基于证据理论和动态组合型神经网络的区域物流需求预测

区域物流量不仅和区域经济有关,也和历史物流量有关,故同时利用影响物流需求的区域经济因素和历史物流量进行预测可行。为此提出动态组合型神经网络融合预测模型,并用广东省的物流统计数据进行检验,证明了预测结果的可信度。     

物流量预测的灰色残差修正模型

采用残差修正GM(1,1)模型建立区域物流量灰色预测模型。通过对某区域物流量预测的实例分析,对比普通GM(1,1)和残差修正GM(1,1)模型的预测结果,证明残差修正GM(1,1)模型在预测物流量时精度高、结果可信。     

基于遗传算法优化混沌神经网络的股票指数预测

为提高BP神经网络预测模型对混沌时间序列的预测准确性,提出一种基于遗传算法优化BP神经网络的改进混沌时间序列预测方法。本文采用时间序列输入输出参数数量构造BP神经网络拓扑结构,利用遗传算法优化BP神经网络的权值和阈值,然后训练BP神经网络预测模型求得最优解,将该预测方法应用到上证综合指数的时间序列进行有效性验证,结果表明了该方法对上证综合指数具有更好的非线性拟合能力和更高的预测准确性。     

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MATLAB动态神经网络在环境污染事件预测中的研究

本文基于MATLAB动态神经网络的背景,采用时间序列预测方法进行环境空气质量预测.以某区域空气污染源的排放数据为样本,建立环境污染事件基于动态神经网络时间序列预测模型来预测该区域环境空气质量数据,并与实际监控数据对比研究,寻找误差存在的原因进行修正,验证此方法的有效性.     

混沌神经网络及其在保密通信中的应用

具有高度复杂非线性动力学特性的混沌神经网络系统已成为近年来进行加密通信应用研究的热点课题。本文首先概括了混沌神经网络的一些主要理论模型及其非性动力学系统的特点和复杂性，并分析人们如何利用混沌神经网络的系统的这些复杂非线性特点，如混沌同步和混沌吸引子等，进行加密通信的基本算法原理，最后总结有关混沌神经网络及其加密通信应用中所需要进一步研究的一些课题。     

人民币汇率预测研究——小波与混沌理论相结合视角

本文首先应用小波变换对人民币汇率序列进行分解,得到低频部分和高频部分;然后,对低、高频部分作进一步分析,以确认其都存在混沌特性;再应用混沌理论分别建立低、高频部分的预测模型,进行预测;最后应用小波理论对混沌模型预测的结果予以重构,实现对人民币汇率的预测.文章以人民币兑美元日汇率收益序列为例进行实证研究,结果表明,本文7的预测方法具有较高的精度和较大的应用前景.     

灰色残差修正模型在区域物流量预测中的应用研究

区域物流量预测是区域物流规划和物流基础设施建设的决策依据,也是推动第三方物流企业发展的重要前提。本文讨论了残差修正GM(1,1)模型以及其在区域物流量预测中的应用,模型用多个指数函数的叠加分段描述物流量的预测,克服了传统灰色模型只能描述单调变化过程的缺点。通过对某区域物流量预测的实例分析,对比分析普通GM(1,1)和残差修正GM(1,1)模型的预测结果,表明残差修正GM(1,1)模型在预测区域物流量时精度高、结果可信。     

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.     

区域物流需求量预测实证研究

本文从河北省的物流需求现状出发,通过分析区域物流需求量的衡量指标和影响因素,建立了区域物流需求量预测指标体系,并根据实际数据采用BP神经网络方法建立预测模型,通过与指数平滑法预测结果比较可以看出,采用BP神经网络方法进行物流需求量预测较指数平滑法更精确,在一定程度上能够为河北省物流规划提供定量决策依据,并以此为基础为整个区域物流需求量预测提供科学依据。     

人民币汇率预测的小波方法研究

应用小波变换提出一种人民币汇率预测的方法。首先应用小波变换对人民币汇率序列进行分解,得到低频部分和高频部分;然后。对低、高频部分作进一步分析,以确认它们都存在混沌特性;再应用混沌理论分别建立低、高频部分的预测模型,进行预测;最后应用小波理论对混沌模型预测的结果予以重构,实现对人民币汇率的预测。以人民币兑美元日汇率序列为...     

