用神经网络组合预测算卫生总费用

利用BP神经网络组合能够较好地模拟在各种不确定因素影响下因果变量之间的内在关系.建立了基于人工神经网络的卫生总费用预测模型,该模型的网络结构由输入层(1个节点)、隐层(7个节点)和输出层(1个节点)组成.采用改进的BP算法对7组学习样本进行训练,得到各节点间的连接权和阈值,然后用优化好的网络进行卫生总费用预测.预测结果表明,利用该方法建立的模型预测误差在1%以内,十分精确.     

自组织FPNN在宏观经济预测中的应用

论文针对经济预测通常表现为复杂的非线性这种特性,提出了一种基于自组织过程神经元网络(FPNN)和改进的BP神经网络建立的经济预测模型方法。自组织过程神经元网络(FPNN)由输入层、竞争层和输出层组成。FPNN筛选出对因变量(网络输出)最有影响作用的变量(自变量)之后作为改进的BP算法网络的输入节点,再用进行学习。该模型不仅克服了时间序列预测模型只能进行线性预测的不足,而且还避免了传统神经网络的固有缺陷。以2001年到2004年国内生产总值作为预测分析样本,并对预测结果和实际值进行了比较分析,结果验证了该方法的有效性。     

基于BP神经网络的新建支线机场货邮量综合预测

新建支线机场的货邮量预测对合理规划其航空物流体系具有重要意义。首先分析了支线机场货邮量的影响因素,然后用因子分析法对BP神经网络输入层进行影响因素(指标)进行约简,以减少BP人工神经网络的复杂度,在此基础建立了拟合模型对新建支线机场历史航空货邮量进行拟合,最后建立BP三层神经网络模型对新建机场航空货邮量量进行预测。以江苏省淮安市新建支线机场以例进行实证研究,结果表明该模型有较高精度。     

基于灰色模型与BP神经网络的青岛旅游需求预测模型

本文主要研究青岛市旅游需求预测的有关问题。本文首先对搜集的数据进行无量纲化处理,利用主成分分析得到影响旅游需求的主成分,以旅游人口建立GM(1,1)模型,进而将模型推广到GM(1,N)模型,并进行残差检验确保其可靠性;其次,对影响旅游需求的因素进行GM(1,1)灰度预测,并利用预测数据建立BP神经网络模型对GM(1,1)模型进行优化改进,最后,分析得到运用BP神经网络模型进行预测的结果更为准确。     

基于BP神经网络模型的沪深300指数预测

采用BP神经网络模型,利用MATLAB软件,通过沪深300指数2011年1月4日到2012年3月30日的开盘价、收盘价、最高价、最低价四组数据建立三层的BP神经网络模型,用前290天的数据对模型进行学习和训练,然后用后12天的数据对模型进行检测,最后对2012年3月15日的开盘价进行短期预测。结果表明,BP神经网络模型具有良好的泛化能力,在沪深300指数的预测方面有很好的预测能力,有很强的现实意义。     

我国卫生总费用影响因素分析及预测

卫生总费用是衡量一个国家或地区卫生筹资水平及其利用程度的重要经济指标。本文运用普通最小二乘估计法作多元回归分析,基于我国1995～2008年的数据进行实证,结果表明:经济增长仍是我国卫生总费用增长的重要影响因素,政府卫生支出比例对卫生总费用也有显著性影响,而人口老龄化程度的不断加深对我国卫生总费用增长带来了很大压力。最后对未来我国卫生总费用进行预测,以期为政府决策部门制定十二五规划提供参考依据。     

基于BP神经网络的中小企业信用评价

本文在分析信用评价重要性的基础上,根据中小企业信用评价的指标体系建立了基于BP神经网络的企业信用三层神经网络评价模型,该模型具有对中小企业信用的预测功能。     

遗传神经网络在电信业务收入预测中的应用研究

误差反向传播神经网络(BPNN)由于优越的非线性数据处理性能以及较强的学习能力而被广泛地运用于电信业务的预测当中。然而,神经网络常常存在着收敛于局部最优解、学习时间长等缺陷而影响其预测效果,而遗传算法(GA)是一种全局寻优搜索算法,能够有效克服上述缺陷。本文针对影响电信业务收入的主要因素,将BP神经网络与遗传算法有机结合起来,建立了相应的遗传神经网络模型用于电信业务收入预测,并利用实际数据进行效果验证。实验表明,该预测模型具有很强的学习能力和自适应性,其预测结果优于BP神经网络模型,而且具有良好的泛化性。     

基于改进ANN的我国社会物流总成本预测研究

社会物流总成本(WLCB)序列同时具有线性和非线性的特征,直接对WLCB预测,传统预测、神经网络方法均产生很大的误差。本文提出:对WLCB数据作两步预处理,逐步消除WLCB的线性特征,在只具非线性特征的预处理后数据基础上,建立BP预测模型。分别与建立在原始数据及只作一步预处理的数据的BP预测模型进行比较,实验表明:两步预处理后不含线性特征的BP模型预测准确率大大提高,从而证实了改进NN模型用于WLCB预测的有效性。     

基于神经网络的通货膨胀预测模型研究

本文采用神经网络的方法,利用消费者物价指数、工业增加值和货币供给等数据,分别以BP神经网络、RBF神经网络和Elman神经网络建立通货膨胀预测模型.三个模型预测结果表明,采用神经网络方法建立的模型能够较好地预测通货膨胀的变动.通过比较BP神经网络和Elman神经网络预测结果可以看出,带有反馈机制的神经网络模型预测性能优于一般神经网络模型.     

