基于灰色神经网络的体育成绩预测研究

对体育成绩的预测关系到学生身体素质和体育教学方案的制定,通过结合灰色理论和神经网络的特点提出了灰色神经网络体育成绩预测模型。依据某大学2008-2013年体育成绩统计数据,分别选用GM(1,1)模型和灰色神经网络模型对数据进行拟合,通过2014年的体育成绩作为模型验证,来预测2015年的体育成绩。结果表明,灰色神经网络体育成绩预测模型具有灰色系统贫乏数据建模和神经网络高度非线性映射能力的优点,对提高预测精度具有一定的实用价值。     

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.     

基于灰色理论和BP神经网络的房地产价格指数预测

房地产价格指数反映房地产市场价格波动的方向和趋势,是有效地进行房地产市场分析的一种必要工具,对其的预测直接影响到众多干系人的决策,关系到各干系人的切身利益,因而对预测结果的精确度要求很高。本文运用灰色GM(1,1)模型和BP神经网络模型相结合的灰色BP神经网络模型,以Matlab为工具,对房地产价格指数进行预测。此组合模型融合了灰色预测和BP神经网络预测的优点,既克服了数据波动性大对预测精度的影响,也增强了预测的自适应性。并且,以中国房地产价格指数为例进行预测,结果证明了该组合模型的优势,为房地产价格指数预测研究提供参考依据。     

基于灰色模型的怀来公路货运量预测的研究

为了把怀来建设成为京西物流港,以系统工程学、交通规划为基础,采用灰色预测模型法,先对怀来公路货物运输量进行实地调查．通过把调查的数据整理聚类分析,以数据为依据构造怀来公路货运灰色模型,用该模型对怀来的货运量进行预测,并对灰色模型进行了验证,最后确定了近期怀来公路货运量,同时也为交通部门制定相关政策和科学决策提供了强有力的依据。     

基于改进灰色理论的短期风速预测

风电具有与常规发电竞争的潜力,实时的风电预测对风速短期预测有相当高的要求。在基于灰色模型的风速预测研究基础上,利用无偏灰色预测及改进残差的灰色预测进行短期风速预测。实际算例表明,与常规灰色预测及基于神经网络的风速预测结果相比,改进算法的结果在精度上有明显的提高。     

车辆保险市场的成长预测

基于我国发展车辆保险的重要性,研究车辆保险市场是非常有必要的。本文基于2004-2015年的数据,来研究车辆保险市场的成长情况,通过灰色模型与神经网络的结合的灰色神经网络模型去拟合车辆保险营业额与解释变量的关系,之后再用遗传算法优化灰色神经网络,最后通过模型结果的对比,知基于遗传算法的灰色神经网络模型有更好的预测效果。     

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。     

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。     

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。     

基于混合神经网络的铁路货运量预测研究

为精确的预测铁路的货运量,采用了混合神经网络的方法进行建模.在分析某铁路以往货运最的基础上,确定了混合神经网络的特征参数,并根捌实际情况确定了输入层和隐含层的神经元个数,从而得到了模型的结构,最终建立了一个用于预测铁路货运量的混合神经网络模型.     

基于GRNN神经网络的货运量预测研究

文章以全国统计局货运量的历史数据为基本数据,考虑影响货运量的8个因素,采用GRNN模型对货运量(货运总量、铁路货运量和公路货运量)进行预测,并将结果与真实值拟合比较。结果表明:该方法在预测货运量方面能够达到较好的效果,尤其在径向基函数的扩展速度为0.4时,预测结果最好。     

异因同果关联神经网络的研究

提出了一种异因同果关联神经网络模型,可以从不同角度分别建立不同的模型,并由其得到互不相同的模型预测值。异因同果关联神经网络模型将不同角度建立的模型有机结合起来,进而能够将多个神经网络模型进行综合考虑,得到一个综合的统一的模型预测结果。研究了新型模型的机理,结合实例进行仿真并与传统的神经网络模型的预测仿真结果比较,结果表明新型模型具有更高的预测精度。     

煤炭物流集散中心流量预测研究

针对以往煤炭物流货运需求预测存在的局限性,研究构建以人工神经网络为主,以其它传统预测方法为辅的物流集散中心流量预测模型,用于对煤炭物流中心的年运输需求量进行预测。组合预测分析的实质是“信息的最大化利用”公理在预测分析中的一种体现,为决策与规划提供更多的信息支持。     

基于集成学习的多式联运货运量预测模型构建

货运量精准预测是多式联运网络高效协同发展的重要基础,货运量时变性强、数据多样性缺失是实现精准货运量预测的问题所在。基于此,通过挖掘货物运输量(集装箱)的时间变化特征,构建初始相关时间特征输入集,结合斯皮尔曼相关性系数分布,采用Bagging+BP集成学习方法训练多个弱分类器,最终组合获取高精度的强学习模型。以南京龙潭港为例,对自回归移动平均模型(ARIMA)、Bagging+BP集成学习网络以及长短时记忆神经网络(LSTM)三种模型进行评价,实验结果表明,相比于其他模型,提出的Bagging+BP集成学习网络预测性能良好,有一定的实用价值。     

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神经网络的物流量预测方法研究

人工神经网络作为重要的综合评价方法,能够解决众多非线性问题,把它运用到地区货运量的预测中,可以解决因数据资料缺失,预测结果与真实结果相差较大的问题,为物流业发展提供重要的数据参考。经过实例分析证明基于神经网络的物流量预测模型是行之有效的。     

基于人工神经网络的PPI预测模型

将人工神经网络模型引入到工业品出厂价格指数预测领域,利用我国1990年-2008年的工业品出厂价格指数数据,建立了工业品出厂价格指数预测的人工神经网络模型。实验结果表明:基于BP算法的神经网络模型预测精度高,而且收敛速度快,它为工业品出厂价格指数预测工作提供了一种全新的方法。     

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。     

小波神经网络对沪深A300的分析和预测

针对金融时间序列非平稳性、非线性的特点,本文采用小波分析与人工神经网络相结合的方法,对沪深A300收盘价进行分析和预测。结果表明,小波神经网络有较强的预测能力,能达到预期效果。为了验证该方法的预测能力,进一步将时间序列数据多步分段,全方位地进行预测,并与小波-ARIMA模型、BP神经网络预测方法进行比较,体现了小波神经网络的预测优势。