一、如何利用訓練好的神經網絡進行預測

預測的時候還是將需要的參數作為輸入。訓練的時候不是有15組樣本嗎（4*15和6*15的），說明輸入節點數為4，輸出節點數為6。因此預測時，將用于預測的4個參數作為輸入，神經網絡的6個輸出即為預測結果。神經網絡因其很好的函數逼近能力而被廣泛應用于非線性系統建模、辨識和控制中。根據應用場合的不同,神經網絡可分為靜態和動態神經網絡兩類。靜態(或前饋)神經網絡沒有反饋成分,也不包含輸人延時,輸出直接由輸人通過前向網絡算出;動態神經網絡的輸出不僅依賴當前的輸人,還與當前和過去的輸入、輸出有關。

二、如何利用訓練好的神經網絡進行預測

預測的時候還是將需要的參數作為輸入。訓練的時候不是有15組樣本嗎（4*15和6*15的），說明輸入節點數為4，輸出節點數為6。因此預測時，將用于預測的4個參數作為輸入，神經網絡的6個輸出即為預測結果。神經網絡因其很好的函數逼近能力而被廣泛應用于非線性系統建模、辨識和控制中。根據應用場合的不同,神經網絡可分為靜態和動態神經網絡兩類。靜態(或前饋)神經網絡沒有反饋成分,也不包含輸人延時,輸出直接由輸人通過前向網絡算出;動態神經網絡的輸出不僅依賴當前的輸人,還與當前和過去的輸入、輸出有關。

三、如何得到神經網絡預測結果

如果你用9——11年的數據不經過預測12——19年的數據就想得到第20年的數據的做法是不合理的，神經網絡的預測講求時間序列的連續性，你可以在編寫maltab程序的時候才用遞歸的方法調用神經網絡工具箱，加上對預測數據進行一定的格式操作就可以了，這樣你想讀到第幾年的數據都行。

四、如何用人工神經網絡確定指標體系的權重？

說的確定應該就是訓練方法吧，神經網絡的權值不是人工給定的。而是用訓練集（包括輸入和輸出）訓練，用訓練集訓練一遍稱為一個epoch，一般要許多epoch才行，目的是使得目標與訓練結果的誤差(一般采用均方誤差）小到一個給定的閾值。以上所說是有監督的學習方法，還有無監督的學習方法。

五、如何用神經網絡進行時間序列預測

將時間序列拆開，組織訓練樣本。參考附件的例子，用的是BP神經網絡。 BP（Back Propagation）神經網絡是86年由Rumelhart和McCelland為首的科學家小組提出，是一種按誤差逆傳播算法訓練的多層前饋網絡，是目前應用最廣泛的神經網絡模型之一。BP網絡能學習和存貯大量的輸入-輸出模式映射關系，而無需事前揭示描述這種映射關系的數學方程。它的學習規則是使用最速下降法，通過反向傳播來不斷調整網絡的權值和閾值，使網絡的誤差平方和最小。BP神經網絡模型拓撲結構包括輸入層（input）、隱層(hidden layer)和輸出層(output layer)。