基于神经网络与逻辑回归的财务危机预警研究

文章以2014～2017年制造业上市公司ST企业为研究对象,并以1:2比例选取配对样本,针对T-3年的财务数据指标进行模型的构建与分析。结果表明虽然人工神经网络与逻辑回归都有不错的预测效果,但逻辑回归分析的结果准确率更高,可解释性更强。     

基于冠层光谱和BP神经网络的水稻叶片氮素浓度估算模型

[目的]快速、准确地诊断水稻叶片氮素营养状况,为水稻氮肥精准管理提供依据。[方法]以江西省农科院8种不同施肥处理的晚稻为研究对象,于主要生育期同步测定了水稻冠层光谱反射率及叶片全氮浓度(Leaf Nitrogen Concentration,LNC),系统分析了原始光谱反射率、一阶微分光谱、"三边"参数以及由350～1 350nm两两波段组合的差值(SD (Rλ1,Rλ2))、比值(SR (Rλ1,Rλ2))及归一化(ND(Rλ1,Rλ2))光谱指数与水稻LNC的相关关系,筛选出敏感参数,并以之为自变量构建了水稻LNC的传统预测模型,另外构建不同指标个数的多元线性与BP神经网络模型,并对模型进行验证。[结果](1)水稻LNC与一阶微分光谱在751nm处的相关性最高(r=0. 822);(2)"三边"参数中的红边面积SDr与LNC的相关性较高(r=0. 687);(3) 750nm附近的红边波段与近红外波段差值组合、550nm附近的绿光波段与近红外波段的比值及归一化差值组合与水稻LNC的相关性较高,以SD (R752,R751)、SR (R534,R1 350)和ND (R534,R1 349)表现最好,相关系数分别为0. 827、-0. 790和0. 788;(4)传统回归模型中以SD(R752,R751)构建的一元线性模型最佳(RC2=0. 665、RV2=0. 750、RMSEV=0. 4%、RPD=2. 034);(5)利用5个指标((R'751、SDr、SD (R752,R751)、SR (R534,R1 350)、ND (R534,R1 349))经逐步回归筛选出的2个指标SD ((R752,R751)和SR (R534,R1 350))构建预测水稻氮素的BP神经网络模型,预测效果最佳,其验证参数值分别为R2=0. 859、RMSEV=0. 302%和RPD=2. 669。[结论]基于单指标构建的传统线性模型计算过程简单但精度略低,而基于2个指标(SD (R752,R751)、SR (R534,R1 350))构建的BP神经网络模型预测精度高于该2指标构建的多元线性模型,表明在指标适合的情况下,BP神经网络对氮素具有较好的预测能力,是一种快速准确估算水稻叶片全氮浓度的方法。     

贝叶斯正则化BP神经网络在地铁施工安全评价中的应用

为了获取准确的地铁施工安全评价,文章通过建立贝叶斯正则化BP神经网络模型,克服传统安全分析方法的不足之处,防止网络的过度拟合。将此模型运用于MATLAB,可以发现贝叶斯正则化BP神经网络在推行能力和泛化能力上有着较好的表现。在当前基础上进行敏感性分析,就地铁施工安全影响因素进行重要程度排序,提高地铁施工安全管理,以防此类地铁安全事故的发生。     

A股上市公司财务预警模型对比研究——基于logistic回归和BP神经网络模型

财务危机对于一个企业是致命的。国内外众多学者都针对公司的财务情况进行了定性以及定量的相关研究。在实证方面,财务预警模型众多。因此本文根据前人的实证研究,采用上市公司A股数据,比较logistic回归和BP神经网络两种财务预警模型,以寻找更加优质的财务预警模型。     

基于神经网络的开化县森林碳储量空间估计

本研究以浙江省开化县为研究对象,用2004年全县境内76个森林资源清查样地数据及同年Landsat TM遥感影像,将归一化植被指数NDVI、IND53和归一化绿色植被指数GNDVI融入BP神经网络,对开化县境内森林碳储量进行预测。结果显示:开化县平均碳密度为37.616Mg/hm~2,碳密度最大值为144.691Mg/hm~2,碳密度最小值为0.000Mg/hm~2,标准差为26.685Mg/hm~2。森林碳密度较高区域主要集中在西北和东部,整体呈现出沿东北方向的两边密集、中间稀疏的状态。     

基于神经网络的建筑业碳排放强度预测——以京津冀为例

通过统计分析得出影响建筑业碳排放强度的13个影响因素,基于收集的京津冀相关数据,运用逐步回归分析找出其中6个关键因素.借鉴五折交叉验证解决数据稀缺问题,采用神经网络对京津冀建筑业碳排放强度进行预测.利用敏感性分析简化模型,筛选出4个核心因素.结果表明,此模型预测精度高达99％,同时根据挖掘出的核心因素和关键因素,提出建筑业节能减排的建议.     

GPRS在配电自动化系统中的应用研究

GPRS是一种基于GSM系统的无线分组交换技术,其在通信领域中的应用,可高速的进行数据处理[1].配电自动化是指以配电网一次网架和设备为基础,综合利用计算机、信息及通信等技术,实现对配电网的监测、控制和快速故障隔离.为了保护和监测实时数据的安全性与可靠性,生物人脸识别技术基于神经网络计算可得到精确的人脸校验,完成信息安全性的权限保护.本文将生物人脸识别技术基于GPRS的通信传输应用在配电自动化系统中.