优化企业定额的技术经济评价模型研究

企业定额在项目评估过程中是非常重要的一项内容，在编制企业定额时不能单纯沿用政府定额的编制方法。为了使企业定额的编制更能反映企业自身的实际水平，本文构建了技术经济评价模型，并对该模型进行了分析。在此基础上，本文以某具体房地产项目为例，介绍了该模型的使用方法。     

基于新型模糊神经网络的信用卡审批发卡的信用评估模型研究

本文尝试首次将新型模糊神经网络的模型引入到信用卡审批发卡的信用评估环节,采用更加快捷的全局搜索优化算法——粒子群优化算法,从模型和优化方法上进行创新,利用某银行信用卡申请的相关数据资料,就信用卡审批发卡环节,建立起信用卡风险防范的第一道防线——新型模糊神经网络的信用卡审批发卡的信用评估模型,通过对数据的预处理、数据训练和结果分析,并与现有的信用卡审批发卡的信用评估模型进行比较,显示了新模型和优化方法的优越性和实用性。     

基于免疫粒子群优化算法集成的多序列联配

新的免疫粒子群集成算法是根据个体的浓度和适应值概率,利用免疫机制,在粒子群优化算法中设计了免疫替换算子,有效防止了粒子群优化算法易陷入局部最优的缺陷;通过集成技术,充分发挥各种粒子群优化算法的优点,实现协同演化,提高了算法的全局搜索能力。最后用免疫粒子群集成算法去进行多序列联配,实验证明了算法的有效性。     

基于粒子群优化支持向量机的冲天炉铁液质量预测

冲天炉铁液质量预测是一项复杂而有难度的技术,受到很多因素的影响。文章提出了基于粒子群优化支持向量机（PSO-SVM）的冲天炉铁液质量预测方法,即将粒子群优化算法（PSO）用于SVM参数优化。它不仅具有很强的全局搜索能力,而且容易实现。经实验结果证明,PSO-SVM的预测输出与实测数据基本一致,其预测精度高于普通的SVM,所有的预测误差都远小于5%的工程许可误差。     

泥石流平均流速的PSO-SVM预测模型

泥石流平均流速的确定是泥石流防治工程设计的重要依据。由于泥石流系统复杂多样,各影响因素之间的不确定性强,故难以建立准确的物理预测模型。论文在阐述支持向量机(SVM)原理的基础上,采用粒子群算法(PSO)优化SVM参数,建立了PSO-SVM模型用于蒋家沟泥石流实测数据的训练和预测,并对比SVM模型和BP神经网络模型的预测效果。结果表明:SVM的泛化能力强于BP神经网络,更适合小样本情况下泥石流流速的预测。PSO-SVM模型较另外两个模型的预测效果更好,预测值更接近实际值,可为泥石流的治理与防治问题提供参考数据。     

浅谈企业养护定额编制中存在的问题

企业养护定额是由企业根据自身经营及管理现状,结合企业养护工程实施情况自行编制的定额。它只限于企业内部自身使用,是规范和统一施工企业养护工程计价的依据,能保证企业在投标报价中处于有利地位,为成本管理提供更好的依据,有效的激励员工、推广先进技术。因此科学合理的编制企业养     

基于粒子群优化的最小二乘支持向量机雾霾预测模型

论文通过主成分分析提取影响空气质量的主要因素,建立粒子群优化的最小二乘支持向量机预测模型的方法对石家庄市空气质量指数进行预测。结果表明:对雾霾天气影响因子降维后,主成分之和能够描述大于99%的信息表明主成分分析适用于雾霾影响因子的降维;基于粒子群算法计算得到的最小二乘支持向量机正则化参数和核函数参数分别为30、1.0386;粒子群收敛性能曲线稳定在0.0238左右,动态性能曲线稳定在0.015左右;未来七天的空气质量指数仿真预测结果与实际数值的相对误差平均值为0.01。可见基于粒子群寻优算法的最小二乘支持向量机预测模型在短期雾霾天气预测中具有很好的应用价值。     

粒子群优化算法在工件排序问题中的应用

排序问题的求解和DCMST问题一样,一般是NP-hard的.度约束最小生成树(DCMST)问题按权矩阵W=(wij)n×n中wij.是否等于wji可以分成两类,权矩阵是对称矩阵的DCMST问题已有很多启发式算法求解,其中有研究者提出了一种有效求解DCMST问题的模糊粒子群优化算法.针对工件排序问题,提出了应用粒子群优化算法求解排序问题的策略,并通过重新设计根树的prüfer数编码和初始粒子群的产生方法,使得基于prüfer数的模糊离散粒子群优化算法也能应用于权矩阵不是对称矩阵的DCMST问题的求解.     

