基于小波神经网络的上证50指数多步预测

以神经网络为代表的人工智能模型对股票价格具有良好的预测效果,但是该智能模型侧重于单步预测,很难满足实际股票预测的要求。提出基于小波和神经网络相结合的股票指数多步预测智能模型。选取上证50指数为建模数据,运用小波分解将上证50指数收盘价序列分解成不同尺度的分层数据,依据迭代策略,利用BP神经网络分别预测小波分解后的各层数据,最后将各层的预测结果使用小波重构成原始股票收盘价的预测数值。结果表明,基于小波神经网络的多步预测模型具有良好的多步预测效果。     

北京市未来老年人口发展趋势预测分析

本文根据北京市第六次人口普查数据和北京市统计年鉴中的人口数据,选用CPPS软件、一元线性回归、多元线性回归和神经网络四种方法,对北京市2019-2025年的老年人口发展趋势进行预测。预测结果分析显示,神经网络的平均相对误差最小为1%,多元线性回归的方差最接近实际统计值方差为42194.61,故采用两种模型预测值的平均值作为预测结果。通过数据分析,得出北京市老龄化程度不断加深,并提出加强养老服务体系等建议。     

美元/欧元汇率的组合模型区间预测

利用BP神经网络提取非线性特征,对残差运用广义自回归条件异方差模型分析波动性,最后将趋势与波动性结合给出预测区间。以2001年2月至2017年6月美元/欧元汇率的日收盘价数据为例,研究发现：BP神经网络具有很好的非线性刻画能力,但“过拟合”以及“欠拟合”均会影响预测区间的精度,只有合适的误差大小和精度标准才能得出较好的预测结果;同时也发现广义自回归条件异方差模型能够较为准确地分析波动性,且组合模型优于单一模型,适合中长期的区间预测。     

基于实例的水资源预测方法概述

基于合肥市近几年的城市生活用水量数据为例,对一些水资源预测方法进行讨论和比较。对合肥市城市生活用水量的现状进行简要的概述;介绍三种水资源预测方法即指数平滑法、灰色模型预测法和BP神经网络预测法的理论方法及模型;利用给定的资料数据,运用三种预测方法进行分析,通过拟和模型误差对比,判定最佳的预测方法。     

基于组合模型的浙江省GDP预测研究

区域GDP的发展趋势是高速公路规划和建设的重要参考依据。基于浙江省1978—2019年的GDP数据,分析数据特性,构建预测模型,掌握发展规律。首先,将GDP数据转化为时间序列,建立ARIMA（2,2,0）模型;其次,将GDP数据以滑动窗口的方式生成输入矩阵,建立BP神经网络模型;最后,利用ARIMA分析GDP时序的线性部分,利用BP神经网络分析GDP时序的非线性部分,建立组合模型。通过计算相对误差比较模型的预测效果,3个模型的平均相对误差分别为6.30%、13.10%、6.08%。结果表明,组合模型的平均相对误差最小,预测效果最好。     

北京市朝阳区餐厨垃圾产生量调查及特性分析

通过分层随机抽样,本文对北京市朝阳区270家餐饮单位的餐厨垃圾产生量进行调查。其间通过对调查数据进行统计,估算了2017年朝阳区日均餐厨垃圾产生量,分析了餐厨垃圾产生量的影响因素,并对餐厨垃圾的pH、含水率、有机质、C/N比等特性进行了检测分析。该研究结果可为朝阳区餐厨垃圾的规范化管理和设施规划提供参考依据。     

基于BP网络对我国通货膨胀率的预测及其分析

本文首先由我国的CPI计算出通货膨胀率,综合分析了我国通货膨胀率和GDP增长率数据。其次,用带有动量项和自适应学习率的BP神经网络预测出2008～2009年我国CPI,从而推算出2008～2009年我国通货膨胀率分别是4.99%和4.91%左右。并提出了一些相应的政策建议。     

