改进BP神经网络在预测房地产价格指数中的应用

要对非线性趋势房地产价格指数进行预测,就必须利用模拟非线性的模型,采用BP人工神经网络的改进算法,建立了基于BP神经网络的房地产价格指数预测模型。结果表明:该模型预测精度较高,能较好地反映房地产价格指数内在变化规律。     

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。     

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.     

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.     

基于粒子群优化算法(PSO)的电力需求预测分析

在电力需求预测领域,本文提出了基于粒子群优化算法(PSO)的组合预测模型,选用灰色GM(1,1)模型和BP神经网络作为单个预测模型,并在BP神经网络中将GDP指标做为输入。同时考虑了GDP对电力需求的影响,最后利用PSO对组合预测模型中的权系数进行优化以得到最优结果。根据真实数据所做对比,本文所提出的PSO算法在预测精度上较单一预测模型相比有了较大幅度的提高。     

基于灰色神经网络组合模型的废旧产品回收预测

制造企业对废旧产品进行回收再利用,是节约资源和保护环境的有效方式。由于在产品回收过程中存在诸多不确定性因素,如何对产品回收量进行有效预测是亟待解决的关键问题。本文针对废旧产品回收的特点,将灰色GM（1,1）模型与BP神经网络预测方法结合,构建了灰色神经网络组合预测模型对产品回收量进行预测。该组合模型兼具两种预测方法的优点,预测效果优于各独立模型。案例分析表明了该种预测方法的有效性。     

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.     

湖南专利申请量的灰色组合模型预测

针对灰色模型预测效果不佳,对其进行了改进,并对改进前后的灰色模型建立了3种组合模型。结果表明,和传统的灰色模型相比,组合模型预测结果更可靠,可应用于实践中。最后,运用方差倒数法组合模型,对2013年的湖南专利申请量进行了预测。     

湖南专利申请量的灰色组合模型预测

针对灰色模型预测效果不佳,对其进行了改进,并对改进前后的灰色模型建立了3种组合模型。结果表明,和传统的灰色模型相比,组合模型预测结果更可靠,可应用于实践中。最后,运用方差倒数法组合模型,对2013年的湖南专利申请量进行了预测。     

基于组合预测模型的航空货运吞吐量预测研究

目前对于机场货运吞吐量的预测方法不尽合理,导致预测与实际情况差别较大,为此本文提出将内在影响因素融入组合预测模型,从而对航空货物运输进行预测,使得预测结果更加接近实际情况.本文以香港国际机场为背景,运用Shapley值法将BP神经网络和灰色理论预测模型进行组合,对其航空货运吞吐量进行了实证研究,并将此预测方法推广应用于其他机场的预测.     

用灰色模型方法预测我国居民消费价格指数变动趋势

利用居民消费价格指数可以观察和分析消费品的零售价格和服务人格变动对城乡居民实际生活费支出的影响程度。本文提出了适合预测我国居民消费价格指数变动趋势的灰色模型,并对2002、2003年的变化趋势进行了预测,所得结果与实际数据基本相符合的。     

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。     

基于BP神经网络的灰色组合预测

本文主要从建模机制方面考虑,采用灰色新陈代谢模型,新初值模型,改进离散灰色模型,对我国人口进行建模,结果表明,这三个模型都能提高模型的预测精度。最后,针对单一模型的预测方法都会存在某些不足,本文从数据挖掘角度出发,引入BP神经网络,对上面GM（1,1）的改进模型,进行组合预测,并用实例证明了这一模型的可行性。     

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。     

工业用电市场用电量组合预测方法研究

在总结现有用电量预测的主流方法基础上,对工业用电量数据特征进行分析,提出一种新的工业市场用电量预测方法。文章通过分析文献,总结了当前主流预测模型和方法的优势和劣势,从而提出灰色预测和梯度提升回归的组合模型。针对文章建立的模型,使用某地区四年实际用电量数据,与传统灰色预测模型、神经网络模型、单一梯度提升回归模型的预测结果进行对比,发现该组合模型在数据量较少或数据量比较充足的情况下,预测精度和稳定性很高,证明了所建立模型可靠性和有效性。     

基于BP神经网络的建设项目资金流预测

本文构建了BP神经网络模型对某建设工程项目的资金流进行预测分析,结果与实际的资金流基本吻合。说明神经网络能够作为建设项目资金流预测的有效工具。     

线性振动的神经网络建模

本文利用人工神经网络对两自由度线性振动系统进行了神经网络建模,并通过所建立的神经网络模型对该系统进行了预测。分别利用MATLAB和BP网络作为平台和训练工具。以两自由度悬臂梁的受迫振动为例,将一段时间内的激励力作为网络的输入参数,对应于该段时间内由振动产生的挠度作为网络的输出参数,然后利用BP网络进行训练。将网络模型预测结果与精确解进行对比,误差甚小。该结果表明:所建立的神经网络模型合理、有效,可利用其对该类问题进行预测并应用于工程实践中。     

基于灰色神经网络的咸宁市财政收入预测研究

在介绍灰色神经网络模型原理的基础上,以湖北省咸宁市为例,利用灰色神经网络模型预测出2011-2014年咸宁市财政收入,由于灰色神经网络模型考虑了多指标的共同作用,具有更好的预测效果。     

房地产价格随机波动与房地产收益风险值(VaR)的研究

分析房地产价格的变化规律,科学准确地预测未来某一时点的价格,对房地产投资和国家针对房地产过热问题进行宏观调控具有重要指导意义。探讨了VaR方法在房地产收益波动性度量中的应用,并对上海住宅和办公楼价格指数时间序列收益率风险进行了实证研究;结果表明,SV模型能很好刻画价格指数实际特征,也能准确地预测房地产价格波动性。     

基于RBF神经网络的中国黄金市场价格预测

本文以上海黄金市场的现货交易为研究对象,鉴于传统的线性分析方法的局限性,构建了RBF神经网络非线性模型,对上海黄金市场的Au99.99开盘价进行了预测。结果证明,RBF神经网络模型为黄金价格预测提供了一种有效的高精度的预测工具。