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。     

基于VAR模型的我国储蓄率的影响因素分析

我国的高储蓄率一直是我国乃至世界关注的经济问题。本文收集了1985—2011年中国人口结构和中国居民储蓄率的相关数据,采用VAR模型的经济计量方法,结合现实情况和模型的结果,发现人口老龄化是使我国保持高储蓄率的主要因素,进一步提出完善社会保障制度和促进老龄产业的发展的建议,从而使用于储蓄的大量资金转用于投资,以促进我国经济的发展。