1、本文介紹了人工神經(jīng)網(wǎng)絡的一些基礎知識，而且詳細地介紹了兩種具有動態(tài)反饋機制的人工神經(jīng)網(wǎng)絡模型，Elman網(wǎng)絡和輸出-輸入反饋Elman網(wǎng)絡，即OIF Elman(Output-Input Feedback Elman)網(wǎng)絡，以及它們的數(shù)學模型和學習算法。 考慮到股民投資的主要目的是盈利。為了提高網(wǎng)絡的預測精度，得到更加精確的預測結(jié)果，從而獲得更多的利潤，本文在Elman人工神經(jīng)網(wǎng)絡的基礎上，將時間收益因素引入到Elman網(wǎng)絡的目

2、標函數(shù)中，提出了一種改進的Elman神經(jīng)網(wǎng)絡模型-TPFENN(Time Profit Factor Elman Neural Network)，并將其用于股票綜合指數(shù)的預測以及股票利潤率的計算和比較。為了更好地度量網(wǎng)絡模型的預測性能，本文采用絕對平均誤差(Absolute Average Error,AAE)和最小二乘誤差(Least Square Error,LSE)表示網(wǎng)絡的預測精度。實驗結(jié)果表明：改進的Elman神經(jīng)網(wǎng)絡模型用于

3、股市投資是可行的、有效的，該模型不僅可以明顯提高網(wǎng)絡的預測精度，達到快速收斂，而且還能夠明顯改善收益，提高股票投資的利潤率，從而實現(xiàn)較大幅度地獲得收益的目的。 另外，為了控制大氣污染，關(guān)心大氣質(zhì)量，及時、準確地預測未來大氣變化、預防嚴重污染事件的發(fā)生，本文在輸出-輸入反饋Elman網(wǎng)絡，即OlF Elman(Output-Input Feedback Elman)網(wǎng)絡的基礎上，將懲罰收益因素引入到OIF Elman神經(jīng)網(wǎng)絡模型中

4、，提出了一種基于OIF Elman神經(jīng)網(wǎng)絡的改進模型-DPFOIFENN(Direction Profit Factor OIF Elman Neural Network)，并將其用于預測和評價長春市的大氣質(zhì)量。實驗結(jié)果表明：引入懲罰收益因素OIF Elman模型具有極佳的逼近性能，取得了較高的擬合精度，所得到的預測數(shù)據(jù)和評價結(jié)果與實際結(jié)果基本吻合。 上述結(jié)果表明：本文所提出的TPFENN和DPFOIFENN兩種模型可為金融投資