主成分指标在基准地价评估神经网络中的应用

对我国现行城镇基准地价的评估方法进行了研究,阐述了现行方法中存在的问题和不足,提出了通过区域样点地价和区域地价影响因素平均分确定基准地价的方法,使用主成分分析法建立了地价影响因素的主成分指标,结合BP神经网络建立了基准地价评估模型,并通过实例验证了方法的可行性和模型的准确性。     

基于遗传算法优化BP神经网络的企业营销风险预警研究

为了克服现有研究的缺限,文章提出了一个基于遗传算法优化BP神经网络的企业营销风险预警模型.首先阐明了BP神经网络和遗传算法应用于企业营销风险预警的可行性,然后构建了基于遗传算法优化BP神经网络的企业营销风险预警模型,接着通过某企业实例对模型进行了训练和测试.结果表明,该模型可以有效及时地对企业面临的营销风险做出预警.     

基于专利分析的MiniLED & MicroLED技术发展态势研究

利用incoPat专利数据库,对MiniLED&MicroLED领域专利宏观态势和专利技术构成进行分析.分析结果显示:专利MiniLED&MicroLED正处于技术蓬勃发展阶段,前景广阔,未来会出现弱者淘汰,留存在市场上的企业技术越来越强.中国大陆、美国、韩国、日本、欧洲既是主要专利布局国家/地区,也是主要技术来源国家/地区.在全球专利申请人排名中,中国申请人有6家.专利技术中显示模组技术发展最迅速.基于上述分析结果,建议国内申请人从技术热点或有发展前景的技术点入手进行专利布局、加强海外专利布局、合理使用失效专利、产品上市前排查侵权风险、评估被诉风险.     

基于BP神经网络的土地整治工程典型路面选型研究

土地整治工程田间道路的路面选型过程是一个复杂的、非线性映射过程,需要借助专业人员的经验评估来确定路面结构类型。本文提出的基于BP神经网络路面结构选型模型,以安康市农村公路典型路面结构数据为例,进行分析验证。通过应用精准的数据挖掘方法解决路面结构类型选型问题,有助于促进土地工程领域路面结构选型决策的智能化和科学化。     

基于LDA模型的专利文本主题分析——以国内元宇宙领域为例

为了探究元宇宙作为新兴产业的热点,解决国内元宇宙领域研究重点不明确的问题,提出使用LDA主题模型的专利文本分析方法。将LDA主题模型运用到国内元宇宙领域相关专利文本分析中,结合人为判断和主题困惑度的方法,实现了对专利技术主题的识别和划分。通过实验分析得出结论：人工智能、区块链、云计算等是当前中国元宇宙产业应用专利的热点技术;通过LDA主题模型分析国内元宇宙的专利文本,可以实现其技术热点主题的分类和细分判别,可以为未来的行业发展提供建议。     

基于专利价值的中药材产业区域发展水平分析模型

专利是衡量产业发展水平的重要维度,为评估中药材产业各区域的发展水平,针对传统单一赋权方法导致专利价值评价结果准确性较低的问题,提出一种基于改进的灰关联度组合赋权法计算专利价值,进而利用专利价值对中药材发展水平进行评价的方法.首先,从权力价值、市场价值和技术价值三方面制定专利价值评估指标体系.然后,综合主、客观赋权法,通过引入一致性检验改进灰关联度组合赋权法,构建专利价值评估模型.分析各省市专利价值及其统计指标,评估中药材产业区域发展水平,可知直辖市及沿海地区的中药材产业发展水平良好,东北部及南部偏远地区发展相对落后,政府调控、产业结构和资源分配等方面还需进一步完善.最后给出了相应改进建议.     

