基于BP神经网络的精益供应链协同绩效研究

随着精益管理和供应链管理越来越受到重视和应用,对精益供应链协同绩效进行评价的研究也显得更加重要。以五维动态平衡计分卡作为参考模型,构建精益供应链协同绩效评价的指标体系,并运用BP神经网络对精益供应链协同绩效进行评价,为研究精益供应链系统的运行性能提供决策依据。     

商业银行的个人信用评估研究:基于PCA-GA-BP算法

随着个人消费贷款的普及,贷款人的个人信用评估变得尤为重要。本文选取德国和澳大利亚某商业银行的个人信贷数据为样本数据,采用主成分分析提取样本数据的主成分,通过遗传算法优化神经网络的网络结构、初始连接权值和阀值,然后将优化的神经网络算法用于个人信用评估。与其他算法的准确率比较的结果表明,基于主成分分析—遗传算法—神经网络算法的个人信用评估准确率要高,而且模型的网络结构得到优化,运算时间也有缩短。     

基于神经网络的企业财务危机预警研究——以制造业上市公司为例

现阶段,激烈的市场竞争与动荡的经济环境给各行各业带来了前所未有的挑战,对于企业的经营者与投资者来说,能够准确预测财务危机并有效地规避财务危机具有重大的现实意义。制造业在我国经济中具有举足轻重的地位,文章以制造业上市公司为例,引入财务指标与非财务指标构建指标体系,运用因子分析对筛选的指标进行降维,使各个指标间不相关,消除多重共线性,以得出的公因子作为神经网络模型的输入层来提升神经网络的拟合效率,以企业被特别处理与没有被特别处理作为神经网络模型的输出层,运用此模型对财务危机进行预测。预测结果显示:该财务危机预警模型预测效果较好,能够帮助制造业上市公司识别潜在的财务危机。除此之外,根据结论得出企业的盈利能力是影响制造业上市公司财务危机的最主要因素。     

我国高校债务风险动态预警模型研究

目前,高校负债日趋严重,所面临的债务风险受到广泛关注,如何对高校债务风险进行动态预警尤为重要。文章综合考虑影响高校债务风险的各种因素,选取了10个财务指标和4个非财务指标,利用样本数据,运用主成分分析法算出主成分的综合得分,分别运用模糊隶属度与BP-神经网络分析法,对高校债务风险综合评价比较。实例验证主成分-BP-神经网络分析模型更优。     

四川北部山区输电线路工程可研投资估算模型研究

四川北部山区输电线路工程具有独特性。一种简洁有效的可研投资估算方法和模型在理论上和实际工作中都意义重大。神经网络的非线性、自学习的特点,非常适合建立输电线路工程的投资估算模型。模型选取电压等级、线路长度、导线截面等8个输入变量,建立三层神经网络结构,用收集的训练样本训练神经网络模型,测试样本测试模型。测试结果表明模型效果良好。模型使用者无需掌握过多技术细节,适合于投资发展部门估算,前景良好。     

灰色关联分析与RBF神经网络在我国棉花价格预测中的应用研究

运用灰色关联分析法对影响棉花价格波动的诸多因素进行分析,筛选出了4个主要的影响因素:国际市场因素、替代品因素、居民消费价格指数和棉花进口量.并以此优化RBF神经网络模型的输入节点,验证了模型对棉花价格预测的精确性.采用2010年1月～2016年4月的月度数据作为网络训练集,将4个主要影响因素作为输入向量,经训练后网络拟合效果较好;以2016年5月～2017年4月共12期数据作为网络测试集,结果表明:模型预测误差为3.11％,预测精度较为理想,泛化能力强,模型能够较好地把握棉花价格变化的本质规律,为准确预测棉花市场价格提供参考.     

P2P网贷个人信用风险评估模型研究——基于混合果蝇神经网络的方法

P2P网贷在爆发式增长的同时,也面临着重大的信用风险,个人信用评估是降低信用风险的重要方法。根据P2P网贷自身的特点,对影响P2P网贷借款人信用风险的因素进行分析,引入互联网信息领域特有的风险因素,建立了P2P网贷个人信用风险评估指标体系。基于该指标体系,考虑P2P网贷中"软信息"较多、"硬信息"缺失的特点,提出了基于BP神经网络的信用评估模型。为了提高BP神经网络的收敛速度和精度,将改进的果蝇优化算法作为BP神经网络的学习算法,对神经网络的权重进行训练。通过"人人贷"平台收集的样本数据进行实验验证。结果表明:改进果蝇神经网络评估模型比传统BP神经网络模型有更强的学习能力和预测能力,是P2P网贷个人信用风险评估的有效方法。     

基于孤立点消除合理选择训练样本的物流预测

为了提高物流需求的预测精度,提出一种基于消除孤立点合理选择训练样本的物流预测(IFCM-RBFNN)。首先采用密度方法识别和剔除原始物流需求数据中的孤立点,消除孤立点对聚类结果的不利影响;然后采用模糊均值聚类(FCM)算法对物流需求数据进行聚类,选择最优训练样本集;最后采用RBF神经网络建立物流需求预测模型,并采用仿真实验对其性能进行测试。仿真结果表明,相对于对比模型,IFCM-RBFNN提高了物流需求的预测精度,预测结果更加可靠。     

市场情绪对股票走势的影响分析及预测

为探究投资者情绪对股票走势的影响,利用R软件的爬虫技术将人们对股票市场的看法抓取下来,将文本中的隐含情绪分为积极、消极及中性3种类别,并依此构建情绪得分作为市场情绪量化的结果.利用单位根检验等方法对上证指数与投资者情绪的因果关系进行探究并建立VAR模型.为更好地判断市场情绪对股票走势的影响程度,分别构建加入情绪得分前后的BP神经网络模型对上证指数收益率进行预测,比较两个模型的优劣,从而发现当股票预测模型加入市场情绪指标后误差更小,预测更为准确.     

矿井通风三维可视化系统及优化

系统建立了三维仿真框架,建立了三维空间属性模型和非空间属性模型,分别对空间数据和非空间数据进行储存和管理。并建立了Hardy-Cross迭代模型和离散反馈型神经网络模型优化通风网络模型。并以C#语言来实现系统的功能。