免疫粒子群算法下向量机参数选择及金融应用

针对粒子群算法易陷入局部最优值的缺点,将免疫原理引入粒子群算法中,利用免疫记忆与自我调节机制促使各适应度层次的粒子维持一定浓度,保证群体的多样性,从而避免算法陷入局部最优。随后将这种改进的算法应用于支持向量机参数的选择,并在BreaStCancer等数据集上进行了实验,实验结果表明利用免疫粒子群算法选取支持向量机最优参数,能够提高支持向量机的分类正确率,具有一定的实用性,特别在经济金融应用上前景可观。     

BTO环境下建材装备制造企业物料需求预测研究

分析了BTO生产方式下建材装备制造企业产品物料的组成特点,构建了虚拟产品BOM,在此基础上利用ABC分析法对物料进行分类,并建立了基于BP神经网络的物料预测模型。根据Z公司的实际物料需求,将该模型与传统预测方法进行了对比仿真实验,实验结果表明基于BP神经网络的物料需求预测模型比传统预测方法更可靠,更加接近企业实际,能有效提高预测精度。     

基于BP神经网络的个人消费信贷风险识别

这是一种基于BP神经网络的识别个人消费信贷风险的方法,首先,须根据已知的银行客户资料数据建立单隐层的BP神经网络模型,然后,利用得到的模型对提出申请的客户根据其已有的消费信贷历史资料进行风险类型的识别.实例仿真结果表明,这个方法具有很好的实用性.     

基于LMK准则的前馈神经网络盲多用户检测算法

提出了一种基于前馈神经网络的盲多用户检测算法,该算法基于最小平均峰度准则构造了一个代价函数,给出了算法的约束条件,利用罚函数方法对带约束的代价函数进行优化,获得前馈神经网络网络权值的迭代公式,从而实现盲多用户检测。计算机仿真结果表明,新算法具有较强的多址干扰抑制性能。     

基于资源分配神经网络对企业职工住房公积金贷款风险的防范

提出一种基于资源分配神经网络的企业信用评价模型，以达到控制企业职工住房公积金贷款风险的目的。主要思想是当神经网络在学习过程中发现未建模型的样本时，分配新的计算节点，不断对网络模型进行完善。该模型以企业信用评价体系的参量作为输入。以企业的信用评价等级作为输出，对企业职工住房公积金的贷款风险具有广阔的运用前景。     

一种基于神经网络的消费函数模型

提出了一种基于神经网络的消费函数预测模型。与传统预测方法对比计算后发现，该模型在精度方面优于传统的消费函数预测模型，且具有随着样本的增加进一步优化模型参数的功能，为经济系统建模和预测提供了新的思路。     

基于改进蚁群算法的供应链物流配送路线规划

利用粒子群算法本身的个体信息和全局信息,采用遗传算法的交叉、变异操作策略,对蚁群算法进行优化,提出了新的改进的蚁群算法,并将改进后的算法利用到物流路线的规划上。实验结果表明改进算法有较好的有效性和实用性。     

基于PCA-PSO-SVM的边坡稳定性预测

论文通过主成分分析(Principal Component Analysis,PCA)的方法,对影响边坡稳定性的6个因素(坡高、坡角、内聚力、内摩擦角、容重和空隙压力比)进行了特征提取,消除影响因素间的相关性,降低维数;然后引进支持向量机(Support Vector Machine,SVM)方法对降维处理后的数据集进行训练,并利用粒子群优化方法(Particle Swarm Optimization,PSO)对SVM的参数进行优化;最后,通过对36组工程边坡实例中的31组进行仿真回归,建立了边坡稳定性的PCA-PSO-SVM预测模型,并对余下的5组进行预测。通过对比模型预测结果和实际值得出:模型预测结果的最大绝对误差为0.058,最大相对误差小于3.90%,满足实际工程的需要。从而表明,基于PCA-PSO-SVM算法的边坡稳定性预测模型在实际工程中具有较高的应用价值。     

产学研合作创新的最优投标模型及其计算

广东省是全国率先实施省部（院）产学研合作,推进技术自主创新的省份。产学研各方所处地位不同,追求的目标也有明显差异,加上企业与学研单位之间信息不对称、利益不一致,导致了许多产学研合作创新的失败。在市场经济条件下,利益合理分配是产学研合作创新顺利进行的基本条件。本文在此背景的基础上,借助金融学的风险管理理论,构建不完全信息下学研单位的非线性最优投标模型,引入粒子群优化算法（Particle Swarm Optimization,PSO）计算模型参数,从而确定学研单位的投标策略,对学研单位的投标决策以及促进产学研合作创新具有一定的指导意义。     

基于BP神经网络税收模型的经济分析

税收收入预测的解析分析困难,本文基于BP神经网络建立了税收预测模型。基于所建立的神经网络税收模型,分析了产业增加值、固定资产投资总额、进出口总额、财政支出总量、居民消费水平等若干经济指标的变化对税收收入的影响。本文的研究表明,采用神经网络对具有高度非线性的税收预测进行建模分析切实可行,具有推广应用价值。     

工业企业降低库存物资资金占有量的途径

文章就工业企业如何降低库存 ,减少库存资金占有量 ,从完善物资储备定额、编制供料计划、建立科学的管理制度、减少经常储备的调整等级、控制物资采购价格等方面进行了论述。     

基于数据挖掘的证券指数预测研究

证券指数在我国证券市场具有非常重要的经济意义。本文提出利用数据挖掘方法中的径向基函数神经网络模型对证券指数进行预测。研究表明,径向基函数神经网络模型作为证券指数的预测工具是有效的。