基于非节假日Elman神经网络的电力负荷短期预测

为降低节假日对预测工作的影响,将剔除法定节假日后的样本作为预测样本。以最大相对误差、平均绝对误差以及均方根误差作为模型的衡量指标,通过建立广义回归神经网络、小波神经网络与Elman神经网络预测模型对预测样本进行预测,最后仿真结果表明Elman神经网络预测模型能更好地提高预测精度。     

基于神经网络的通货膨胀预测模型研究

本文采用神经网络的方法,利用消费者物价指数、工业增加值和货币供给等数据,分别以BP神经网络、RBF神经网络和Elman神经网络建立通货膨胀预测模型.三个模型预测结果表明,采用神经网络方法建立的模型能够较好地预测通货膨胀的变动.通过比较BP神经网络和Elman神经网络预测结果可以看出,带有反馈机制的神经网络模型预测性能优于一般神经网络模型.     

组合预测模型在股指短期预测中的应用——以上证综合指数为例的实证分析

本文分析了自回归移动平均模型(ARIMA)与BP神经网络模型在预测方面的特性和模型各自的优缺点,在此基础上尝试建立了ARIMA和BP神经网络的股指组合预测模型。ARIMA与BP神经网络组合使用的基本原理是股指时间序列数据可分解为线性部分和非线性残差部分。本文以上证综合指数为例,首先采用ARIMA预测上证综合指数的线性变化趋势,然后采用BP神经网络对上证综合指数的非线性趋势进行拟合,最后整合两种模型的预测结果。仿真结果表明:组合模型提高了对上证综合指数的预测精度,证实了组合模型在股指预测方面的有效性。     

基于组合模型的江苏省居民用电量预测分析

研究利用时间序列基本分析方法ARIMA模型分析法、指数平滑ETS模型和神经网络自回归模型对江苏省居民每月用电量进行数据分析、处理、拟合、检验及预测,以2004年1月至2017年12月用电计量数据作为分析样本,使用R软件对该时间序列进行建模。对给出的数据建立ARIMA模型、ETS模型和NNAR神经网络自回归模型,接着利用MAE、RMSE、MAPE三个评价指标来衡量模型的优良度。尝试通过组合模型对2018年江苏省居民12个月的用电量进行预测,与实际值进行对比验证,发现权重模型的误差最小,选择作为最终预测模型。最后得出结论,组合模型的预测效果要优于非组合模型。     

基于Elman神经网络的江苏技术人才需求预测

Elman神经网络是一种典型的动态回归神经网络,它具有适应时变性的能力。以江苏省技术人才系统为例,说明了Elman神经网络在人才需求预测中的应用,并将其预测结果与基于BP静态神经网络的预测值进行了比较。指出了Elman神经网络在对人才系统这样的动态系统进行预测时优越性。     

RFID技术发展趋势预测研究

针对射频信号自动识别(RFID)技术发展受多种因素影响,变化趋势复杂,难以通过建立准确的数学模型进行预测的问题,本文提出了灰色动态模型对射频信号自动识别(RFID)技术发展趋势进行预测,在此基础上构造了灰色神经网络组合预测模型。该模型避免了变权组合预测模型的主观与繁琐,能有效地将灰色预测弱化数据序列波动性的优点和神经网络较强的非线性适应能力相融合。算例结果表明该方法的可行性和有效性,预测精度也得到了改善。     

金融时间序列组合预测模型与方法

为了提高金融时间序列的预测精度,弥补单一预测方法的不足,组合预测从信息互补的角度为其提供了一条有效的途径。文章综述了现有的金融时间序列组合预测的模型与方法的分类,包括普通权重法、时变权重法、神经网络法以及集成预测法,并展望了在不确定的经济环境下组合预测方法未来的研究方向。     

基于混沌理论和神经网络的销售量预测

针对目前销售量预测不能很好地满足商场管理需求的现状,分析销售量数据内在混沌特性,主要包括时间延迟、嵌入维数、关联维数及Lyapunov指数的计算,并将此分析耦合人工神经网络模型进行预测,最后给出某商场销售量预测的实例,结果显示基于混沌时间序列分析的神经网络销售量预测在数据动力特征刻画及误差控制上有显著优势。     

灰色神经网络的建模原理及应用

所谓灰色神经网络就是将灰色系统方法与神经网络方法有机地结合起来,对复杂的不确定性问题进行求解所建立的模型。本文将灰色预测与神经网络预测方法相结合,提出了预测宏观经济指标的新方法,实例表明此种组合模型的精度较高。给出了一般灰色神经网络模型GNNM(1,1),该模型具有灰色系统的少数据建模优点及神经网络的精度可控特性,并给出了相应的学习算法,然后通过示例说明模型的可行性。     

灰色袖经网络的建模原理及应用

所谓灰色神经网络就是将灰色系统方法与神经网络方法有机地结合起来，对复杂的不确定性问题进行求解所建立的模型。本文将灰色预测与神经网络预测方法相结合，提出了预测宏观经济指标的新方法，实例表明此种组合模型的精度较高。给出了一般灰色神经网络模型CNNM（1，1），该模型具有灰色系统的少数据建模优点及神经网络的精度可控特性，并给出了相应的学习算法，然后通过示例说明模型的可行性。     