基于BP神经网络的股票价格分析

文章从技术分析的角度分析股票市场的变动,以深沪A股在2012年五月份的具体数据作为实例,采用BP神经网络对股票价格进行预测。将关于每支股票的基本数据信息作为候选输入变量,再从中筛选出与股票价格变化相关性比较强的变量作为输入变量,从而建立一个三层的BP神经网络进行预测。     

基于有动量和自适应lr梯度下降法BP神经网络的城市用电量预测技术

文章在标准BP(Back Propagation)神经网络算法的基础上,增加了动量和自适应来进行改进,给出了改进的公式和算法,并应用于城市用电量的预测工作。通过Matlab仿真可知训练效果良好,仿真的数据预测结果具有一定的实用参考价值。     

高炉炼铁含硅量的动态预测

针对高炉炼铁过程中含硅量预测滞后性和复杂性等问题,建立以改进型Elman神经网络为基础的铁水含硅量动态预测数学模型,利用MATLAB工具箱对动态预测模型进行仿真和预测.首先利用蒙特卡洛法随机选取一组数据作为仿真数据样本,对改进后的Elman神经网络进行离线训练.然后用训练后的Elman神经网络进行铁水含硅量预测,再用残差分析法分析预测值与数据样本之间的显著性差异,用统计检验法讨论模型的可行性.结果表明,铁水含硅量数值预测误差较小,铁水含硅量的实际值和预测值无显著性差异,含硅量的测结果是可信的.     

基于SSA优化BP神经网络的污染物浓度二次预测模型

为解决一次预报模型模拟结果不理想的情况，使用主成分分析（PCA）对14项气象影响因素进行降维处理并提取4项综合评价指标，使用麻雀搜索算法（SSA）优化BP神经网络的二次预测模型和将一次预报的结果与真实数据的差值作为输出，对预测模型进行训练并做出预测的方法。将模型应用于国内某个地区，用相应的数据对模型进行验证。结果表明，基于SSA优化BP神经网络的预测模型和将误差引入的新模型均较BP神经网络模型有更高的精确度和更强的泛化能力。     

基于灰色神经网络模型的建筑物变形预测方法研究

将灰色理论与BP神经网络有机地结合，建立灰色神经网络模型用于建筑物变形预测，通过建筑物变形的实测时间序列资料，分析模型的预测精度，与通常采用的人工神经网络和灰色系统模型等预测方法进行比较，反映该模型能取长补短，并具有所需信息量少与精度高等优点。     

垃圾“围城”原因何在

随着城市规模的扩大和城市化进程的加速,中国城市生活垃圾的产生量和堆积量均在逐年增加.据对近800座城市调查统计,中国城市垃圾人均年产量达到500公斤,2001年垃圾清运量达14296.67万吨.据国家环保总局公布,我国城市垃圾年总量达1.5亿吨.垃圾的历年堆存量达到60多亿吨,全国有200多座城市陷入垃圾的包围之中.垃圾堆存侵占的土地面积多达5亿多平方米.近几年城市生活垃圾的年增长率均在10%～12%.少数城市,如北京,从最近刚刚通过鉴定的市科协项目<北京市生活垃圾处理与利用的调查和评价>中了解到,90年代以来,北京市的垃圾年产量一直以2.65%的速度递增.今年,预计生活垃圾的总产量将达到527.4万吨,到2010年这一数字将达到685.2万吨,2015年左右达到781万吨.城市规模的扩大及人口的增加,无疑都在加剧着环境的负荷,接近发达国家水平.     

