3.2 BP神经网络训练

将利用ARIMA模型对原始数据进行拟合回归产生的残差序列作为BP神经网络的输入源，由于输入的数据是一维的数据，而BP神经网络算法中，其输入层必须是多维的，因此采用滚动的方式，模拟残差作为网络输入，为网络输出，的模拟残差作为网络输入，为网络输出，以此类推，形成40组样本数据，进行神经网络训练。

隐含层节点数参考经验公式选取，其中m为输入层节点个数、n为输出层节点个数，a为1~10之间的常数，经过反复试算，最后确定隐含层节点数为6，网络模型采用10*6*1的结构。输入层的激活函数选取双曲正切S型传输函数tansig，而由于网络的输出归一到[ -1, 1]范围内, 因此输出层的激活函数选取线性传输函数purelin，训练方法采用弹性梯度下降法trainrp函数。

BP神经参数设置为训练精度1e-6，最大迭代次数1000次，学习率0.05，构建三层BP神经网络对ARIMA模型拟合的残差序列进行建模训练，模型在320次迭代后达到训练精度要求。