基于JAVA与MATLAB实现投资预测应用

江苏苏源高科技有限公司 王征美

基于JAVA与MATLAB实现投资预测应用

江苏苏源高科技有限公司 王征美

有效运用Matlab和Java集成开发，结合投资预测模型算法，较便捷地实现投资预测应用功能，为投资管理提供信息系统支撑。

多元线性回归；BP神经网络；灰色系统

引言

MATLAB矩阵工厂，用于算法开发、数据可视化、数据分析以及数值计算，其强大而高效的处理功能，让人们从繁杂的数学运算分析中解脱出来。而JAVA是一种跨平台，适合于分布式计算环境的面向对象编程语言。本文主要介绍运用两者的优势相结合，共同实现投资预测的应用。

1.建设目标

充分利用信息化手段辅助实现投资计划预测，为有效管控和科学安排年度投资计划，优化资源配置提供信息系统支撑。通过对投资影响因素及历史数据分析，科学预测，为投资计划提供理论依据。

2.系统架构

2.1 业务架构

通过投资预测管理应用功能的建设，收集基础数据，运用多元线性回归、BP神经网络、灰色系统、组合算法相结合，建立投资预测模型。

多元回归分析预测法[1]，是指通过对两个或两个以上的自变量与一个因变量的相关分析，建立预测模型进行预测的方法。当自变量与因变量之间存在线性关系时，称为多元线性回归分析。根据历史的样本数据，建立多元线性回归的预测模型；从而在不需要未来样本数据的情况下，预测未来时刻多元线性回归模型中的回归参数[2]。

BP神经网络算法是一种有监督式的学习算法，其主要思想是：输入学习样本，使用反向传播算法对网络的权值和偏差进行反复的调整训练，使输出的向量与期望向量尽可能地接近，当网络输出层的误差平方和小于指定的误差时训练完成，保存网络的权值和偏差[3]。

灰色预测（GM）通过鉴别系统因素之间发展趋势的相异程度，即进行关联分析，并对原始数据进行生成处理来寻找系统变动的规律，生成有较强规律性的数据序列，然后建立相应的微分方程模型，从而预测事物未来发展趋势的状况[4]。组合算法是一种基于群体智能的新兴演化计算技术，广泛用于解决科学研究和工程实践中的优化问题。

2.2 应用架构

投资预测系统基于统一门户登录，集成统一权限，主要包括：基础数据、基本算法、组合算法、预测分析四个模块。

基础数据部分，包括：历年GDP、售电量、统调负荷、实际投资额等数据收集。

基本算法部分，包含：线性回归分析、BP神经网络、灰色系统三个基本算法，提供按单位、年度、电压等级等筛选方式。

组合算法分布，包含：系数调整设置、组合算法功能。根据实际业务需要，调整基本算法计算出的系数值，从而进行组合优化计算。

预测分析部分，将四种算法计算结果和实际投资进行对比分析展示，便于直观浏览。

2.3 技术架构

系统采用多层架构的技术方式，分为视图层、控制层、业务逻辑层、数据访问层，通过各层次系统组件间服务的承载关系，实现系统功能。

视图层主要完成用户交互功能。数据的展示主要使用Extjs、HightChart组件完成，向服务器提交的数据提交到后台的Action类进行处理。

控制层使用Struts的Action来实现，通过内置MVC开发模式分离页面数据处理、流转控制、页面生成。控制层调用业务逻辑层进行业务处理。

业务逻辑层由一系列Service组成，主要进行业务处理，每个Service是一组紧密关联的业务功能。业务逻辑层用JavaBean来实现业务逻辑层功能，用MatLab来实现线性回归、BP神经网络、灰色系统、组合优化四个核心算法模型。

数据访问层主要负责访问关系数据库等数据源并把数据转换为Java对象供其它层的程序调用。

3.系统实现

用Matlab和JAVA共同实现投资预测应用，依据业务模型可以并行实现Matlab算法类库和JAVA应用功能。

1）首先要配置环境变量，JAVA和Matlab使用的JDK运行环境保持一致，便于调试成功。

2）接着用MyEclipse建立web应用，实现基础数据收集、投资预测的页面展示功能。

3）可以并行用MatLab建立一个Project，利用MatLab强大的函数功能实现多元线性回归算法、BP神经网络算法、灰色系统算法、组合算法，建立不同的M文件，测试验证后打成Jar文件。

4）将MatLab生成的javabuilder.jar和mat.jar包拷贝到MyEclipse工程的lib中，即可实现Java调用Matlab的函数。

5）若系统是在Linux环境下部署，需在Linux环境安装MCRInstaller，并配置运行时环境变量。

4.结语

项目实践过程表明，利用MATLAB和JAVA进行优势互补，缩短了开发时间，降低了实现复杂度，让人们可以更多地关注业务模型的建立，用户交互体验设计方面，拓展了技术实现的可行性。

[1]王华丽.多元线性回归分析实例分析[J].科技资讯,2014,12(29):22+24.

[2]王惠文,孟洁.多元线性回归的预测建模方法[J].北京航空航天大学学报,2007,(04):500-504.

[3]梁海峰,涂光瑜,唐红卫.遗传神经网络在电力系统短期负荷预测中的应用[J].电网技术,2001,(01):49-53.

[4]王成山,杨军,张崇见.灰色系统理论在城市年用电量预测中的应用——不同预测方法的分析比较[J].电网技术,1999,(02):17-20.