基于小波神经网络的非线性组合预测方法及其应用研究

文章提出了基于小波神经网络的非线性组合预测方法,给出了其具体组合预测原理及具体学习算法,并将其用于国际原油期货价格数据的预测。国际原油期货价格数据的预测结果表明:基于小波神经网络的组合预测方法得到了比单一预测方法都要好的预测结果,有较好的应用前景。     

基于AIW-PSO小波神经网络的上证指数预测

针对小波神经网络(Wavelet Neural Network,WNN)的学习算法的不足,采用一种自适应惯性权重粒子群优化算法(Adaptive Inertia Weight Particle Swarm Optimization,AIW-PSO)作为小波神经网络的学习算法,建立AIW-PSO小波神经网络模型对上证指数进行预测,并将预测结果传统小波神经网络模型比较。结果表明,AIW-PSO小波神经网络模型对上证指数具有更好的预测效果。     

基于小波神经网络的人脸识别算法研究

利用小波神经网络建立了人脸识别算法,并且利用MATLAB软件编制的仿真程序,进行了仿真分析,仿真结果表明,该方法具有较高的人脸识别精度。     

基于BP神经网络的税收收入预测模型

税收收入预测的解析模型难以精确建立,基于多层前传神经网络,采用BP算法训练建立了税收预测模型,该模型具有收敛精度高、收敛速度快、泛化性能好的优点。研究表明,采用神经网络结构及其学习技术建立高精度非线性税收预测模型切实可行,具有推广应用价值。     

证券市场预测的小波神经网络模型

本文首先讨论了证券市场的各种影响因素,然后运用小波神经网络模型的非线性映射能力、模式识别能力和强容错性,提出了一种基于小波神经网络的证券市场预测的通用模型。     

基于Matlab的神经网络预测模型研究

本文针对物流系统多种因素相关的非线性特点，建立了人工神经网络模型并对物流系统历史数据进行拟合，抽取和逼近负荷曲线进行物流预测。它的优点在于它具有模拟多变量而不需要对输入变量做复杂的相关假定。不要求知道输入输出变量间的函数关系，只需通过对输入输出数据的训练，获得输入输出之间的映射关系，来进行负荷预测。该预测模型在Matlab软件平台上进行了仿真，结果反映了该预测模型的有效性和实用性。     

基于BP神经网络的MRO需求量预测模型研究

在分析MRO物料特点的基础上,利用BP神经网络算法,对MRO类物料历史需求数量的时间序列数据建立预测模型,解决了MRO类物料由于需求不稳定,影响因子难以确定等带来的需求量预测精度偏低的问题.并通过实证分析说明了BP神经网络在MRO类物料需求量预测上的有效性.     

基于模糊神经网络的商品价格预测模型

为了方便地预测大型商品的价格,建立了一个模糊神经网络预测模型。该模型能够通过分析影响商品价格的各种参数及历史数据来评定一个新商品的大致价格水平。同时,在比较了FNN与ANN的基础上得出了FNN的优势。     

基于神经网络的光伏短期出力预测

本文分析了光伏发电设备的输出功率与影响天气的因素之间的相关性,影响天气的因素包括辐照度、温度、湿度、天气类型和季节。其次,在此基础上,分析了小波神经网络的相关理论,完成了小波神经网络的预测模型设计,而后,提出了一种基于气象因素寻找相似日的方法,并基于光伏电站的历史气象信息创建了特征向量,并通过计算灰色关联度来确定预测日相似日的样本集。最后,将相似日算法和小波神经网络创建光伏电站的短期电力预测模型。预测结果表明,基于神经网络的预测模型在一定程度上有参考利用价值。     

物流企业运营成本的小波神经网络预测方法

随着我国社会主义市场经济的逐步深入,物流企业对成本控制的要求越来越迫切,为有效进行物流运营的成本控制,文章引入小波神经网络方法探索对运营成本的精确预测,根据物流运营成本的变化规律,建立了物流企业运营成本的小波神经网络预测模型,选用Morlet小波进行成本模拟,采用共轭梯度法进行迭代求解,并应用某物流企业的运营成本进行了实例分析,为物流企业进行运营成本控制提供了一种行之有效的高精度预测方法.     

