái)。而JAVA是一種跨平臺(tái)，適合于分布式計(jì)算環(huán)境的面向?qū)ο缶幊陶Z(yǔ)言。本文主要介紹運(yùn)用兩者的優(yōu)勢(shì)相結(jié)合，共同實(shí)現(xiàn)投資預(yù)測(cè)的應(yīng)用。

1.建設(shè)目標(biāo)

充分利用信息化手段輔助實(shí)現(xiàn)投資計(jì)劃預(yù)測(cè)，為有效管控和科學(xué)安排年度投資計(jì)劃，優(yōu)化資源配置提供信息系統(tǒng)支撐。通過(guò)對(duì)投資影響因素及歷史數(shù)據(jù)分析，科學(xué)預(yù)測(cè)，為投資計(jì)劃提供理論依據(jù)。

2.系統(tǒng)架構(gòu)

2.1 業(yè)務(wù)架構(gòu)

通過(guò)投資預(yù)測(cè)管理應(yīng)用功能的建設(shè)，收集基礎(chǔ)數(shù)據(jù)，運(yùn)用多元線(xiàn)性回歸、BP神經(jīng)網(wǎng)絡(luò)、灰色系統(tǒng)、組合算法相結(jié)合，建立投資預(yù)測(cè)模型。

多元回歸分析預(yù)測(cè)法[1]，是指通過(guò)對(duì)兩個(gè)或兩個(gè)以上的自變量與一個(gè)因變量的相關(guān)分析，建立預(yù)測(cè)模型進(jìn)行預(yù)測(cè)的方法。當(dāng)自變量與因變量之間存在線(xiàn)性關(guān)系時(shí)，稱(chēng)為多元線(xiàn)性回歸分析。根據(jù)歷史的樣本數(shù)據(jù)，建立多元線(xiàn)性回歸的預(yù)測(cè)模型；從而在不需要未來(lái)樣本數(shù)據(jù)的情況下，預(yù)測(cè)未來(lái)時(shí)刻多元線(xiàn)性回歸模型中的回歸參數(shù)[2]。

BP神經(jīng)網(wǎng)絡(luò)算法是一種有監(jiān)督式的學(xué)習(xí)算法，其主要思想是：輸入學(xué)習(xí)樣本，使用反向傳播算法對(duì)網(wǎng)絡(luò)的權(quán)值和偏差進(jìn)行反復(fù)的調(diào)整訓(xùn)練，使輸出的向量與期望向量盡可能地接近，當(dāng)網(wǎng)絡(luò)輸出層的誤差平方和小于指定的誤差時(shí)訓(xùn)練完成，保存網(wǎng)絡(luò)的權(quán)值和偏差[3]。

灰色預(yù)測(cè)（GM）通過(guò)鑒別系統(tǒng)因素之間發(fā)展趨勢(shì)的相異程度，即進(jìn)行關(guān)聯(lián)分析，并對(duì)原始數(shù)據(jù)進(jìn)行生成處理來(lái)尋找系統(tǒng)變動(dòng)的規(guī)律，生成有較強(qiáng)規(guī)律性的數(shù)據(jù)序列，然后建立相應(yīng)的微分方程模型，從而預(yù)測(cè)事物未來(lái)發(fā)展趨勢(shì)的狀況[4]。組合算法是一種基于群體智能的新興演化計(jì)算技術(shù)，廣泛用于解決科學(xué)研究和工程實(shí)踐中的優(yōu)化問(wèn)題。

2.2 應(yīng)用架構(gòu)

投資預(yù)測(cè)系統(tǒng)基于統(tǒng)一門(mén)戶(hù)登錄，集成統(tǒng)一權(quán)限，主要包括：基礎(chǔ)數(shù)據(jù)、基本算法、組合算法、預(yù)測(cè)分析四個(gè)模塊。

基礎(chǔ)數(shù)據(jù)部分，包括：歷年GDP、售電量、統(tǒng)調(diào)負(fù)荷、實(shí)際投資額等數(shù)據(jù)收集。

基本算法部分，包含：線(xiàn)性回歸分析、BP神經(jīng)網(wǎng)絡(luò)、灰色系統(tǒng)三個(gè)基本算法，提供按單位、年度、電壓等級(jí)等篩選方式。

組合算法分布，包含：系數(shù)調(diào)整設(shè)置、組合算法功能。根據(jù)實(shí)際業(yè)務(wù)需要，調(diào)整基本算法計(jì)算出的系數(shù)值，從而進(jìn)行組合優(yōu)化計(jì)算。

預(yù)測(cè)分析部分，將四種算法計(jì)算結(jié)果和實(shí)際投資進(jìn)行對(duì)比分析展示，便于直觀(guān)瀏覽。

2.3 技術(shù)架構(gòu)

