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。     

民用汽车运力征用问题研究

未来的信息化战争中,部队机动规模大,物资消耗巨大,兵员、装备和物资运输保障任务繁重,运量与运力的矛盾十分突出,仅仅依靠军队运力难以完成任务,战时有组织、有计划地征集民用汽车运力,是我军迅速扩充运输实力、提高运输保障能力,增强战斗力的重要形式和手段。     

人工神经网络在经济预测中的应用

研究了人工神经网络在经济预测中的应用问题,探讨了人工神经网络的时间序列预测方法。该方法采用多层前馈神经网络及BP算法,其仿真实现是以MATLAB下神经网络工具箱作为开发工具。文中提出了一种基于BP网络时序预测通用方法,并通过实例验证了该方法的预测精度明显高于灰色系统预测方法。为了消除单一神经网络预测模型的系统偏差,探讨了组合神经网络时序预测方法;并用实例验证了组合神经网络比单一神经网络的预测精度高。     

国际干散货航运市场供求及运价分析

文章从微观层面选择了影响干散货航运市场运力的需求、供给、运费(以运价指数代替)这三个方面出发,分析了近几年来国际干散货市场上它们各自的现状,通过一些数据做出图表进行说明,并根据运力预期数据,综合这些因素,得出了国际干散货航运市场的发展趋势预测。     

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.     

运输经营转机制汽车营运显生机

贵州省商业储运公司汽车场，拥有营运车辆50多辆，具备长，短途运输的能力，长期以来在汽车运输市场运力饱和的情况下，虽使尽了浑身解数，运力仍得不到应有的发挥，企业每况愈下。另一方面，公司所属集装箱公司和铁路运输部，     

公路运输货运量预测方法研究

介绍了国内外公路运输货运量的预测方法,分析各种预测方法的优缺点,以及实际的预测效果。针对公路运输货运量受很多相关因素的影响,使得现有的一些预测方法预测精度不高的问题,应用混沌神经网络,建立了公路运输货运量预测的混沌神经网络预测模型,并与传统的BP神经网络预测结果对比,表明此模型具有较好的预测效果。     

基于ARIMA-GRNN组合模型的汽车零部件需求预测研究

单一的预测方法难以准确预测市场需求趋势,通过构建ARIMA-GRNN组合需求预测模型提高预测精确度:首先利用ARIMA预测出每月需求数并计算出每月实际需求数与每月预测需求数的误差值,再利用GRNN神经网络对误差值进行函数逼近与拟合,将拟合值对ARIMA预测值进行修正后的结果即为最终预测值。性能评估显示组合模型可以较好帮助汽车零部件企业提高市场预测精度。     

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。