基于专利数据的国内外陶瓷膜技术情报分析研究

本文基于incoPat数据库进行专利检索,采用专利情报的分析方法对陶瓷膜技术相关的国内外专利数据进行量化分析。陶瓷膜技术专利的检索结果从年度申请态势、区域分布、主要专利权人、IPC分类号、高被引专利引证、3D沙盘等方面进行了多维度分析,以揭示陶瓷膜技术的专利布局状况,并就重点研发领域进行了深度挖掘,分析研究了相关技术领域的重点、热点以及空白点,从而为我国陶瓷膜专利技术的产业化提出了参考性建议。     

一种基于BP神经网络的B2C电子商务顾客满意度评价模型

针对当前电子商务顾客满意度评价方法所存在的不足，提出一种基于BP神经网络的评价模型。首先，建立了B2C模式下电子商务企业顾客满意度评价指标体系，然后根据指标体系，设计了BP神经网络模型，并利用神经网络工具箱对模型进行了实现，通过学习样本的训练，使模型的误差达到预定的范围内．验证结果表明，BP神经网络方法对B2C模式下电子商务企业顾客满意度评价有着良好的效果。     

技术前沿和技术体系发展趋势的一个比较研究——以华为与三星电子公司为例

对通讯技术领域的著名企业华为公司和三星电子公司进行专利计量与可视化分析的结果显示:华为公司的两大主要技术领域通讯、计算与控制形成一个比较完整的技术集群,三星电子公司的三大主要技术领域半导体与电子电路、通讯、计算与控制形成两大技术集群;三星电子公司的专利技术研发领域比华为公司更为宽广。华为公司的通讯技术将在今后一段时期内,仍然保持着比较强劲的发展势头;三星电子公司的三大核心技术领域将在今后一段时期内同时呈现出强劲一致的发展趋势。本比较研究中,综合技术预见、专利分析和数据发掘,从而有希望发展为一种高科技产业预见。     

基于SSA优化BP神经网络的污染物浓度二次预测模型

为解决一次预报模型模拟结果不理想的情况，使用主成分分析（PCA）对14项气象影响因素进行降维处理并提取4项综合评价指标，使用麻雀搜索算法（SSA）优化BP神经网络的二次预测模型和将一次预报的结果与真实数据的差值作为输出，对预测模型进行训练并做出预测的方法。将模型应用于国内某个地区，用相应的数据对模型进行验证。结果表明，基于SSA优化BP神经网络的预测模型和将误差引入的新模型均较BP神经网络模型有更高的精确度和更强的泛化能力。     

基于机器学习的岩性识别研究

钻井过程中的岩性识别是一个复杂且不断变化的非线性过程,很难建立准确的数学模型.由于传统识别方法存在解释精度低以及难以获得或丢失测井曲线的问题,直接通过传感器获取的钻速、钻压等每个与岩性有直接或间接关系的钻井参数,利用钻井参数进行岩石预测.基于机器学习技术,采用BP神经网络学习算法,根据地层岩性的特点,建立神经网络识别岩性模型,构造钻进参数样本并在MATLAB软件中利用神经网络工具箱进行岩性识别,分析训练集样本数量对模型识别准确率的影响.研究结果表明:BP神经网络输出非常准确,描述了采集到的钻井参数与岩性之间的关系,体现出神经网络的优越性;对钻井过程中岩性的识别具有积极的作用,有利于合理选择钻头类型、及时调整钻井参数和提高钻井效率.该岩性识别方法应用于仿生PDC钻头等方面,在试验和理论相互补充、支撑的同时便于利用该方法针对智能石油钻机开展更深层次的研究.     

基于BP神经网络的辽宁省物流需求预测研究

物流需求预测对经济发展具有重要作用。选取辽宁省2004—2021年的7个经济指标影响因素作为输入指标,货物运输量作为物流需求的输出指标,利用MATLAB R2022b软件,对辽宁省物流需求进行预测。利用灰色关联度分析法,对经济指标影响因素的关联度进行分析。结果认为,输入指标与输出指标具有较强关联度。随后,基于BP神经网络法构建物流需求预测模型,经过仿真预测,BP神经网络模型对物流需求预测具有有效性。     

市场情绪对股票走势的影响分析及预测

为探究投资者情绪对股票走势的影响,利用R软件的爬虫技术将人们对股票市场的看法抓取下来,将文本中的隐含情绪分为积极、消极及中性3种类别,并依此构建情绪得分作为市场情绪量化的结果.利用单位根检验等方法对上证指数与投资者情绪的因果关系进行探究并建立VAR模型.为更好地判断市场情绪对股票走势的影响程度,分别构建加入情绪得分前后的BP神经网络模型对上证指数收益率进行预测,比较两个模型的优劣,从而发现当股票预测模型加入市场情绪指标后误差更小,预测更为准确.     

