借助遗传神经网络开展上市公司财务危机预警

本文将遗传算法与BP神经网络结合起来,对我国制造业上市公司进行实证分析,结果发现遗传神经网络预测准确度达到91.67%,高于Logistic回归模型的76.67%和BP神经网络预测模型的88.33%,是一种准确度更高、性能更优的预警模型。     

改进的灰色电力负荷预测研究——基于粒子群算法和BP神经网络

本文对于灰色预测模型的改进,分别从优化初值和改进模型等方面进行,对模型的改进主要通过建立等维新息预测模型、灰色粒子群组合预测模型和灰色BP神经网络组合预测模型来实现。     

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。     

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。     

一种自编码组合优化的成绩预测模型

针对现有成绩预测方法不能有效利用学生成绩数据本质特征的问题,提出一种自编码组合优化的成绩预测模型。该模型采用边缘降噪自编码与堆栈稀疏自编码组合优化的混合式自编码器(HSAE),从历史成绩数据与学生行为数据中,经过无监督的网络训练,学习更具鲁棒性和稀疏性的深层特征。在顶层连接BP神经网络,构成HSAE-BP神经网络模型,实现学生成绩预测。实验结果表明:所提出预测模型的预测准确率相比其他未进行特征学习的浅层预测模型都得到了较好的改善。     

财务危机预警工具:基于EVA的BP神经网络模型

本文以2003-2005年我国沪深两市A股上市公司作为研究对象,采用BP神经网络方法构建了整合EVA指标的财务危机预警模型,并进行了实证研究.实证结果表明:整合EVA指标的BP神经网络模型较Logistic模型具有更高的预测精度.     

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.     

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。     

基于灰色神经网络的高校教师职称评审预测

提出一种针对我国高校教师职称评审的预测模型。该模型通过将灰关联分析与BP神经网络相结合的方式实现,利用灰关联分析找出高校教师职称评审的各影响因子与职称晋升的潜在关系,为BP神经网络提供筛选输入因子的功能,最后通过训练BP神经网络来实现预测。选用某高校2012年副教授评审实际数据作为评价样本,将原有的6-8-2的网络结构简化为5-8-2,结果表明,建立的评审模型的结论优于基于BP神经网络的结论,且训练效率也有大幅提高,有一定的推广应用价值。     

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。     

财务困境预测中BP神经网络模型应用综述

金融危机席卷全球。处于金融市场之中的企业随时面,临着陷入财务困境的可能,财务困境预测模型的建立可以使公司提前预测到困境的发生,从而及早避免投资损失。随着信息技术的发展,人工神经网络预测模型开始兴起,本文重点介绍了BP神经网络模型在财务困境预测中的应用情况,并将BP神经网络模型与传统统计方法进行了比较分析。     

上市公司财务危机预测模型比较研究

财务危机预测一直是公司金融领域的研究热点,危机预测模型随着研究的深入在不断地发展变化.多元线性模型、Logistic模型、COX模型、神经模型是当前主流的四种财务危机预测模型.以2003年-2008年制造业上市公司为样本,采用财务比率作为预测变量,通过样本公司财务数据建立了四种财务危机预测模型,利用判别精度和ROC曲线比较不同模型在财务危机发生提前3年的预测效果.研究发现神经网络模型在判别精度和稳定性方面均优于其他模型.多元线性模型、COX模型、Logistic模型预测虽然均具有应用价值,但三类模型在预测精度和稳定性上各有优劣.     

Logistic-BP神经网络的变权组合模型在公司信用评级中的应用

对公司建立信用评价模型,以便及早发现信用危机信号,不仅有利于公司的经营管理,也有利于投资人的投资决策。采用logistic回归模型和BP神经网络相结合的变权组合评价方法,试图寻找出降低公司信用风险的有效措施。试验结果表明,变权组合预测模型不仅有较高的预测精度,同时也有较好的稳定性,变权组合模型优于单一模型。