遗传算法和BP神经网络的电信业产出预测

电信业产出是衡量电信产业发展状况的主要指标,其影响因素具有较强的非线性和随机性,很难用传统的预测方法进行预测。而BP神经网络方法具有的较强非线性映射能力和柔性网络结构在解决这一问题时具有明显优势。本文基于遗传算法改进的BP神经网络模型,利用我国电信市场从1998至2012年15年数据作为训练数据与测试数据应用于电信业产出规模预测。研究结果表明,基于遗传算法的BP神经网络模型预测精度明显大于传统预测方法,可为电信业的健康和快速发展提供一种新的、可量化的工具和方法。     

基于BP人工神经网络的快速工程估算研究综述

我国建筑行业发展长期受到"三超"现象困扰,因此近年来如何通过成本管理合理预测工程造价成为现阶段建筑行业的主流思想.有越来越多的研究希望通过人工神经网络模型应用于工程造价估算来达到合理建模,快速估价的目的.为了明确人工神经网络估算模型在工程估算中的应用和发展前景,需要对相关文献进行综述和梳理.首先,先从应用最广泛的BP神经网络估算模型入手,分析该BP神经网络模型应用过程中的优缺点,并对现有解决方法进行综述.其中讨论了通过强弱耦合弥补BP模型应用缺陷以及选取其他常见模型应用于工程估算,如:RBF神经网络模型、模糊神经网络模型.最后,我们对人工神经网络的研究前景进行展望,为实现工程造价智能化奠定了基础.     

房地产上市公司财务预警实证研究

准确预测房地产公司的财务风险并及时预警有助于房地产企业的健康稳定发展.根据房地产企业的现实情况,通过BP神经网络模型和Logistic模型分别对房地产上市公司的财务状况进行了实证研究.结果表明:BP神经网络模型的预测准确率要高于Logistic模型,同时综合使用多种方法预测房地产公司的财务状况更加准确.     

电网规划数据中架空线路参数辨识

文章建立了电网规划数据中架空线路参数辨识模型,模型采用多元回归分析和BP神经网络相结合的方法实现。首先利用多元回归分析得到神经网络计算模型的初始连接权值,然后利用BP神经网络训练得到架空线路的长度值,最后利用长度和线路标准参数表进行架空线路的参数辨识。     

转型期中国城市土地空间扩张问题研究——基于Muth-Mill模型的实证检验

论文分析了经济转型背景下市场化改革和政府制度转型如何影响中国城市的空间扩张过程,并基于1998年、2002年、2004年和2006年中国地级市建成区数据对Muth-Mill模型进行实证检验.结果表明经济增长、人口城市化、交通改善、服务业发展是中国城市空间规模扩张的主要原因;分年度的回归表明,近年工业化对城市空间规模的影响不显著;受国家对土地空间规制的影响,城市对农村的相对效用未能影响城市的空间变化.     

我国城市建成区扩张特征及其动因

利用1996-2011年间全国31个省份城市建成区的面积数据,揭示了城市建成区扩张的时空特征,并运用计量分析方法探讨了城市建成区扩张的动因。研究发现,我国省际城市建成区面积扩张幅度存在明显的梯度分布,且扩张速度表现出明显的时段差异;城市建成区扩张受经济发展和城市化的显著影响,各省份城市建成区面积、经济发展水平与城市化水平之间存在长期均衡关系;经济发展和城市化水平对各省份城市建成区扩张的作用存在差别,城市化水平对城市建成区扩张的影响大于经济发展对建成区扩张的影响。     

基于BP神经网络模型的国内旅游人数预测

旅游人数的分析和预测是旅游规划与管理的关键性、基础性工作。目前旅游人数预测主要采用基于传统研究方法的预测方法。提出了一种基于BP神经网络模型的国内旅游人数预测新方法,对国内旅游人数的变化趋势进行了综合分析与预测,结果表明该方法具有较高的精度,该模型在旅游人数预测中的应用是可行的。     

财务危机预警工具:基于EVA的BP神经网络模型

本文以2003-2005年我国沪深两市A股上市公司作为研究对象,采用BP神经网络方法构建了整合EVA指标的财务危机预警模型,并进行了实证研究.实证结果表明:整合EVA指标的BP神经网络模型较Logistic模型具有更高的预测精度.     

基于BP神经网络的铁路货运量组合预测

在介绍了BP神经网络及组合预测的基础上分别采用灰色预测法、S曲线以及指数函数对昆明市铁路货运量的历史数据进行了单项拟合预测,再利用BP神经网络对三项拟合预测结果进行了组合预测.结果表明,基于BP神经网络的组合预测方法比单一预测方法在预测精度上有很大提高,验证了该方法的有效性.     

粒子群优化神经网络在财务困境分析中的应用

目前BP神经网络已经成功用于公司财务分析与预测,但神经网络采用了传统梯度下降探索法致使BP神经网络存在着收敛速度慢,易陷入局部最优等缺陷,对应用效果造成了不良影响.本文提出通过改进粒子群全局搜索算法对BP网络进行训练.既保留了神经网络原有的优点,又克服了传统训练方法的缺陷.实证表明,该方法预测结果优于传统神经网络模型.     

