基于RBF网络的股市混沌预测

根据股票市场具有动荡混沌的特性，以相空间重构理论和神经网络技术为基础，构建出股票价格短期预测的网络模型。用某股票的实际收盘价作为观测数据，通过训练RBF神经网络得到预测数据。结果表明，用径向基神经网络预测股价是可行的和有效的。     

小波神经网络预测方法在石油期货价格预测中的应用研究

金融时间序列数据的预测是预测领域的热点问题。本文结合小渡变换与神经网络的有关理论，给出了基于小渡神经网络的石油期货价格预测具体学习算法并进行了拟合及检测，结果表明该方法具有比常用的BP算法及径向基函数网络算法（HCM算法）更好的拟合能力、推广能力，可为石油期货买卖决策提供一定的依据，并可推广于其它金融时间序列的预测。     

径向基神经网络模型在人口老龄化预测中的应用——以湖南省为例

人工神经网络具有良好的非线性映射逼近性能,在各类预测研究中得到了广泛应用。径向基函数神经网络（Radial Basis Function,RBF）因其网络学习速度较快且能避免局部极小值,预测值则更接近于真实值。针对湖南省老龄化突出的现状,以湖南省老龄化指数历史数据为基础,从经济水平、人口自然增长、社会保障三个方面构建湖南省老龄化的影响因子体系,用RBF神经网络方法建立了人口老龄化的定量预测模型。作为对比,同时用多元线性回归方法进行了预测,结果表明RBF神经网络预测模型精度更高,预测结果更加合理可靠。     

“十二五”时期中国铁矿石需求预测分析

合理地定性判断未来中国铁矿石需求格局,准确地定量预测铁矿石需求是一项不容忽视的研究工作。本文分别运用灰色系统理论、多元线性回归模型、单层径向基函数神经网络、多段径向基函数神经网络和组合预测模型实证分析“十二五”时期中国铁矿石需求并对结果进行对比分析,结果显示：“十二五”我国铁矿石需求继续呈现增长态势,但增幅有所下降。     

“十二五”时期中国铁矿石需求预测分析

合理地定性判断未来中国铁矿石需求格局,准确地定量预测铁矿石需求是一项不容忽视的研究工作.本文分别运用灰色系统理论、多元线性回归模型、单层径向基函数神经网络、多段径向基函数神经网络和组合预测模型实证分析“十二五”时期中国铁矿石需求并对结果进行对比分析,结果显示:“十二五”我国铁矿石需求继续呈现增长态势,但增幅有所下降.     

个人信用评估的加权组合预测模型

目前单一的个人信用评估模型发展的很快,而精确性与稳定性却不能同时具备,且第二类误判率的能力弱,本文立足于用线性和非线性方法在个人信用评估中体现的优势,选择具有代表性的logistic回归和径向基函数神经网络方法,通过加权组合对个人信用进行预测评估,提高了评估模型的精确性与稳健性。     

基于径向基函数的汽车销量预测研究

径向基函数具有良好的逼近任意非线性函数和表达系统内在的难以解析的规律性的能力,并且具有极快的学习收敛速度。基于径向基函数网络的在预测非线性数据上的优点,我们可以将其用于汽车销量的预测。     

神经网络技术在P2P网贷中小企业信用评估中的应用

P2P网络借贷被认为是解决中小企业融资难问题的有效途径,但为规避中小企业的违约风险,中小企业信用评估问题的重要性不言而喻。首先,利用P2P平台——点融网的相关中小企业数据特征以及宏观经济指标,构建27个指标的中小企业信用风险评估指标体系;其次,利用Python技术收集点融网上中小企业的相关数据和宏观经济数据作为训练集和测试集样本,采用SMOTE算法解决训练集中样本的不均衡问题;最后,为达到分类降维的目的,用主成分因子分析方法对信用风险指标进行筛选。然后采用两种神经网络技术——多层感知器与径向基函数——来预测中小企业的违约概率。结果表明,多层感知器对于中小企业违约概率的预测能力较强,准确率达到100.00%,预测非违约中小企业违约风险的准确率仅为76.30%,而径向基函数预测正确率略胜一筹,达到92.50%,总体正确率为93.00%。     

基于MATLAB动态神经网络进行时间序列预测房地产价格的研究

文章以MATLAB动态神经网络为前提,采用时间序列预测方法进行房地产价格预测。采用全国平均房地产价格为基础样本,利用训练样本和基础样本来建立房地产价格基于动态神经网络时间序列预测模型来预测近几年房地产价格,并与实际价格对比研究来证明此方法的有效性。     

汇率预测的神经网络方法及其比较

浮动汇率兴起以来,大量的参数方法和非参数方法被用于汇率预测,神经网络是其中的一种.神经网络方法在汇率预测中的应用有三种不同的方法:同质神经网络模型、异质神经网络模型和神经网络组合模型.本文讨论了三种神经网络预测模型的特点以及局限性,并通过时这三种方法的比较得出结论:神经网络组合模型充分考虑了汇率的线性特征和非线性特征,比同质神经网络和异质神经网络预测模型更系统、更全面,能更好地进行汇率预测.     

