人工神经网络（Artificial Neural Networks, ANN）的发展经历了大约半个世纪，从20世纪40年代初到80年代，神经网络的研究经历了低潮和高潮几起几落的发展过程。1943年，心理学家W.S.McCulloch和数理逻辑学家W.Pitts建立了神经网络和数学模型，称为MP模型。他们通过MP模型提出了神经元的形式化数学描述和网络结构方法，证明了单个神经元能执行逻辑功能，从而开创了人工神经网络研究的时代。1949年，心理学家提出了突触联系强度可变的设想。60年代，人工神经网络的到了进一步发展，更完善的神经网络模型被提出，其中包括感知器和自适应线性元件等。M.Minsky等仔细分析了以感知器为代表的神经网络系统的功能及局限后，于1969年出版了《Perceptron》一书，指出感知器不能解决高阶谓词问题。他们的论点极大地影响了神经网络的研究，加之当时串行计算机和人工智能所取得的成就，掩盖了发展新型计算机和人工智能新途径的必要性和迫切性，使人工神经网络的研究处于低潮。在此期间，一些人工神经网络的研究者仍然致力于这一研究，提出了适应谐振理论（ART网）、自组织映射、认知机网络，同时进行了神经网络数学理论的研究。以上研究为神经网络的研究和发展奠定了基础。1982年，美国加州工学院物理学家J.J.Hopfield提出了Hopfield神经网格模型，引入了“计算能量”概念，给出了网络稳定性判断。1984年，他又提出了连续时间Hopfield神经网络模型，为神经计算机的研究做了开拓性的工作，开创了神经网络用于联想记忆和优化计算的新途径，有力地推动了神经网络的研究，1985年，又有学者提出了波耳兹曼模型，在学习中采用统计热力学模拟退火技术，保证整个系统趋于全局稳定点。1986年进行认知微观结构地研究，提出了并行分布处理的理论。人工神经网络的研究受到了各个发达国家的重视，美国国会通过决议将1990年1月5日开始的十年定为“脑的十年”，国际研究组织号召它的成员国将“脑的十年”变为全球行为。在日本的“真实世界计算（RWC）”项目中，人工智能的研究成了一个重要的组成部分。
传统的时间序列预测方法主要以回归分析为主，在理论上已十分成熟，但精度不高，容错性差，自从多层人工神经网络被证明是连续函数的一致逼近器以来，应用人工神经网络进行时间序列预测引起了广泛关注，人工神经网络作为一种新的时间序列预测方法，以其良好的非线性性质、并行分布式的存储结构和高容错性等特点在很多实际应用领域中都取得了成功。
第三步求时间序列的长期趋势(T)季节变动(s)和不规则变动(I)的值，并选定近似的数学模式来代表它们。对于数学模式中的诸未知参数，使用合适的技术方法求出其值。
第四步利用时间序列资料求出长期趋势、季节变动和不规则变动的数学模型后，就可以利用它来预测未来的长期趋势值T和季节变动值s，在可能的情况下预测不规则变动值I。然后用以下模式计算出未来的时间序列的预测值Y：
人工神经网络的特点和优越性，主要表现在三个方面：具有自学功能。六如实现图象识别时，只要线把许多不同的图象样板和对应的应识别的结果输入人工神经网络，网络就会通过自学功能，漫漫学会识别类似的图像。自学功能对于预测有特别重要的意义。预期未来的人工神经网络计算机将为人类提供同经济预测、市场预测、效益预测、其前途是很远大的。
第四周：依据选定的总体设计方案，构建详细设计方案；
第五周：细化详细设计方案；
第六—九周：编写各模块代码；
第十—十一周：对软件进行测试，修改定型，编写论文；
第十二周：整理各阶段的设计记录文档，修订论文准备答辩。
指导教师意见：
指导教师（签名）：
年月日
系意见：
系负责人（签名）：
年月日
二级学院意见：
院负责人（签名）：
人工神经网络是未来为电子技术应用的新流域。智能计算机的构成，可能就是作为主机的冯·诺依曼机与作为智能外围的人工神序列，也叫时间数列、历史复数或动态数列。它是将某种统计指标的数值，按时间先后顺序排到所形成的数列。时间序列预测法就是通过编制和分析时间序列，根据时间序列所反映出来的发展过程、方向和趋势，进行类推或延伸，借以预测下一段时间或以后若干年内可能达到的水平。其内容包括：收集与整理某种社会现象的历史资料；对这些资料进行检查鉴别，排成数列；分析时间数列，从中寻找该社会现象随时间变化而变化的规律，得出一定的模式；以此模式去预测该社会现象将来的情况。
指数平滑法即根据历史资料的上期实际数和预测值，用指数加权的办法进行预测。此法实质是由内加权移动平均法演变而来的一种方法，优点是只要有上期实际数和上期预测值，就可计算下期的预测值，这样可以节省很多数据和处理数据的时间，减少数据的存储量，方法简便。是国外广泛使用的一种短期预测方法。