基于Elman网络的上证股市开盘价预测研究

股价预测一直是金融领域经久不衰的研究领域。由于影响股价变动的因素有很多,造成了股票价格预测的复杂性。为了更好的预测上证股市在短期内的开盘价,本文采用了处理时间序列数据更具优越性的Elman神经网络,对上证股市连续一段时间内的开盘价进行了预测,实验结果表明本文采用的方法具有较高的预测精度,较为稳定的预测效果和较快的收敛速度。这表明该预测模型对于股市开盘价的短期预测是可行和有效的。     

组合预测模型在短时交通流预测中的应用研究

根据智能交通诱导和信号控制的需要,短时交通流预测应具备实时性、准确性和可靠性,应用单项预测模型已不能满足当前交通流预测的要求,借此提出了以时间序列法、非参数回归法和RBF神经网络预测法为基础的定权系数和变权系数组合模型进行短时交通流预测,实例应用表明组合预测模型较单项预测方法预测精度有显著的提高。     

基于神经网络的股票市场预测

本文将人工神经网络方法引入时间序列预测,针对股票市场这一非线性系统,运用神经网络,在历史数据时间序列的基础上,对股票市场的价格走势进行了理论、方法与模型的研究。本文利用RBF神经网络对上证综指进行了预测研究,获得了较好的预测效果。     

连锁超市零售商品销量的多步预测研究

文章通过分析连锁超市部分商品的销售特征,采取传统时间序列法、神经网络模型（ANN）两类基础方法对较有代表性的销售数据序列进行预测。文章将对原有的直接多步（Direct Multi-Step Ahead,DMSA）预测思路进行改进,采用改进的直接多步预测法对销量进行三步超前预测和五步超前预测,并将结果与采用DMSA、间接多步预测（Recursive Multi-Step Ahead,RMSA）和可变时间尺度法（Variable Time Scale,VTS）的实验结果进行对比,发现改进的直接多步预测法的预测精度有了一定的提升。     

中国出口集装箱运价指数的宏观经济影响因素分析

本文首先分析衡量我国航运市场景气程度的重要指数-出口集装箱运价指数（CCFI）的序列特征，并对其建立均值-波动率的ARIMA-GARCH模型。在对CCFI指数及影响航运市场的进出口商品价格指数、人民币有效汇率、宏观的CPI指数进行平稳性检验后，建立关于CCFI指数的VAR模型，并由Johansen检验及脉冲响应、方差分解分析CCFI指数的波动影响因素，以便于航运市场参与者分析、预测未来的航运市场价格指数走向。     

基于SARIMA-BP神经网络方法的汽车销量预测研究

对汽车销量时间序列的预测方法进行了研究,针对汽车销量影响因素表现出的多样性,应用灰色关联分析法对其进行筛选。针对汽车销量时间序列表现出的线性特征和环境动态变化导致的非线性规律,单一的线性预测方法和非线性预测方法都无法满足时间序列的预测要求。提出了一种SARIMA-BP神经网络预测方法,利用SARIMA方法对时间序列的线性部分进行建模,利用BP神经网络方法对时间序列的非线性部分进行建模。仿真结果表明,SARIMA-BP神经网络方法比单一模型的预测准确率更高。     

小波包与混沌和神经网络相结合的人民币汇率预测研究

为了更精确地预测人民币汇率,基于小波包与混沌和神经网络相结合提出一个三阶段时间序列预测方法。首先对汇率序列进行小波包分解,并对分解后所得到的各子序列作混沌分析与判定;然后,基于混沌理论与神经网络相结合分别构建各子序列的混沌-神经网络预测模型;最后,将各个序列的预测结果进行重构,得到最终预测结果。实证结果表明,该方法具有较高的预测精度,可以为人民币汇率提供更加准确的预测。     

基于组合模型的金融机构存款余额预测研究——以河南省为例

金融机构存款余额反映地区经济活力和要素吸附能力。研究利用差分自回归移动平均模型(ARIMA)在时间序列预测上的线性优势和长短期记忆神经网络模型(LSTM)对非线性数据的挖掘能力,对河南省金融机构的月度存款余额进行了预测。首先,利用ARIMA模型对2010—2020年的存款数据建立模型,得出线性预测值与残差值;然后,采用LSTM神经网络对存款余额残差数据集建模和预测,得出存款余额残差值的拟合值;最后,将线性预测值和残差拟合值组合得出存款余额的预测值。实证结果表明,ARIMALSTM模型能较好地实现河南省金融机构存款余额的预测。     

零售企业商品组合形成研究

在各类流通活动中,商品组合形成对于零售企业而言是至关重要的。在零售企业进入零售市场时,首先要做的就是决定究竟销售哪些商品。本文通过对传统商品组合形成理论的回顾,明确商业企业商品组合与商业集聚商品组合等概念,讨论影响实体零售企业商品组合形成的主要因素以及实体零售企业商品组合的主要特征,结合网络零售的发展现状,对网络零售企业商品组合形成的样式提出若干思考。     

供应链协同预测模型及实证研究

在零售行业中,预测与补给对缩减供应链运作成本、提高客户满意度起到非常重要的作用。协同需求预测是供应链整体优势提高的核心。本文针对BP神经网络在预测中的不足,用遗传算法优化模型,然后应用到供应链上企业间的需求预测。最后通过实例分析,优化模型提高了预测的精度,该模型是有效的。