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.     

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。     

基于BP神经网络的农林产值预测

本文通过对国内生产总值,农作物播种面积和造林面积等因素对农林产值的影响,选用BP神经网络预测模型对农林产值进行预测。预测结果显示:BP神经网络预测模型对农业产值的预测准确率达到0.97,对林业产值的预测达到0.96.预测结果较为准确。     

基于改进BP神经网络的钢铁企业能耗分析

BP神经网络是神经网络算法中应用最广泛的一种,而节能减排相关的话题又是近年来社会关注的焦点。本文以我国大型钢铁生产企业的吨钢综合能耗为研究对象,利用附加动量的BP神经网络的预测功能,对＂十二五＂期间的大型钢铁企业能耗进行预测,得到了2015年相应的预测值,并对这些预测值进行了分析。     

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.     

基于神经网络模型的上市公司财务风险预警研究——来自山东省制造业数据

本文以山东省67家在沪深主板上市的制造业公司作为研究对象，选取各公司2009--2011年的数据，构建包含财务指标和非财务指标的指标体系，运用因子分析和BP神经网络模型对样本数据进行训练、测试。研究表明：BP神经网络预测结果的综合正确率符合设计标准，可以为山东省制造业上市公司提供较为准确的预警信息；BP神经网络具备自我学习、训练、调整的能力，可以科学地分析数据，使评价结果科学、准确。     

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。     

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LM-BP算法的轨道交通客流短时预测

BP神经网络是当前比较常用的人工神经网络,针对BP神经网络存在易陷入局部极小值、收敛速度慢等缺陷,将LM算法引入到BP神经网络中,以改进BP神经网络在预测时的训练过程,并利用轨道交通客流的时间序列对其有效性进行验证,结果证明该方法对轨道交通客流的短时预测有着更高的准确度和精度。     

基于遗传BP神经网络的川江滚装运输货运量短期预测研究

首先建立基于遗传BP神经网络的滚装运输市场货运量预测模型,然后采用川江滚装运输年度数据进行神经网络训练与预测。结果表明,遗传BP神经网络算法在预测的精度与收敛速度上均优于传统预测算法。预测结果为川江滚装运输企业战略规划和滚装运输竞争力的提高提供了决策支持。     

BP神经网络和多元回归模型在城市建成区面积预测中的应用比较——以福州市为例

城市建成区规模的迅速扩张是目前福州市土地利用变化中的一个显著特点.城市建成区规模的扩张受到社会、经济、人口等多种因素的影响,用传统方法对其进行预测比较困难.鉴于BP神经网络和多元回归模型在该领域内的广泛应用,本研究分析了1998-2005年间福州市城市规模的变化趋势,以福州市建成区为例对多元回归模型和BP神经网络在此类研究中的应用进行了对比.经检验,BP神经网络比灰色模型拟合良好,这是对建成区面积预测方法有益的探索.     

BP神经网络模型在DOCUMENTUM平台运输量需求预测的构建与实现

研究了在DOCUMENTUM平台下的BP神经网络的时间序列模型,针对石油企业生产物资的运输量做了预测,完成了BP神经模型的构建、预测结果的分析及预测模块与内容管理平台的验证.     

人工神经网络用于短期电力负荷预测网络结构初探

目前,在电力系统短期负荷预测的手段中,已由人工预测方式逐步被软件预测方式所代替.BP人工神经网络是最常用的建立负荷预测模型的工具之一,文章对建立电力负荷BP神经网络预测模型(网络结构)进行了讨论.     

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。     

改进BP神经网络在股市预测中的应用

神经网络是人工智能的重要组成部分,近年来将神经网络用于金融预测的研究很多.本文以遗传算法构建一个三层的神经网络,经改进的BP算法训练成功,进行预测实证分析,取得较好效果.     

基于BP神经网络的零售连锁企业安全库存预测方法

通过对零售连锁企业中安全库存量的影响因素分析,建立相应的BP神经网络预测模型,并用实际安全库存量对网络进行训练,利用训练好的模型进行安全库存量的预测,实验结果表明准确度较高.     

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神经网络的安徽省物流需求预测研究

利用BP神经网络构建安徽省物流需求预测模型,在初步确定了预测模型的输入指标和输出指标后,通过灰关联分析,验证了两者之间的强关联性.借助MATLAB7.0软件实现了神经网络预测模型的建立,该模型揭示了输入指标与物流需求量指标之间的非线性映射关系.对训练好的网络进行仿真预测,预测精度较高,说明基于BP神经网络的物流需求预测模型是有效的.     

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。     

基于BP神经网络的基金预测应用研究

针对BP神经网络在数据挖掘领域的应用研究,将其估值预测能力应用到基金预测方面,通过BP神经网络建立起一套基金预测模型。选取2016年某银行基金数据作为实验数据,对实验数据进行训练和测试,结果表明,BP神经网络能预测基金净值和基金风险的趋势。