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。     

基于组合模型的浙江省GDP预测研究

区域GDP的发展趋势是高速公路规划和建设的重要参考依据。基于浙江省1978—2019年的GDP数据,分析数据特性,构建预测模型,掌握发展规律。首先,将GDP数据转化为时间序列,建立ARIMA（2,2,0）模型;其次,将GDP数据以滑动窗口的方式生成输入矩阵,建立BP神经网络模型;最后,利用ARIMA分析GDP时序的线性部分,利用BP神经网络分析GDP时序的非线性部分,建立组合模型。通过计算相对误差比较模型的预测效果,3个模型的平均相对误差分别为6.30%、13.10%、6.08%。结果表明,组合模型的平均相对误差最小,预测效果最好。     

时间序列与BP神经网络在新疆GDP预测中的对比分析

根据新疆维吾尔自治区2009年统计年鉴中的数据,构建并选用合适的时间序列模型、BP神经网络模型,对2004年-2008年的新疆GDP进行预测,并用预测结果与实际值求得相对误差,然后将两种模型的误差进行比较。结果表明,BP模型应用于新疆GDP预测较时间序列预测有较高的预测精度和良好的泛化能力。     

中国新疆加快开发利用煤层气

《新疆煤层气勘查开发利用(2011～2020年)实施方案》近日获批。根据方案,到2020年,新疆煤层气产能将达15亿立方米,煤层气开发利用初步实现产业化。新疆煤层气资源富集,预测埋深2000米以下的煤层气总资源量达9.5万亿立方米。去年,抽采总量8889万立方米,利用量634.5万立方米,利用率仅为7%,开发利用潜力巨大。根据方案,到2015年,新疆将完成重点地区煤层     

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。     

基于免疫粒子群优化神经网络的经济预测算法研究

在分析宏观经济系统特点之后,针对现有的采用人工神经网络对经济系统进行建模和预测的方法存在的问题,文章提出了一种改进的免疫粒子群优化神经网络算法。仿真结果表明：这种算法能够增强神经网络的泛化能力,提高系统模型的预测精度,使预测误差从原来BP神经元网络的15％下降到改进后的5％.     

BP神经网络在安徽省GDP预测中的应用

根据2008年安徽省统计年鉴中的数据,构建并选用合适的BP神经网络建立了安徽省GDP的神经网络预测模型。计算结果表明,BP模型应用于安徽省GDP预测具有较高的预测精度和良好的泛化能力,它为经济预测工作提供了一种全新的思路和方法。     

基于BP神经网络的航班收入预测

用BP神经网络对非线性系统的函数所具有的以任意精度逼近的良好特性,设计了具有成都-北京航线特点的、低成本的航班收入的BP神经网络预测模型。仿真表明,在该航班收入预测上应用BP网络预测方法不仅可行,而且有较高的精度。     

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。     

基于模糊BP神经网络的钢箱梁焊接质量评价方法

针对钢箱梁焊接质量难以判别的问题，提出将智能BP神经网络算法与模糊集合理论相结合的策略，首先对BP神经网络根据实际需求进行建模，进而将BP神经网络预测输出值与模糊理论相结合。最终通过与原始的BP神经网络算法相比较，确定研究提出的模糊BP神经网络算法的优越性和鲁棒性。     

基于小波神经网络的上证50指数多步预测

以神经网络为代表的人工智能模型对股票价格具有良好的预测效果,但是该智能模型侧重于单步预测,很难满足实际股票预测的要求。提出基于小波和神经网络相结合的股票指数多步预测智能模型。选取上证50指数为建模数据,运用小波分解将上证50指数收盘价序列分解成不同尺度的分层数据,依据迭代策略,利用BP神经网络分别预测小波分解后的各层数据,最后将各层的预测结果使用小波重构成原始股票收盘价的预测数值。结果表明,基于小波神经网络的多步预测模型具有良好的多步预测效果。     

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。     

考虑多因素的致密砂岩气藏不同井型气水产能预测新模型

针对致密砂岩气藏不同类型压裂井,根据稳定渗流理论,利用保角变换、水电相似原理,综合考虑启动压力梯度、应力敏感、气井产水等多个因素的影响,分别建立适用于致密砂岩气藏压裂直井、压裂水平井及压裂斜井的气水两相产能预测模型。实例计算及敏感性分析表明,利用本文模型预测的各类气井无阻流量与测试无阻流量值相近,证实了本文模型产能预测的有效性;压裂气井产能随着启动压力梯度、应力敏感及生产水气比的增加而降低,其中气水两相启动压力梯度对产能影响较小,实际应用时可简化处理。该方法为致密砂岩气藏的合理开发提供了一定的参考价值。     

安徽省人均可支配收入的预测——GIOWA算子的优化组合预测方法应用

以安徽省最近20年的人均可支配收入数据作为分析样本,运用GM(1,1)、ARIMA(p,d,q)和BP神经网络三种单项方法给出预测.这些单项预测方法在各个时点的预测精度不一,预测的稳定性欠佳,而对他们重新进行变权组合,构建基于算术平均最小贴近度的GIOWA算子优化组合预测方法,取得了比每个单项预测方法更加优良和稳定的效果,并将该方法应用于人均可支配收入的预测,效果理想,方法优良,值得推广.     

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。     

高炉炼铁含硅量的动态预测

针对高炉炼铁过程中含硅量预测滞后性和复杂性等问题,建立以改进型Elman神经网络为基础的铁水含硅量动态预测数学模型,利用MATLAB工具箱对动态预测模型进行仿真和预测.首先利用蒙特卡洛法随机选取一组数据作为仿真数据样本,对改进后的Elman神经网络进行离线训练.然后用训练后的Elman神经网络进行铁水含硅量预测,再用残差分析法分析预测值与数据样本之间的显著性差异,用统计检验法讨论模型的可行性.结果表明,铁水含硅量数值预测误差较小,铁水含硅量的实际值和预测值无显著性差异,含硅量的测结果是可信的.