3．主要研究内容
将全国各省市自治区历年来高考分数线通过人工神经网络与时间序列研究法进行结合，对今年高考分数线进行预测，以方便考生自我定位，为报考提供参考，提高报考成功率。
时间序列预测法的步骤：
第一步收集历史资料，加以整理，编成时间序列，并根据时间序列绘成统计图。时间序列分析通常是把各种可能发生作用的因素进行分类，传统的分类方法是按各种因素的特点或影响效果分为四大类：(1)长期趋势；(2)季节变动；(3)循环变动；(4)不规则变动。
第二步分析时间序列。时间序列中的每一时期的数值都是由许许多多不同的因素同时发生作用后的综合结果。
加权序时平均数法就是把各个时期的历史数据按近期和远期影响程度进行加权，求出平均值，作为下期预测值。
简单移动平均法就是相继移动计算若干时期的算术平均数作为下期预测值。
加权移动平均法即将简单移动平均数进行加权计算。在确定权数时，近期观察值的权数应该大些，远期观察值的权数应该小些。
上述几种方法虽然简便，能迅速求出预测值，但由于没有考虑整个社会经济发展的新动向和其他因素的影响，所以准确性较差。应根据新的情况，对预测结果作必要的修正。
时间序列预测法可用于短期、中期和长期预测。根据对资料分析方法的不同，又可分为：简单序时平均数法、加权序时平均数法、移动平均法、加权移动平均法、趋势预测法、指数平滑法、季节性趋势预测法、市场寿命周期预测法等。
简单序时平均数法也称算术平均法。即把若干历史时期的统计数值作为观察值，求出算术平均数作为下期预测值。这种方法基于下列假设：“过去这样，今后也将这样”，把近期和远期数据等同化和平均化，因此只能适用于事物变化不大的趋势预测。如果事物呈现某种上升或下降的趋势，就不宜采用此法。
二维和三维图形函数可用于可视化数据
各种工具可用于构建自定义的图形用户界面
各种函数可将基于MATLAB的算法与外部应用程序和语言（如C、C++、Fortran、Java、COM以及Microsoft Excel）集成
5．研究计划
第一周：课题调研，文献检索；
第二周：编制工作计划表与毕业设计开题报告；
第三周：提出总体设计方案；
加法模式T+S+I=Y
乘法模式T×S×I=Y
如果不规则变动的预测值难以求得，就只求长期趋势和季节变动的预测值，以两者相乘之积或相加之和为时间序列的预测值。如果经济现象本身没有季节变动或不需预测分季分月的资料，则长期趋势的预测值就是时间序列的预测值，即T=Y。但要注意这个预测值只反映现象未来的发展趋势，即使很准确的趋势线在按时间顺序的观察方面所起的作用，本质上也只是一个平均数的作用，实际值将围绕着它上下波动。
具有联想储存功能。人的大脑是具有两厢功能的。如果有人和你提起你幼年的同学张某某。，你就会联想起张某某的许多事情。用人工神经网络的反馈网络就可以实现这种联想。
具有高速寻找优化解的能力。寻找一个复杂问题的优化解，往往需要很大的计算量，利用一个针对某问题而设计的反馈人工神经网络，发挥计算机的高速运算能力，可能很快找到优化解。
本科毕业论文(设计)开题报告
论文题目：人工神经网络在时间序列预测中的应用研究
学生姓名：
学 号：
专 业：
班 级：
指导教师：
1．论题、背景和意义
人工神经网络（Artificial Neural Networks, ANN），一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。人工神经网络具有自学习和自适应的能力，可以通过预先提供的一批相互对应的输入－输出数据，分析掌握两者之间潜在的规律，最终根据这些规律，用新的输入数据来推算输出结果。
4．拟采取的研究方法和技术路线
以MATLAB7.0作为开发工具
MATLAB是一种用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境。使用MATLAB，您可以较使用传统的编程语言（如C、C++和Fortran）更快地解决技术计算问题。
MATLAB的应用范围非常广，包括信号和图像处理、通讯、控制系统设计、测试和测量、财务建模和分析以及计算生物学等众多应用领域。附加的工具箱（单独提供的专用MATLAB函数集）扩展了MATLAB环境，以解决这些应用领域内特定类型的问题。
MATLAB提供了很多用于记录和分享工作成果的功能。可以将您的MATLAB代码与其他语言和应用程序集成，来分发您的MATLAB算法和应用。
主要功能
此高级语言可用于技术计算
此开发环境可对代码、文件和数据进行管理
交互式工具可以按迭代的方式探查、设计及求解问题
数学函数可用于线性代数、统计、傅立叶分析、筛选、优化以及数值积分等
年月日
教务处制表