政策性农业保险:从制度诱导到农户自主性需求——基于江苏省585户粮食种植户的问卷调查

当前政策性农业保险是制度诱导下的被动式发展,还是农户风险管理需求下的主动式发展,这是判断农业保险成熟度的标志,也是中国从农业保险大国向农业保险强国转变的关键点.本文选取中国粮食主产区江苏省,对其14个区县585户粮食种植农户进行问卷调查,并通过Pearson相关性分析和BP神经网络进行保险购买决策模拟.研究发现:当前中国政策性农业保险是制度诱导与农户风险管理内在需求交互作用下的混合决策,但是制度诱导依然是农业保险的主要驱动力.据此,应从农户的风险认知、保险认同的提升入手,结合保险市场的险种与服务创新,使得农业保险可与不同农业经营主体的生产决策目标相匹配;同时将农业保险与农村社会保障举措相融合,实现农村金融工具的协同效应.     

基于SOM的汽车制造业上市公司财务绩效分析

面对急速发展的汽车行业,如何对其进行有效的财务绩效评价,已成为亟待解决的问题。很少有人会基于SOM利用聚类分析对上市公司的财务绩效进行评价。本文首先对SOM神经网络进行了理论阐述,然后利用SOM网络对高维、复杂数据的处理能力对数据进行处理,运用SOM神经网络的聚类功能,对我国在上海深圳上市的汽车制造业企业进行了聚类分析和对比,直观、综合反映了各个层次的汽车制造业的财务状况。结果表明,SOM神经网络应用到汽车制造业的财务绩效评价是可行的。     

基于BP神经网络的专利技术分成率计算研究与应用

针对当前专利技术分成率评估方法出现的问题,引入BP神经网络方法来计算专利技术分成率。第一步是建立指标体系。第二步是训练样本的选取以及数据标准化处理。第三步是完成模型误差调优。最后,通过实例验证了使用BP神经网络方法评估专利技术分成率是可行的。     

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。     

气膜薄壳钢筋混凝土穹顶储仓的施工工期预测研究

根据气膜薄壳钢筋混凝土穹顶储仓的施工特点,详细分析了影响其施工工期的因素及参数获取方式,结合灰色GM(1,1)模型和BP神经网络处理数据的优点,提出了基于串联型灰色神经网络(serial grey neural network,SGNN)的施工工期预测模型并进行预测仿真。结果表明:该方法切实可行,预测精度高于GM(1,1)方法。     

电梯故障诊断中神经网络技术的应用

随着城市高层建筑的不断增加,电梯已经成为了人们最为重要的垂直交通工具。电梯标志了人类的物质文明,然而在实际生活中电梯由于故障问题给人民造成的损失也是巨大的,传统的人工仪器诊断准确率过低,这就要求有更好的故障诊断技术来保证电梯的可靠性。文章介绍了电梯的运行原理,引入了依托于人工智能的神经网络技术,详细介绍了电梯故障诊断中不同的网络应用类型,它的网络结构与基本原理并且简单的介绍了两种新兴的神经网络模型。     

建筑工程实际造价的动态预测

自改革开放以来,我国建筑事业的发展速度明显加快,建筑工程的数量、规模都在不断地增加。在建筑工程施工建设的全过程中,需要控制的内容很多,工程造价就是其中最为主要的一个方面。造价预测是造价控制的主要内容之一,可分为静态预测与动态预测。动态预测是在静态预测的基     

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。