基于BP神经网络的物流需求量预测模型研究

本文利用神经网络理论，建立了时间序列对象的反向传播（back-propagation，BP）预测模型，运用于物流需求量预测。并通过实例分析，验证了本模型的科学性与正确性。     

基于BP神经网络的时间序列预测研究

建立了基于BP网络的时间序列预测模型,将模型应用于实际算例,设计了模型的网络结构、初始权值和偏差,结果验证了模型的有效性。     

利用BP神经网络预测隧道周边位移

介绍了利用神经网络技术的基本原理;并以隧道周边位移为例,说明应用MATLAB实现BP神经网络的预测。     

小波神经网络对沪深A300的分析和预测

针对金融时间序列非平稳性、非线性的特点,本文采用小波分析与人工神经网络相结合的方法,对沪深A300收盘价进行分析和预测。结果表明,小波神经网络有较强的预测能力,能达到预期效果。为了验证该方法的预测能力,进一步将时间序列数据多步分段,全方位地进行预测,并与小波-ARIMA模型、BP神经网络预测方法进行比较,体现了小波神经网络的预测优势。     

基于我国CPI时间序列的神经网络预测模型

近年来,我国的居民消费价格指数涨幅屡创新高。根据我国1990年-2008年的CPI时间序列,首先利用时间序列分析方法确定输入向量,然后应用改进BP算法的人工神经网络分别预测出2011年和2012年我国CPI将分别为104.9和105.2,实验结果证实了BP神经网络模型用于CPI预测的准确性和可行性。     

一种基于小波神经网络的超分辨图像重构

针对在航空航天遥感领域中使用的CCD相机对景物进行成像时,由于像元尺寸的限制导致图像低分辨率的问题和传统的图像重构算法的不足,提出了小波神经网络映射图像重构过程非线性特性的方法。实验表明,用小波神经网络对低分辨的图像重构,可以得到高分辨率图像。通过仿真实验得到高分辨率和高信噪比的超分辨结果：     

基于神经网络的广西物流需求预测模型构建与应用研究

精准预测物流需求,是降低物流运作成本、提高物流运作高效化的重要手段。文章以区域经济发展水平、居民收入和消费水平、人口规模、物流基础设施能力等因素作为输入层,构建输入层到隐含层再到输出层的映射函数,利用神经网络预测方法,预测出“十四五”期间广西物流需求量,并且较传统预测方法具有更高的预测能力。基于物流需求快速增长,建议广西要加强物流基础设施建设,提升物流服务、物流信息化与智能化水平,壮大物流主体和促进物流业与先进制造业深度融合。     

基于LVQ神经网络的电信企业客户流失预测模型研究

随着人工智能的快速发展,人工神经网络被广泛地运用到分类预测领域。文章首先明确了客户流失的定义及其分类,然后分析了LVQ神经网络的基本原理,最后从研究样本的确定、预测变量的选取、模型的训练及评估三个方面构建了基于LVQ神经网络的电信企业客户流失预测模型,以期为电信企业客户流失预测模型的设计提供一定的借鉴意义。     

变风量空调系统的小波神经网络控制

提出一种基于小波神经网络的控制方法,并将其运用到变风量空调的控制中去,小波神经网络控制器能产生复杂的最佳控制规律。仿真结果表明小波神经网络控制方法明显优于普通神经网络控制,并且具有逼近精度高、控制效果好、抗干扰能力强等优点。     

基于果蝇算法优化小波神经网络的输电工程造价预测

为了准确控制输电工程造价水平,提出一种基于果蝇算法优化小波神经网络的混合预测模型。首先,对输电工程造价影响因素进行归一化处理,并将归一化结果作为输入变量;其次,利用果蝇算法对小波神经网络参数进行优化,在此基础上,利用优化后的小波神经网络模型预测输电工程造价;最后,将本文的预测结果和其他方法进行对比。算例结果表明,该混合模型的预测效果更理性,精度更高。