灰色神经网络的建模原理及应用

所谓灰色神经网络就是将灰色系统方法与神经网络方法有机地结合起来,对复杂的不确定性问题进行求解所建立的模型。本文将灰色预测与神经网络预测方法相结合,提出了预测宏观经济指标的新方法,实例表明此种组合模型的精度较高。给出了一般灰色神经网络模型GNNM(1,1),该模型具有灰色系统的少数据建模优点及神经网络的精度可控特性,并给出了相应的学习算法,然后通过示例说明模型的可行性。     

基于灰色BP神经网络的企业财务风险预警研究——以H公司为例

企业在整个生产经营过程中不可避免地会面临财务风险，风险的准确预警能够帮助企业提前做好防范措施，降低风险的影响。为了提高企业财务风险预警的准确性，本文提出了一种基于灰色预测与BP神经网络的组合预测模型，能够互补并发挥两者各自的优点。以H公司2014年-2021年的财务报表数据为样本，构建灰色BP神经网络组合模型，并进行实例验证分析。结果表明：相较于单一的灰色模型，组合模型的平均相对误差更小，也即预测准确性更高。     

世界新船订单趋势预测的组合模型应用分析

本文利用趋势移动平均法、灰色系统的GM(1,1)方法和BP神经网络方法的组合模型进行了新船订单趋势的预测。预测结果的对比发现,组合模型能够比单一模型得到更准确的趋势预测结果。     

基于SARIMA-BP神经网络方法的汽车销量预测研究

对汽车销量时间序列的预测方法进行了研究,针对汽车销量影响因素表现出的多样性,应用灰色关联分析法对其进行筛选。针对汽车销量时间序列表现出的线性特征和环境动态变化导致的非线性规律,单一的线性预测方法和非线性预测方法都无法满足时间序列的预测要求。提出了一种SARIMA-BP神经网络预测方法,利用SARIMA方法对时间序列的线性部分进行建模,利用BP神经网络方法对时间序列的非线性部分进行建模。仿真结果表明,SARIMA-BP神经网络方法比单一模型的预测准确率更高。     

股票的并联型灰色神经网络PGNN预测方法研究

提出了一种改进的灰色预测GM(1,1)模型,在此基础上构建了一种并联型灰色神经网络PGNN股票预测方法,该方法可以充分利用灰色预测少数据建模和神经网络精度可控的特性,发挥两者的优势,从而进一步提高了预测精度。预测实例表明:PGNN 的平均相对误差最小,其他指标介于GM和BP之间,显示了PGNN的预测性能是非劣的。更为重要的是,在实际预测时,我们事先不知道哪个模型最优,因此使用PGNN可减小盲目性。对于其他方面的预测应用也具有借鉴作用。     

基于灰色LM-BP神经网络对第三产业综合指数的预测

第三产业发展趋势的预测对于国家或地方政府制定宏观政策有着重要的意义。为更加准确地进行第三产业的预测,从多角度选取指标,利用信息墒理论合成综合指标,建立灰色LM-BP神经网络对其进行预测,实证分析灰色LM-BP神经网络比单一的灰色预测模型和传统BP神经网络预测模型拟合和预测能力要好,说明了模型适应成都第三产业发展趋势的预测。     

股票的并联型灰色神经网络PGNN预测方法研究

提出了一种改进的灰色预测GM(1,1)模型,在此基础上构建了一种并联型灰色神经网络PGNN股票预测方法,该方法可以充分利用灰色预测少数据建模和神经网络精度可控的特性,发挥两者的优势,从而进一步提高了预测精度.预测实例表明:PGNN的平均相对误差最小,其他指标介于GM和BP之间,显示了PGNN的预测性能是非劣的.更为重要的是,在实际预测时,我们事先不知道哪个模型最优,因此使用PGNN可减小盲目性.对于其他方面的预测应用也具有借鉴作用.     

Verhulst与BP神经网络模型预警企业财务状况

通过t检验和相关性检验合理选择财务指标,基于灰色理论中Verhulst模型和神经网络建立了Verhulst与BP神经网络预测模型对企业财务状况进行预警分析。实证研究结果表明,该模型能够有效反映企业财务状况的发展趋势,从而为财务风险预警提供了新的研究方法。     

RFID技术发展趋势预测研究

针对射频信号自动识别(RFID)技术发展受多种因素影响,变化趋势复杂,难以通过建立准确的数学模型进行预测的问题,本文提出了灰色动态模型对射频信号自动识别(RFID)技术发展趋势进行预测,在此基础上构造了灰色神经网络组合预测模型。该模型避免了变权组合预测模型的主观与繁琐,能有效地将灰色预测弱化数据序列波动性的优点和神经网络较强的非线性适应能力相融合。算例结果表明该方法的可行性和有效性,预测精度也得到了改善。     