基于神经网络的药品需求组合预测研究与应用

药品的市场需求预测是制药企业生产控制中的重要组成部分,具有复杂的非线性特点。本文以制药企业的药品需求预测为研究对象,通过分析药品需求的特征,建立了基于神经网络的组合预测模型。本文选择3种具有互补特征的神经网络预测方法（BP神经网络的预测方法、RBF神经网络的预测方法和GRNN广义回归神经网络）分别对药品需求进行预测,然后在此基础上使用平均绝对相对误差（MAPE）为最优准则,通过求解二次规划问题得到权重并按照一定的规则进行变权,从而建立了基于神经网络的药品需求组合预测模型,最后对该模型实际应用的精度和稳定性进行评价。实验表明,本方法能够提高预测精度、稳定性,并扩大了模型的适用范围。     

风电功率预测问题研究

文章采用BP神经网络法对风电场58台风机的输出功率进行了预测研究,建立三层神经网络模型,根据已有的风电功率历史数据、应用数据整理,进行BP神经网络的计算和回归分析,运用excel,matlab以及eviews等相关软件进行预测分析,解决了风电功率预测问题。     

论基于BP神经网络的GDP预测

在经济分析中,通常采用时间序列模型对进行拟合GDP,GDP预测由于其影响因素复杂、具有很强的非线性,是典型的"黑箱"模型,建立在计量经济学理论基础上的线性方法,难以描述GDP预测中的非线性现象,容易造成预测误差过大.通过对BP神经网络数据进行归一化和选择适当的节点及学习率可变的算法大大提高了预测的精确度和效率.     

制造业上市公司BP神经网络财务预警

本文运用BP神经网络对我国制造业上市公司进行实证研究,选取了2002～2005年的62家ST公司为样本,通过显著性检验对指标进行筛选,并比较了单纯依靠财务指标的BP神经网络财务预警模型与引入非财务指标后的模型的预测效果,结论认为引入非财务因素后的BP神经网络财务预警模型更加精确.     

工程造价估算模型研究与基于层次分析法的BP神经网络模型应用

本文阐述了工程估算模型概念、分类,神经网络的基本概念、基本结构和算法原理,建立了基于层次分析法的BP神经网络的工程造价预测模型,并根据模型借助MATLAB神经网络工具箱对案例分析,对其具体应用过程作了阐述。研究表明使用BP神经网络来进行工程造价预测是完全可行的。     

基于灰色理论和BP神经网络的房地产价格指数预测

房地产价格指数反映房地产市场价格波动的方向和趋势,是有效地进行房地产市场分析的一种必要工具,对其的预测直接影响到众多干系人的决策,关系到各干系人的切身利益,因而对预测结果的精确度要求很高。本文运用灰色GM(1,1)模型和BP神经网络模型相结合的灰色BP神经网络模型,以Matlab为工具,对房地产价格指数进行预测。此组合模型融合了灰色预测和BP神经网络预测的优点,既克服了数据波动性大对预测精度的影响,也增强了预测的自适应性。并且,以中国房地产价格指数为例进行预测,结果证明了该组合模型的优势,为房地产价格指数预测研究提供参考依据。     

第三产业产值比重预测的BP神经网络模型

宏观经济政策的制定要参照各次产业的发展水平,所以对产业发展水平进行评估和预测就显得十分必要。通过运用改进BP算法神经网络的建模方法对我国第三产业产值比重进行分析,最后建立了单隐层的BP神经网络模型。结果表明基于改进BP算法的神经网络模型预测精度高,收敛速度快,具有良好的泛化能力,模型的通用性和实用性强。     

基于CS_BPNN的光伏发电功率预测模型研究

光伏发电功率预测对电网的安全稳定运行具有重要意义。通过数据预处理,运用灰色关联度分析计算时序相似度,提高了相似日选取的准确度。提出了基于布谷鸟搜索算法优化BP神经网络的光伏发电功率预测模型,并通过实验的方法分别对晴天、阴天和雨天三种天气类型下的光伏功率进行预测,将其与粒子群优化算法优化BP神经网络模型、BP神经网络模型进行对比。结果表明,基于布谷鸟搜索算法优化BP神经网络的光伏发电功率预测模型,在光伏发电功率预测领域具有更高的精度与稳定性。     

ARIMA模型与BP神经网络模型的比较研究——基于供电企业电费现金流入预测

文章基于供电企业对电费现金流入预测的现实需要,分别建立了基于时间序列的ARIMA模型和BP神经网络预测模型,并对两种预测方法进行了对比分析,最终确定了以ARIMA模型为主、BP神经网络为辅的综合预测手段,有效地提高了电费现金流的预测精度,增强了供电企业的现金流管理水平。     

遗传算法优化上市公司财务预警的实证研究

<正>一引言企业进行预测、防范、控制和处理财务危机,迫切需要建立一个有效的财务困境预测系统,以便对公司的未来财务状况进行分析和预测,及时将企业财务困境扼杀在萌芽状态。本文针对我国目前上市公司的具体情况,利用我国上市公司近几年的数据资料,分别采用BP神经网络和遗传算法优化BP神经网络的方法,构建了基于财务指标和引入非财务信息的财务危机预警模型,旨在财务危机模型系统的实证研究方法上有所创新,提高模型预测的准确度和建模速度,同时扩大模型的适用性。