知识型员工心理契约预测方法研究——基于回归树和RBF神经网络的学习算法

以知识型员工心理契约为研究对象,结合在国内三家知识型员工企业调研的实测数据,建立基于RBF神经网络的心理契约预测模型,同时为实现对RBF神经网络预测效率的优化,选择回归树与RBF神经网络相结合的方式,力求实现两者的优势互补,建立一个高效便捷的回归树与RBF神经网络相结合的知识型员工心理契约预测模型。结果表明:通过回归树、RBF神经网络预测数据结果与在三家知识型员工企业实际施测数据结果比较后发现,回归树与RBF结合的神经网络预测数据结果具有较高的准确性。因此,我们可以认为基于回归树的RBF神经网络的学习算法和以该算法为核心的知识型员工心理契约水平预测模型是有效的,该模型对知识型员工心理契约水平的预测具有较高的准确性。该模型能够替代以往对知识型员工心理契约主观预测的方法,使心理契约的预测过程更为高效,预测结果更加科学。     

基于径向基函数神经网络的物流企业供应链合作伙伴选择研究

提出了物流供应链企业合作伙伴选择问题的多目标决策模型,结合物流企业的行业特点,设计了符合物流企业供应链特点的合作伙伴选择指标体系,从伙伴关系、伙伴特性和合作柔性三个方面对物流企业供应链合作伙伴进行分析,将伙伴分类为核心伙伴、重要伙伴、潜力伙伴、基础伙伴,通过构造基于径向基函数神经网络的选择模型对合作伙伴进行归类选择。通过实证研究,结果表明该方法有效、实用。     

人工神经网络对企业发展拐点的预测研究

对企业发展趋势进行预测的研究颇多，但对企业发展“拐点”进行预测的却不多，本方就企业发展的实际情况，构造了预测企业发展拐点的指标体系，并结合神经网络的特点，采用人工神经网络模型对企业发展“拐点”进行了预测，而且检验了其可信度。经验证，采用这种方法所得的预测结果是令人满意的。     

基于小波—神经网络的短期风速预测

采用小波变换和神经网络相结合的方法对风速进行短期预测.利用小波变换将信号分解成不同频段的子序列,各子序列单支重构后,利用神经网络分别建模预测,最后将各子序列的预测结果叠加得到最终的风速预测值.在神经网络学习过程中采用LM算法,有效提高了收敛速度,降低了陷入局部极小值的可能.通过实例分析,验证了该方法可以较为准确地预测风速.     

基于三种神经网络的股价指数组合预测方法初探

本文以三种在股市预测中经常单独使用的神经网络方法为基础,运用组合的思想,将三种方法组合应用于股市,尝试建立一种更加客观、全面、有效的预测方法.以我国自2010年1月4日至2011年12月23日两年来的上证指数为数据基础,首先运用BP、RBF、Elman三种神经网络进行了拟合与预测,然后利用组合预测法,参照三种预测的拟合程度对每一种神经网络赋以相应的权重,得出最终预测结果.     

小波包与神经网络相结合的人民币汇率预测

文章提出一种基于小波包与神经网络相结合的人民币汇率建模及其预测的新方法。首先,将人民币汇率序列进行小波包分解;然后,对分解得到的各子时序分别建立神经网络模型进行预测;最后,基于小波包理论对神经网络模型预测的结果予以重构,实现对人民币汇率的预测。以人民币日汇率和人民币每日分时汇率为例进行了实证研究。研究结果表明,利用基于小波包与神经网络相结合的方法进行人民币汇率预测能取得更好的效果。     

改进小波神经网络下的我国发明专利授权数量预测

专利授权信息是反映专利权人在不同科技领域和产业部门技术积累与控制能力的重要指标,因此政府和企业在作专利战略规划和决策时越来越重视专利授权预测分析的结果。采用小波神经网络模型对国内月度专利授权数量展开时间序列研究,并对其进行短期预测。研究结果表明,小波神经网络训练和泛化平均绝对误差分别是298件和955件,t检验值表明建立的小波神经网络是可信的,网络的训练结果和泛化结果与实际值差异不明显;小波神经网络预测的平均相对误差为10.88%,在期望值有剧烈波动的情况下,小波神经网络依然能够比较准确地预测我国各月度的发明专利授权数量。     

基于BP神经网络的电网建设项目物资需求预测

电力物资是影响电网建设的一个重要因素,准确的物资需求预测能够有效地提高物资的保障能力。本文针对我国电网建设项目物资的需求特点,基于BP神经网络预测方法,构建了电网建设项目物资需求预测模型,并应用MATLAB软件进行了拟合预测。结果表明,在样本数足够多的情况下,BP神经网络预测方法能够有效预测电网建设项目物资的需求量。     

基于三种神经网络的股价指数组合预测方法初探

本文以三种在股市预测中经常单独使用的神经网络方法为基础，运用组合的思想，将三种方法组合应用于股市，尝试建立一种更加客观、全面、有效的预测方法。以我国自2010年1月4日至2011年12月23日两年来的上证指数为数据基础，首先运用BP、RBF、Elman三种神经网络进行了拟合与预测，然后利用组合预测法，参照三种预测的拟合程度对每一种神经网络赋以相应的权重，得出最终预测结果。     

中小企业信用评价的神经网络法

神经网络法弥补了传统的企业信用评价方法中的非线性问题和样本必须服从正态分布问题.针对中小企业成长能力强的特点,本文以在深圳上市的37家中小企业为研究样本,应用神经网络法对其中的10家中小企业的信用状况进行了预测,结果显示神经网络法预测准确率达到了100%.本文还对神经网络法中的财务指标标准化方法进行了调整,并引入了特征样本.