基于遗传算法优化BP神经网络的集装箱吞吐量预测

集装箱吞吐量预测是港口规划建设、生产计划安排、调整港口发展方向的重要基础。针对集装箱吞吐量与其影响因素之间的复杂非线性特征,文章提出基于腹地GDP、腹地货运量、港口前三年集装箱吞吐量作为网络输入构建的遗传算法改进的BP神经网络预测模型(GA-BP),该方法综合考虑到BP神经网络非线性拟合能力强的优点,同时通过遗传算法全局搜索能力强等特点对BP神经网络易陷入局部最优进行改进。为验证提出模型的有效性,选取福州港为案例进行验证,结果显示GA-BP模型的预测精度明显优于BP神经网络,同时对比历史集装箱吞吐量作为输入变量的预测结果,GA-BP模型预测结果精度更高。     

基于数据挖掘的BP神经网络改进算法的产品质量预测研究

人工神经网络是一种新的数学建模方式,传统方法对非线性数据的预测不易找到简单而有效的模型,神经网络的提出为处理非线性问题提供了比较好的方法。针对BP算法的局限性提出了改进的BP网络模型,通过对CSP质量指标的预测结果与传统的BP模型比较．结果表明改进的BP算法提高了学习效率,网络有较好的泛化能力,而且预测更可靠。     

基于数据挖掘的BP神经网络改进算法能产品质量预测研究

人工神经网络是一种新的数学建模方式,传统方法对非线性数据的预测不易找到简单而有效的模型,神经网络的提出为处理非线性问题提供了比较好的方法。针对BP算法的局限性提出了改进的BP网络模型,通过对CSP质量指标的预测结果与传统的BP模型比较．结果表明改进的BP算法提高了学习效率,网络有较好的泛化能力,而且预测更可靠。     

基于粗糙集和神经网络的数据挖掘应用

本论文就是根据电信行业需求,针对电信企业拥有大量详实而且丰富的数据,但是可用有效数据提取困难这一问题。首先利用粗糙集理论中的差别矩阵方法对电信客户数据进行属性约简,之后采用BP(Back Propagation)神经网络建立基于粗糙集和神经网络的数据挖掘模型,实现对电信业务系统的客户数据信息进行有效分析和高效提取,并通过matlab实现了仿真模拟。所建立的模型,减少神经网络的输入层个数、简化了运算次数、缩短了训练时间并提高数据预测的准确度。     

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。     

遗传算法优化的BP神经网络对汽车销售的预测

为了使BP神经网络拟合复杂函数的能力得到进一步提升,本文通过改变BP神经网络结构的权值和阈值,从而进一步优化遗传算法,并将此设计的模型应用到预测汽车销售系统之中。为了比较它与传统BP神经算法预测效果,我们进行了预测仿真,从中可以比较两者准确性高低与否。仿真结果表明改进后的算法对存在较明显线性相关性的数据时有更好的拟合能力和更高的预测精度。     

基于BP神经网络的民用汽车运力灰色回归组合预测研究

文章根据组合预测的理论和BP神经网络对非线性数据良好的逼近特性。提出了基于BP神经网络的灰色预测、多项式回归模型的民用汽车运力组合预测模型。此模型综合了各单一模型的有效信息．能够比较客观地反映地区民用汽车运力的发展趋势．为相关部门提供决策依据。     

基于GA-BPNN的上市公司财务预警模型

为了提高财务预警模型的精度，针对BP算法训练过程中容易陷入局部极值而影响预测效果的缺陷，文章应用遗传算法和BP神经网络相结合的混合算法进行改进。通过对深沪两市A股市场74家制造业上市公司样本的实证研究比较。发现混合算法不论对建模样本还是对多期间检验样本，都显示出比传统BP算法更高的预测精度。GA-BPNN算法不仅具有BP算法较强的局部搜索能力，而且也吸收了遗传算法擅长全局寻优的特点，二者的结合可大大提高预测精度。     

物流配送成本优化估计的数学模型研究

为了有效地利用物流成本估计中线性和非线性数学模型的优点,把线性预测性能优异的ARIMA数学模型和RBF神经网络相结合,使模型非线性数学变化上形成估计优化,可以捕捉物流成本价格的线性和非线性规律,有效地减少传统预测数学模型中一些非线性因素的影响。以某物流公司1991～2012年物流操作成本为数据,将所提出的数学模型与网格搜索SVR模型、PSO-SVR模型、Levenberg-Marquardt BP神经网络模型及背景值优化GM(1,1)模型进行对比实验。结果表明所提出的优化数学模型能够解决上述问题且具有更高的预测精度。     