基于BIM和BP神经网络的装配式建筑成本风险管控研究

针对装配式建筑成本风险管控,通过熵权法确定出装配式建筑决策设计、构件预制、预制构件运输、现场施工四个阶段成本影响关键因素,以此因素量化数据训练BP神经网络,建立基于BIM技术和BP神经网络的装配式建筑成本风险管控模型,收集装配式建筑项目类似工程数据用于分析。研究结果表明,该模型是比较理想的装配式建筑成本风险管控与考核方法,可以提高装配式建筑管理者对于成本风险的管控水平。     

基于BP神经网络的第三方物流服务商的选择研究

第三方物流服务商的选择在企业物流外包中占有非常重要的地位。文章建立了基于神经网络的第三方物流服务商的评价体系,提出了运用BP神经网络模型对第三方物流服务商进行选择决策的方法,并结合算例进行了分析。     

基于改进型BP神经网络的随机车祸持续时间预测

由于道路交通事故的复杂性使之对事故持续时间的预测困难。采用因子分析和BP神经网络相结合的方法，以福银高速福州段近两年交通数据为依据，采用因子分析获取造成车祸事故的少量公共因子，将公共因子做降维处理后作为BP神经网络的输入参数，利用三层BP神经网络实现对随机车祸持续时间的预测。其结果与回归算法、支持向量机算法以及传统BP神经网络算法相比，精准度高、收敛速度快。     

BP神经网络和多元线性回归模型对碳排放预测的比较

为帮助钢铁企业了解自身的碳排放情况,更好的实现节能减排,建立BP神经网络和多元线性回归模型对钢铁企业碳排放进行预测分析,以期找到一种精确、实用的碳排放预测模型,为工业化生产提供参考依据,致力于帮助企业做好提前的碳排放预测,掌握自身排放情况,能够更有效的实施温室气体减排,将企业的碳排量控制在国家政策允许的范围内。结果表明：发现两种模型均能有效的对碳排放进行预测,误差均小于5%;BP神经网络模型对碳排放的预测优于多元线性回归模型。     

基于专利-德尔菲法的技术预见模型构建

基于定量与定性相结合的视角，利用德尔菲法与专利分析技术开展互补分析，构建专利-德尔菲法的技术预见模型，并对该模型的输入信息、3个分析阶段、输出结果加以界定。该模型与传统的技术预见分析模型相比，具有量化数据与理性判断相结合的互补优势，通过多维度指标设计和闭环反馈过程，既减少专家预见过程中的认知偏差，也可增加分析的科学性，确保技术预见过程的系统化和科学化。     

基于PSO-SVR模型的煤炭铁路物流需求预测

在煤炭铁路物流需求预测中,存在历史样本量较小和非线性强的特点,从而致使预测精度较低。将支持向量回归机（support vectorreg ression,SVR）与粒子群算法（Particle Swarm Optimization,PSO）相结合,提出适用于小样本量学习的PSO-SVR模型。选取1995-2011年的煤炭铁路货运量及其影响因素作为学习样本,利用粒子群算法对支持向量机参数进行优化,通过训练、测试得到具有良好学习与推广能力的煤炭铁路货运量预测模型。建立BP神经网络模型,并将二者的预测值进行对比,结果表明在解决我国煤炭铁路物流需求预测这种小样本,非线性及高维模式识别问题中PSO-SVR模型预测精度优于BP神经网络模型。