股票的并联型灰色神经网络PGNN预测方法研究

提出了一种改进的灰色预测GM(1，1)模型，在此基础上构建了一种并联型灰色神经网络PGNN股票预测方法，该方法可以充分利用灰色预测少数据建模和神经网络精度可控的特性，发挥两者的优势，从而进一步提高了预测精度一预测实例表明：PGNN的平均相对误差最小，其他指标介于GM和BP之间，显示了PGNN的预测性能是非劣的。更为重要的是，在实际预测时，我们事先不知道哪个模型最优，因此使用PGNN可减小盲目性。对于其他方面的预测应用也具有借鉴作用。     

灰色袖经网络的建模原理及应用

所谓灰色神经网络就是将灰色系统方法与神经网络方法有机地结合起来，对复杂的不确定性问题进行求解所建立的模型。本文将灰色预测与神经网络预测方法相结合，提出了预测宏观经济指标的新方法，实例表明此种组合模型的精度较高。给出了一般灰色神经网络模型CNNM（1，1），该模型具有灰色系统的少数据建模优点及神经网络的精度可控特性，并给出了相应的学习算法，然后通过示例说明模型的可行性。     

基于MATLAB的股价预测模型实证分析

从技术分析的角度分析股票市场,采用BP神经网络对股票价格进行预测,提出了将股票市场的基础数据指标和技术指标相结合,作为神经网络输入的候选变量,筛选出影响股票价格涨跌的变量,从而建立起神经网络模型。最后用MATLAB编程手段对沃尔玛公司的交易资料进行实证分析。     

股票收益率预测模型的比较

本文的目的是对ARMA和人工神经网络模型预测股市的能力做比较,在介绍了文中用到的ARMA和人工神经网络模型的理论知识,建模过程,结果检验和预测的方法的基础上,将收益率数据和五个常见的技术指标和我国银行间债券市场7天回购加权平均利率作为神经网络的输入变量,并对模型的预测效果根据它们预测样本,预测范围等进行了对比,结果发现神经网络在输入变量较多时优于ARMA模型。     

基于财务指标视角的上市企业股价波动研究——以博彦科技为例

针对企业股价与财务状况强相关性的特点，基于BP神经网络，研究财务指标与股价波动的关系。选取2017年至2021年博彦科技股份有限公司7个财务指标作为输入样本，2个股价波动指标为输出样本，构建7×2的BP神经网络，对样本进行训练、仿真测试，表明所构建的BP神经网络能很好地进行股价波动研究。同时对财务指标使用因子分析法降维、对股价波动指标做相关性分析。加入敏感性分析，实证检验出市盈率、市净率与股价波动呈反比例变化，流动比率、净利润增长率、总资产周转率、资产回报率、营业利润率与股价波动呈正比例变化。     

BP神经网络模型在沪深300指数预测中的应用

文章探讨了神经网络模型在股指预测方面的应用,通过引入宏观经济因素,建立BP神经网络模型来对沪深300指数的走势进行中长期预测,运用MATLAB神经网络工具箱对BP模型预测的准确性和可行性进行了实证检验。     

基于神经网络的通货膨胀预测模型研究

本文采用神经网络的方法,利用消费者物价指数、工业增加值和货币供给等数据,分别以BP神经网络、RBF神经网络和Elman神经网络建立通货膨胀预测模型.三个模型预测结果表明,采用神经网络方法建立的模型能够较好地预测通货膨胀的变动.通过比较BP神经网络和Elman神经网络预测结果可以看出,带有反馈机制的神经网络模型预测性能优于一般神经网络模型.     

蚁群神经网络用于股票价格短期预测

股票价格是非线性时间序列,传统BP神经网络预测模型存在容易陷入局部极小和收敛速度慢的缺陷。本文针对这些问题,采用蚁群神经网络预测模型用于预测股票价格,该模型将蚁群算法作为训练神经网络的学习算法。实验数据表明,该模型对于股票价格的短期预测效果与传统BP神经网络预测模型相比,具有较好的自适应性及较快的收敛速度。     

基于GA-BP神经网络的顾客满意度测评研究

本文利用遗传算法与神经网络的特性,建立了基于GA-BP神经网络的顾客满意度测评模型。该模型首先将BP网络的权值和阈值通过遗传算法进行优化,然后对BP网络进行训练。网络最终测评结果较BP神经网络更有效、准确。通过某商场实例数据证明此测评模型收敛速度快、预测精度高,为顾客满意度测评提供了一种实用的方法。     

基于支持向量机的上证指数预测研究

基于支持向量机的预测模型对上证指数进行预测,并将其预测结果与BP神经网络的预测结果进行对比,其结果表明,支持向量机的预测模型具有较高的拟合和预测精度并优于BP神经网络模型,且支持向量机预测方法计算速度快,准确率高,具有很好的推广应用价值。     

基于BP神经网络模型的股票价格研究

本文将BP神经网络模型与主成分分析法和遗传算法相结合,建立了预测股票价格变化的动态PCA-GA-BP模型。该模型能改善BP神经网络模型运算速度缓慢和易陷入局部最小值的缺点,弥补传统股票价格预测方法的不足。