基于BP神经网络的运输通道交通方式选择模型研究

通过分析LOGIT模型效用函数构造存在的不足,探讨了利用BP神经网络解决方式划分问题的基本原理.利用BP神经网络良好的非线性逼近能力对LOGIT模型的效用值的确定进行改进,构造了基于BP神经网络的运输通道出行方式选择模型.最后给出了一个算例,详细介绍了基于BP神经网络的交通方式划分模型的建立、训练仿真的过程,预测结果表明该模型对交通方式划分问题不仅有很强的解释性,同时具有很好的可操作性.     

城市生态交通系统评价

基于交通网络、交通体系完善性、交通环境、交通景观和交通文化五个方面提出城市生态交通协同理论体系,以既有的城市交通系统可持续发展评价指标体系为基础,构建了一套城市生态交通评价指标体系。基于BP神经网络建立一个三层的城市生态交通评价模型,选取sigmoid函数作为评价模型的传递函数,traingdx作为训练函数,隐含层单元数确定为16。根据收集到的9个城市生态交通评价指标数据,选取其中5个城市数据作为评价模型的学习样本,建立城市生态交通系统BP神经网络评价模型,并对另外4个城市数据进行一般性检验,验证了BP神经网络在城市生态交通系统评价中的准确性与适用性。     

构建基于粗糙集和BP神经网络的信用风险预警模型

本文首先建立了评价企业信用的指标体系,然后在此基础上构造了基于粗糙集和BP神经网络的企业信用风险预警模型。粗糙集用于约简指标体系中的冗余指标,BP神经网络用来构建预测企业信用的分类预警模型。最后,笔者通过实例验证了此模型的可行性和有效性。     

LOGIT模型在小额农贷信用风险识别中的应用

小额农贷对满足农民生产、生活中的小额资金需求有重要作用。小额农贷有效实施的关键是信用风险的控制。本文根据小额农贷的特点构造一个LOGIT识别模型，并利用苏北某信用联社贷款数据对模型进行实证检验。LOGIT识别模型结果稳定、可靠，是较理想的农户信用风险识别模型。     

小样本条件下的煤矿安全评价方法研究

研究煤矿安全评价问题的现状,针对传统的BP神经网络要获得可信度较高的评价模型需要大量的样本进行学习的缺点,采用V-fold Cross-validation技巧,利用MATLAB神经网络工具箱,建立基于BP神经网络的煤矿安全评价模型,利用实际指标数据研究小样本条件下的煤矿安全评价,并验证评价效果的有效性.     

小样本条件下的煤矿安全评价方法研究

研究煤矿安全评价问题的现状,针对传统的BP神经网络要获得可信度较高的评价模型需要大量的样本进行学习的缺点,采用V—fold Cross—validation技巧,利用MATLAB神经网络工具箱,建立基于BP神经网络的煤矿安全评价模型,利用实际指标数据研究小样本条件下的煤矿安全评价,并验证评价效果的有效性。     

需求视角下京沪客运通道的市场分担率测算

对于各种运输方式市场分担率的测算,国际上通用的方法是旅客出行方式选择模型(LOGIT模型)。基于此,以京沪客运通道为例,在现有研究成果的基础上,对相关的参数进行设定和量化,在此基础上,应用LOGIT模型对京沪客运通道内各种运输方式的市场分担率进行需求视角下的测算,并对测算结果进行分析。     

基于GA—BP算法的模糊神经网络模型在港口物流量预测中的应用

以国内某港口为倒,通过应用遗传算法改进的BP学习算法（GA—BP）的模糊神经网络模型,对港口物流量进行预测。最后,利用Matlab软件对样本数据进行训练和测试,仿真结果表明所构造的改进模型预测误差非常小。     

需求视角下京沪客运通道的市场分担率测算

对于各种运输方式市场分担率的测算,国际上通用的方法是旅客出行方式选择模型(LOGIT模型).基于此,以京沪客运通道为例,在现有研究成果的基础上,对相关的参数进行设定和量化,在此基础上,应用LOGIT模型对京沪客运通道内各种运输方式的市场分担率进行需求视角下的测算,并对测算结果进行分析.     

基于BP神经网络的项目管理绩效评估模型研究

根据项目管理绩效评估中存在的问题,研究了运用BP神经网络方法进行绩效评估的可行性。利用神经网络的自学习、自调整以及非线性映射功能,确定了基于BP神经网络的项目管理绩效评估模型的结构和算法,并结合实例进行了实证分析,取得满意效果,为项目管理绩效评估提供了一种新思路。     

基于BP网络的建筑工程造价估算

建立了适于建筑工程造价的BP神经网络模型，通过对建筑工程各主要特征类目定量化并结合所建立的BP经网络模型，运用MATLAB工具箱来快速估算建筑工程造价。经工程实例证明，该方法为一种快速、可靠的建筑工程造价估算方法。     

基于BP神经网络的茶叶物流金融模式仿真优化

针对茶叶物流金融运作模式选择中的复杂性以及传统优化方法的局限性,将BP神经网络理论和仿真方法引入茶叶物流金融模式优化,考虑样本数量不足的实际问题,采用B样条函数插值方法扩充数据量,构建BP神经网络模型并加以训练。结果表明:BP神经网络具有精度较高的智能学习能力,适合于茶叶物流金融模式选择优化。     

基于BP人工神经网络的城市土地利用效益评价研究——以辽阳市为例

采用BP人工神经网络模型,通过构建辽阳市城市土地利用效益评价指标体系,对2000~2009年辽阳市城市土地利用效益进行了定量评价。结果表明:辽阳市近10年的城市土地利用效益水平呈不断上升趋势。     

基于算法的BP神经网络的应用研究

BP神经网络的智能化特征与能力使其应用领域日益扩大,潜力日趋明显,许多传统信息处理方法无法解决的问题采用BP神经网络后取得了良好的效果,神经网络已被广泛应用于自动化、工程、经济及医学等各个领域。本文重点研究了BP神经网络的原理、算法及其应用。     

基于AHP法与BP神经网络的应急物流风险评估与预测模型

采取AHP法和BP神经网络技术纵向相结合方法,建立了应急物流风险评估与预测模型。首先建立了应急物流风险评估的评价指标体系,给出了AHP层次分析法筛选指标的方法,然后设计了改进型神经网络模型评价与预测步骤。     

基于我国CPI时间序列的神经网络预测模型

近年来,我国的居民消费价格指数涨幅屡创新高。根据我国1990年-2008年的CPI时间序列,首先利用时间序列分析方法确定输入向量,然后应用改进BP算法的人工神经网络分别预测出2011年和2012年我国CPI将分别为104.9和105.2,实验结果证实了BP神经网络模型用于CPI预测的准确性和可行性。     

基于BP神经网络的时间序列预测研究

建立了基于BP网络的时间序列预测模型,将模型应用于实际算例,设计了模型的网络结构、初始权值和偏差,结果验证了模型的有效性。     

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BP神经网络的ETC系统客户的流失分析研究

文章应用神经网络数据分析技术研究ETC系统客户流失的状况,详细研究了如何建立ETC系统客户流失基本模型。通过对客户的基本数据进行神经网络预测,可以发现描述流失客户基本特征的属性值集合以及对应的是否流失的结论。文章给出的是改进的神经网络的预测方法,可提高BP神经网络的收敛速度,增强网络的泛化能力,获得了很好的效果。     

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。