[发明专利]一种基于灰色神经网络模型的产品区域定价方法

权利要求书

1.一种基于灰色神经网络模型的产品区域定价方法，其特征在于，包括：

S1、获取历年居民消费指数数据和历年产品区域价格指数；

S2、对历年产品区域价格指数进行区间均值化处理，得到均值化物价指数；

S3、对历年居民消费指数数据进行最佳平移变换，并与连续的灰色模型进行数据拟合，构造连续的历年居民消费指数GM(1,1)模型；

S4、获取居民消费指数训练数据，通过连续的历年居民消费指数GM(1,1)模型与均值化物价指数对居民消费指数训练数据进行网络训练，建立神经网络模型；

S5、通过连续的历年居民消费指数GM(1,1)模型预测得到下一年居民消费预测指数，并将下一年居民消费预测指数代入神经网络模型，计算得到下一年产品区域价格指数。

2.根据权利要求1所述的基于灰色神经网络模型的产品区域定价方法，其特征在于，步骤S2，具体包括：

历年产品区域价格指数为C_i，i＝1,...,n，表示第i年或季度；

对历年产品区域价格指数进行区间均值化处理：

l为区间数。

3.根据权利要求2所述的基于灰色神经网络模型的产品区域定价方法，其特征在于，步骤S3，具体包括：

历年居民消费指数数据为表示第i年或季度，k＝1,...,m，表示第k项消费指数；

将代入最佳平移变换步长求解公式求得τ^k；

对进行最佳平移变换

将代入GM(1,1)模型的基本形式求出参数[a,b]，构造初步连续的GM(1,1)模型；

给定初步连续的历年居民消费指数GM(1,1)模型需求项数N，得到连续的历年居民消费指数GM(1,1)模型，其中，N-1为n-1的2l整数倍。

4.根据权利要求3所述的基于灰色神经网络模型的产品区域定价方法，其特征在于，步骤S5，具体包括：

通过连续的历年居民消费指数GM(1,1)模型计算得到下一年居民消费预测指数

将代入神经网络模型，计算得到下一年产品区域价格指数

5.根据权利要求1所述的基于灰色神经网络模型的产品区域定价方法，其特征在于，还包括步骤S6，将下一年产品区域价格指数转化为具体产品价格。