基于回归BP神经网络的短期负荷预测

负荷的形成受多方面因素的影响,在建立短期负荷预测模型时,需要综合考虑多种因素.同时,负荷是一种时间序列信号,目前的数据能够对以后的数据产生重要的影响,所以文章采用回归BP神经网络模型应用于短期负荷预测.实例计算表明,该方法有效,预测精度比常规方法高,收敛性好,运算速度快.     

中国大宗商品期货市场定价机制研究

大宗商品期货市场是我国资本市场的重要组成部分,其定价有效性关系到投资者套期保值和价格发现等功能的实现。本文对国际前沿研究中常用的定价因子进行全面系统梳理,并对这些因子对我国商品期货合约收益率的解释和预测能力进行检验。在此基础上,本文构建了适用于我国大宗商品期货市场的包含市场、基差以及基差动量的三因子定价模型。进一步研究表明,基于大宗商品存储理论和现货存货数据构建的投资组合收益率可以被本文三因子模型有效解释,验证了经典的存储理论在我国的适用性。此外,本文对基差与基差动量两个重要因子的经济学意义进行了阐释。本文研究为进一步厘清大宗商品期货市场定价机制提供了一定参考。     

大机组齿轮早期故障诊断方法的研究与应用

分析了影响齿轮早期故障诊断准确性的主要因素，针对齿轮振动信号噪声干扰大的特点，采用小波分析、神经网络滤波、相关滤波等方法进行信号预处理，可大大提高信噪比。现场应用情况表明：该方法可在强噪声环境下提取出齿轮振动中的微弱故障信息，及时发现齿轮早期故障隐患。并在此基础上，开发了一套齿轮早期故障诊断软件系统。     

大学生消费水平的研究——以河南某大学为例

本文通过对高校在校学生的调查问卷,运用Eviews和EXCEL软件对样本数据处理,建立多元回归模型得到初步的估计模型,在对异方差修正之后得到较优良的回归模型.但是本文为了更好的研究该问题,通过神经网络模型得到了自变量对因变量的影响程度,还考虑了自变量之间的交叉作用对被解释变量的影响.     

利用财务比率和公司治理指标建构企业信用评级预测模型北大核心

如何对企业信用评级加以预测,加入非财务信息的公司治理指标的影响如何,是目前大家所关注的焦点。本研究分别利用传统多变量区别分析法及基因类神经网络建立预测模型,以检验两者中何者具有更高的预测能力。在实证方面,以区别分析法选择关键变量建构模型,加入公司治理指标以提升整个模型的完整性及准确度;以基因算法萃取企业风险等级的重要影响变量时,发现公司治理的确对信评结果有高度贡献。在比较区别分析模型与基因类神经网络模型的预测能力方面,基因类神经网络信评预测模型在模型整体的效度、内部效度、外部效度方面,皆高于区别分析模型,表示基因类神经网络模型的预测效果有更佳的一般性,更能让外部关系人将模型应用于样本外的企业风险预测。     

基于多源数据融合的信号交叉口延误估计研究

为了获得更准确的信号交叉口延误,为评价信号交叉口的运行效率和服务水平提供精确的评价指标,论述了利用线圈检测器和浮动车数据来估计信号交叉口延误的方法。在对BP神经网络作简要介绍的基础上提出基于改进BP算法的信号交叉口延误估计模型。把通过线圈检测器和浮动车数据估计的信号交叉口平均延误进行融合,得到更为精确的信号交叉口平均延误。最后通过实例对该模型进行了验证,分析结果表明:采用数据融合方法得到的信号交叉口延误的相对误差明显低于基于线圈检测器和浮动车数据估计的信号交叉口延误的相对误差,因此采用数据融合方法估计信号交叉口的延误可以提高延误估计的精度,论证了该模型的实用性和有效性。     

沉层水泥撑拌桩在高速公路软基处理中的应用

结合深层水泥搅拌桩在高速公路软土地基处理中的应用,承受较快的加荷速度时解决软土地基高填路基的稳定、沉降、加快施工进度及解决桥头跳车问题等很有裨益.并探讨了深层水泥搅拌桩技术的优点和应用前景.     

北运河北关闸闸基振冲加密施工

本文主要介绍北运河北关闸基础采用振冲加固处理的设计、生产性试验施工与加固效果检测及评价情况。     

道路软基处理其发展方式

我国公路发展日益迅速,在道路施工过程中遇到的软基地问题也越来越多.如何经济有效地处理公路建设中的软弱地基已经受到人们的广泛重视和关注.对我国现有的道路软基处理方法进行总结的基础上,将新的方法予以运用,以期对我国道路的进一步发展,提供一定的参考.     

基于粒子群优化反向传播神经网络的铁路路基沉降量预测

铁路路基沉降规律复杂、沉降量难以预测,因此提出一种粒子群优化反向传播神经网络的路基沉降量预测模型。传统神经网络建模时存在收敛速度慢、易陷入局部极小值等不足。因此,通过粒子群算法修正网络的初始权/阈值,提高全局收敛性,建立基于粒子群优化的反向传播神经网络预测模型。通过对宝中线实测数据进行仿真实验,结果显示：经粒子群优化的神经网络可避免局部极小问题,加快网络收敛速度,提高了对铁路路基沉降量的预测精度。