系統(tǒng)采用多層架構(gòu)的技術(shù)方式，分為視圖層、控制層、業(yè)務(wù)邏輯層、數(shù)據(jù)訪(fǎng)問(wèn)層，通過(guò)各層次系統(tǒng)組件間服務(wù)的承載關(guān)系，實(shí)現(xiàn)系統(tǒng)功能。

視圖層主要完成用戶(hù)交互功能。數(shù)據(jù)的展示主要使用Extjs、HightChart組件完成，向服務(wù)器提交的數(shù)據(jù)提交到后臺(tái)的Action類(lèi)進(jìn)行處理。

控制層使用Struts的Action來(lái)實(shí)現(xiàn)，通過(guò)內(nèi)置MVC開(kāi)發(fā)模式分離頁(yè)面數(shù)據(jù)處理、流轉(zhuǎn)控制、頁(yè)面生成。控制層調(diào)用業(yè)務(wù)邏輯層進(jìn)行業(yè)務(wù)處理。

業(yè)務(wù)邏輯層由一系列Service組成，主要進(jìn)行業(yè)務(wù)處理，每個(gè)Service是一組緊密關(guān)聯(lián)的業(yè)務(wù)功能。業(yè)務(wù)邏輯層用JavaBean來(lái)實(shí)現(xiàn)業(yè)務(wù)邏輯層功能，用MatLab來(lái)實(shí)現(xiàn)線(xiàn)性回歸、BP神經(jīng)網(wǎng)絡(luò)、灰色系統(tǒng)、組合優(yōu)化四個(gè)核心算法模型。

數(shù)據(jù)訪(fǎng)問(wèn)層主要負(fù)責(zé)訪(fǎng)問(wèn)關(guān)系數(shù)據(jù)庫(kù)等數(shù)據(jù)源并把數(shù)據(jù)轉(zhuǎn)換為Java對(duì)象供其它層的程序調(diào)用。

3.系統(tǒng)實(shí)現(xiàn)

用Matlab和JAVA共同實(shí)現(xiàn)投資預(yù)測(cè)應(yīng)用，依據(jù)業(yè)務(wù)模型可以并行實(shí)現(xiàn)Matlab算法類(lèi)庫(kù)和JAVA應(yīng)用功能。

1）首先要配置環(huán)境變量，JAVA和Matlab使用的JDK運(yùn)行環(huán)境保持一致，便于調(diào)試成功。

2）接著用MyEclipse建立web應(yīng)用，實(shí)現(xiàn)基礎(chǔ)數(shù)據(jù)收集、投資預(yù)測(cè)的頁(yè)面展示功能。

3）可以并行用MatLab建立一個(gè)Project，利用MatLab強(qiáng)大的函數(shù)功能實(shí)現(xiàn)多元線(xiàn)性回歸算法、BP神經(jīng)網(wǎng)絡(luò)算法、灰色系統(tǒng)算法、組合算法，建立不同的M文件，測(cè)試驗(yàn)證后打成Jar文件。

4）將MatLab生成的javabuilder.jar和mat.jar包拷貝到MyEclipse工程的lib中，即可實(shí)現(xiàn)Java調(diào)用Matlab的函數(shù)。

5）若系統(tǒng)是在Linux環(huán)境下部署，需在Linux環(huán)境安裝MCRInstaller，并配置運(yùn)行時(shí)環(huán)境變量。

4.結(jié)語(yǔ)

項(xiàng)目實(shí)踐過(guò)程表明，利用MATLAB和JAVA進(jìn)行優(yōu)勢(shì)互補(bǔ)，縮短了開(kāi)發(fā)時(shí)間，降低了實(shí)現(xiàn)復(fù)雜度，讓人們可以更多地關(guān)注業(yè)務(wù)模型的建立，用戶(hù)交互體驗(yàn)設(shè)計(jì)方面，拓展了技術(shù)實(shí)現(xiàn)的可行性。

[1]王華麗.多元線(xiàn)性回歸分析實(shí)例分析[J].科技資訊,2014,12(29):22+24.

[2]王惠文,孟潔.多元線(xiàn)性回歸的預(yù)測(cè)建模方法[J].北京航空航天大學(xué)學(xué)報(bào),2007,(04):500-504.

[3]梁海峰,涂光瑜,唐紅衛(wèi).遺傳神經(jīng)網(wǎng)絡(luò)在電力系統(tǒng)短期負(fù)荷預(yù)測(cè)中的應(yīng)用[J].電網(wǎng)技術(shù),2001,(01):49-53.

[4]王成山,楊軍,張崇見(jiàn).灰色系統(tǒng)理論在城市年用電量預(yù)測(cè)中的應(yīng)用——不同預(yù)測(cè)方法的分析比較[J].電網(wǎng)技術(shù),1999,(02):17-20.