灰色神经网络在股价预测中的应用

本文在深入了解股价的可预测性和研究各种股价预测的方法的基础上,探讨利用BP神经网络和灰色模型进行股价预测。以二者为基础,将BP神经网络和灰色模型预测模型的优点结合,提出灰色神经网络模型。该模型将灰色模型的预测值作为BP神经网络的输入变量,而以实际值作为输出变量对神经网络进行训练。     

浅谈人工神经网络在林业中的应用

以C++程序设计为平台,运用人工神经网络的方法建立林分林种出材率的BP神经网络模型.通过查阅学习伐区设计资料和实际生产码单数据,最后确定以平均树高,平均胸径,树种年龄,保留密度,蓄积量为输入输入神经元,分析明确了从影响BP算法的学习率和预测精确度的因素中的隐含层的神经元数量,训练次数,隐含层函数,样本数量应诉进行对林分材种出材率预测的BP网络模型进行优化设计,也明确了林分材种出材率预测的人工神经网络模型.     

基于初始条件优化的GM(1.1)模型在黑龙江省GDP预测中的应用

鉴于GDP是衡量一个地区经济发展程度的重要指标,若能对该地区的GDP的未来趋势做出尽可能精确的预测,则对该地区未来经济发展政策的制定和实施都有着积极的作用。从减少预测误差为出发点,利用对传统GM(1. 1)预测模型初始条件的选择进行优化,建立了预测精度改善的基于初始条件优化的GM(1. 1)模型,并利用优化的GM(1. 1)模型结合黑龙江省近些年的GDP数据对黑龙江省未来几年的GDP发展趋势进行了预测,并依据预测结果提出了黑龙江省经济发展的建议。     

基于GA-BP神经网络的顾客满意度测评研究

本文利用遗传算法与神经网络的特性,建立了基于GA-BP神经网络的顾客满意度测评模型。该模型首先将BP网络的权值和阈值通过遗传算法进行优化,然后对BP网络进行训练。网络最终测评结果较BP神经网络更有效、准确。通过某商场实例数据证明此测评模型收敛速度快、预测精度高,为顾客满意度测评提供了一种实用的方法。     

基于BP神经网络的中国制造业生产率预测模型——交叉学科在生产物流领域的应用研究

BP网络能学习和存贮大量的输入-输出模式映射关系,而无需事前揭示描述这种映射关系的数学方程。因此采用三层BP网络实现制造业工业增加值、制造业全社会固定资产投资和工资向全要素生产率的转换,借助MATLAB神经网络工具箱编写了训练程序、测试程序、预测程序,最终神经网络隐层含有13个节点,传递函数采用tansig函数;输出层传递函数选用purelin函数,得到的训练误差为8.44272×10-6,结果满意,可以认为该神经网络可以用来实现这个关系映射,并对2007年全要素生产率进行了预测。     

组合预测模型在股指短期预测中的应用——以上证综合指数为例的实证分析

本文分析了自回归移动平均模型(ARIMA)与BP神经网络模型在预测方面的特性和模型各自的优缺点,在此基础上尝试建立了ARIMA和BP神经网络的股指组合预测模型。ARIMA与BP神经网络组合使用的基本原理是股指时间序列数据可分解为线性部分和非线性残差部分。本文以上证综合指数为例,首先采用ARIMA预测上证综合指数的线性变化趋势,然后采用BP神经网络对上证综合指数的非线性趋势进行拟合,最后整合两种模型的预测结果。仿真结果表明:组合模型提高了对上证综合指数的预测精度,证实了组合模型在股指预测方面的有效性。     

社会物流费用预测研究——基于2016年的数据分析

社会物流总费用是物流行业年度发展过程中的一个重要经济指标,体现了物流行业宏观层面的发展状况和趋势。对于社会物流总费用的正确预测,有利于政府和行业协会提前制定相应的政策法规和行业准则,应对物流行业的快速发展。文章主要利用指数模型、灰色预测模型、阻滞模型,基于2008年至2015年的社会物流总费用的数据来预测2016年的社会物流总费用。并使用Matlab软件对社会物流总费用的灰色模型进行模拟验证。通过对社会物流费用的预测研究,希望为物流行业数据预测的研究提供新的思路和方法。     

BP神经网络、SVM在个人收入预测中的应用

改革开放以来,中国居民收入稳步上涨,但收入差距却越来越大。对于个人收入的分析也成了研究的重点。本文利用matlab R2012a建立了BP神经网络和支持向量机算法模型,得到了两个模型在研究个人收入预测应用中总体预测准确率、均方误差MSE和决定系数R2的值。结果表明,相比于BP神经网络,支持向量机预测准确率更高,模型拟合度更好,具有更好的预测效能。     

世界新船订单趋势预测的组合模型应用分析

本文利用趋势移动平均法、灰色系统的GM(1,1)方法和BP神经网络方法的组合模型进行了新船订单趋势的预测。预测结果的对比发现,组合模型能够比单一模型得到更准确的趋势预测结果。     

基于GA—BP神经网络模型的期货价格预测与分析

本文选取20091月5日～10月29日的大豆期货主力i1001合约共200个交易数据作为训练数据，10月30日～11月12日的10个数据为测试数据，利用BP神经网络对期货价格建立预测模型，并用遗传算法进行修正，从而实现对大豆期货交易价格的预测分析。结果表明，改进后的GA—BP神经网络模型拟合精度明显高于BP神经网络模型，并对期货价格走势有良好的预测效果，可给期货市场的投资者提供投资建议。此外，利用改进后的模型可对期货市场操纵现象进行预警，对监管者具有一定参考价值。