基于遗传算法的分式线性神经网络预测原油气油比

提出了基于遗传算法的分式线性神经网络优化方法。该方法首先用遗传算法优化分式线性网络的权值,然后在遗传进化结果的基础上,利用分式线性网络反向传播(BP)算法训练分式线性网络,获得网络的最优权值。作为应用,预测原油溶解气油比的基于遗传算法的分式线性神经网络模型被给出。对比实验表明,基于遗传算法的分式线性神经网络优化方法是一种新的建模方法。     

基于BP神经网络对上证指数的预测

近几年,国内外经济发展迅速,有诸多投资者将自己的资金投入到了股市之中,但股市行情变化莫测,时刻牵动着每一位股民的切身利益。面对这些问题,有一种可靠的股票预测方法就显得尤为重要。文章首先介绍了我国上证指数的基本情况,然后对BP神经网络做了相关介绍,针对股票市场自身所具备的非线性特征,基于LM (Levenberg-Marquard)算法所优化的BP (Back Propagation)神经网络模型,进一步预测和模拟了上证指数的收盘价,将产出的预测值与实际股票价格进行比较,以获得相关结论。文章研究的目的是以上证指数为例来检验BP神经网络在股票预测中的有效性,为股票市场中的投资者提供相应参考。     

基于遗传算法的BP神经网络在汇率预测中的应用研究

本文针对经典的BP神经网络所存在的缺陷，结合遗传算法，提出了基于实数编码的GA-BP神经网络预测人民币美元汇率的模型。在结合递归预测方法的基础上，该模型取得了令人满意的结果。     

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。     

基于组合预测理论的上市公司财务危机预警研究

针对组合预测比单项预测具有更高的预测精度,本文采用基于BP神经网络的非线性组合的预测新方法,构建了财务危机预警模型,并进行了实证研究。通过与Fisher判别分析模型和Logistic回归模型的预测结果对比表明,组合预测方法有效提高了预测精度,具有很好的适用性和优越性。     

基于BP神经网络的企业财务危机组合预警研究

本文根据组合预测比单项预测具有更高预测精度的原因,采用基于BP神经网络的非线性组合的预测新方法,构建财务危机预警模型,并进行实证研究.通过与Fisher判别分析模型和Logistic回归模型的预测结果对比表明,组合预测方法有效提高了预测精度,具有很好的适用性和优越性.     

基于组合预测理论的上市公司财务危机预警研究

针对组合预测比单项预测具有更高的预测精度，本文采用基于BP神经网络的非线性组合的预测新方法，构建了财务危机预警模型，并进行了实证研究。通过与Fisher判别分析模型和Logistic回归模型的预测结果对比表明，组合预测方法有效提高了预测精度，具有很好的适用性和优越性。     

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BP神经网络的运输通道交通方式选择模型研究

通过分析LOGIT模型效用函数构造存在的不足,探讨了利用BP神经网络解决方式划分问题的基本原理。利用BP神经网络良好的非线性逼近能力对LOGIT模型的效用值的确定进行改进,构造了基于BP神经网络的运输通道出行方式选择模型。最后给出了一个算例,详细介绍了基于BP神经网络的交通方式划分模型的建立、训练仿真的过程,预测结果表明该模型对交通方式划分问题不仅有很强的解释性,同时具有很好的可操作性。     

基于BP神经网络的金融危机预警

金融危机是一个非线性的复杂过程,而人工神经网络因良好的特性能较精确地预测其发生与否。文章将BP神经网络运用于金融危机预警,以东南亚金融危机为研究对象,构建了一套危机预警系统。通过数据的分析,该模型具有明显的预测精确度和优越性,有助于提升预测金融危机发生的正确率。     

基于BP神经网络的运输通道交通方式选择模型研究

通过分析LOGIT模型效用函数构造存在的不足,探讨了利用BP神经网络解决方式划分问题的基本原理.利用BP神经网络良好的非线性逼近能力对LOGIT模型的效用值的确定进行改进,构造了基于BP神经网络的运输通道出行方式选择模型.最后给出了一个算例,详细介绍了基于BP神经网络的交通方式划分模型的建立、训练仿真的过程,预测结果表明该模型对交通方式划分问题不仅有很强的解释性,同时具有很好的可操作性.