焦作市居民家庭生活垃圾成份调查研究

产业化是解决城市生活垃圾问题的必由之路。通过正交实验法,调查分析了2006年春季焦作市居民家庭生活垃圾的产生量和物理组成,为该市生活垃圾的产业化提供必要的理论依据。研究结果表明,焦作市居民家庭生活垃圾产生量为每人0.563kg/d,占城市生活垃圾清运量的44.8%。其中堆肥型垃圾占70.2%,非堆肥型垃圾占29.8%。正交实验各因素的重要性为,对于垃圾总量和堆肥型垃圾,用能类型（A）〉住户类型（B）〉人均月收入（C）;对于非堆肥型垃圾,B〉C〉A。最后分析了各因素水平对垃圾产生量影响的趋势及原因。     

基于DEA和BP神经网络的企业科技成果转化综合评价及实证分析

构建了企业科技成果转化综合评价指标体系,将数据包络分析（DEA）与BP神经网络两种评价方法有机结合,建立了DEA-BP神经网络综合评价模型,利用该模型对1998年至2009年间上海市规模以上企业的相关数据进行了实证分析,验证了本文所构建的评价模型具有较高的精确度和预测能力,并根据评价结果,提出了上海市促进科技成果转化的一系列建议。     

基于ARMA模型对我国金融机构存款的分析

为了较为准确的对我国金融机构存款进行分析,文章利用同花顺i Fin D1991年6月至2016年10月按月统计的数据,对比分析了OLS回归预测的结果,再应用ARMA模型进行时间序列分析,由此比较准确的预测出2016年11月的金融机构存款,为1,499,552.06(亿元)。通过对此进行有效和准确的预测,可以为国家进行宏观的政策调控,例如进行货币的量化宽松和利率的把控方面,提供重要的参考价值。     

BP神经网络在安徽省GDP预测中的应用

根据2008年安徽省统计年鉴中的数据,构建并选用合适的BP神经网络建立了安徽省GDP的神经网络预测模型。计算结果表明,BP模型应用于安徽省GDP预测具有较高的预测精度和良好的泛化能力,它为经济预测工作提供了一种全新的思路和方法。     

基于ARIMA-BP神经网络模型的桥梁SHM应变预测分析

桥梁结构健康监测的应变监测数据具有较强的趋势性与随机性，为提升数据的预测精度，提出将传统单一的自回归积分滑动平均模型（ARIMA）和BP神经网络预测模型进行加权与组合，并将这两种方法分别运用于江西省某跨江大桥桥梁结构健康监测系统记录的应变监测数据的预测进行验证。结果表明：仅运用单一模型预测时，BP神经网络的预测效果要优于ARIMA模型；加权与组合模型的预测精度均优于单一模型，其中加权模型及组合模型的残差平方和（SSE）与BP神经网络模型相差最大，分别高达50.23%与49.87%；对比加权模型与组合模型的各项误差指标，发现二者预测模型的预测精度极为接近；单一预测模型的误差包络范围大于其他两类模型，其中ARIMA模型的误差总和约为50 με，BP神经网络模型的误差总和约为30με，加权模型的误差总和约为21.09 με，组合模型的误差总和约为20.97 με。经分析，加权预测模型与组合预测模型均能实现对桥梁SHM应变预测。     

GDP时间序列模型构建及预测——以四川省为例

ARIMA时间序列模型是利用变量过去的变动规律对未来值进行短期预测的合适模型,GDP是衡量一个国家或地区经济发展和宏观经济运行状况的一个重要参考指标.本文利用四川省1978-2012年的时间序列数据建立四川省GDP的ARIMA(1,1,0)模型并利用该模型进行短期预测,预测出四川省在2016年国民生产总值将突破4万亿元,在2010年基础上翻一番.     

上海中心城区垃圾清运扰民问题优化调研

上海作为我国人口数据第二的超大城市,2016年每日生活垃圾产量平均24040吨。目前,中心城区的垃圾清运出现噪音、臭味、堵塞交通等多方面扰民问题。为了破解这一问题,我们设计了"居民对垃圾清运时间满意度调查"问卷,并利用SPSS软件分析数据,得出居民对垃圾清运满意程度的影响因素及其相关性。最后,结合上海市中心城区的垃圾清运模式特点,借鉴日本的垃圾资源化处理方式,推出有效的改进方案与建议。