小波与混理论相结合的汇率预测

应用小波变换和混沌理论提出了一种汇率建模及预测的方法。首先应用小波分解理论对汇率序列进行分解,得到低频部分和高频部分;然后在此基础上作进一步分析,以确认高、低频部分都存在混沌特性;再应用混沌理论分别建立高、低频部分的预测模型,进行预测;最后对混沌模型预测的结果予以小波重构,实现对原始汇率序列的预测。对两种主要货币兑美元的日汇率序列进行了实证。研究表明,该方法具有较高的精度,并具有极大的应用前景。     

一种新的混沌扩频序列产生方法

本文提出了一种新的混沌扩频序列产生方法。该方法基于神经网络的强大学习能力和副近非线性函数能力,应用具有全局最优的ＢＰ改进算法通过训练学习建立起具有混沌性态的优化神经网络模型,利用网络权值调整的灵活性来产生混沌扩频序列。计算机仿真结果表明,该模型产生的混沌扩频序列调整更容易,比基于单一混沌映射能产生更多符合扩频通信要求的扩频序列。     

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。     

小波包与混沌理论相结合的人民币汇率预测方法研究

基于小波包变换和混沌理论提出了一种人民币汇率建模及其预测的方法。首先,应用小波包变换对人民币兑美元日汇率收益序列进行三层分解,得到从低频到高频八个频率成分的时序,并在此基础上作进一步分析,以确认它们都存在混沌特性;然后,应用混沌理论分别建立从低频到高频八个时序的预测模型,进行预测;最后,基于小波包理论对混沌模型预测的结果予以重构,实现对人民币兑美元日汇率收益序列的预测。与现有方法比较,结果表明该方法具有较高的精度,有极大的应用范围。     

结构性物流需求预测方法研究

随着我国物流业的发展,传统的以货运量作为物流需求进行预测的方法不利于物流中心的规划设计以及物流政策的制定.本文从物流规划的需要出发,在分析物流量概念的基础上,提出将物流量分解为总体物流量和结构物流量,以总体物流量需求预测指导系统的总体规划,以结构物流量需求预测指导详细规划,并对结构性物流量的使用进行了初步探讨.     

中国大陆赴香港旅游预测模型

旅游人数预测是旅游业经济分析和发展战略规划中的关键问题。本研究选择适当的方法建立中国大陆到香港旅游预测模型，为制定香港旅游战略规划提供决策依据。首先建立包括六个因素预测理论模型，然后用神经网络、移动平均、时间序列平滑模型和多元回归方法建立旅游定量预测模型，结果显示神经网络模型优于其他三种模型。     

人民币兑美元汇率混沌动力学预测模型

应用混沌理论对人民币兑美元汇率系统进行建模及预测。建立了两个混沌动力学模型,即人民币兑美元汇率的日收益序列预测模型和人民币兑美元的日汇率序列预测模型。实证结果表明,两个模型的预测结果都好于均值模型的预测。其中,前者的预测均方根误差比较大,而后者的预测均方根误差非常小,表明两个模型中,后者更适合于人民币兑美元汇率的预测。     

我国高速公路建设成本预测研究——基于BP神经网络的视角

本文通过分析高速公路工程成本构成,构建了影响工程建造成本的主要指标体系,根据十一五期间西部五省市部分高速公路的工程造价统计数据,建立一种基于神经网络造价成本预测模型。分析结果表明,影响工程造价的因素中设计因素最为关键,其次是施工工期及贷款利率因素。通过对样本的训练和验证,表明建立的神经网络预测模型具有真实性及可靠性。     

基于灰色LM-BP神经网络对第三产业综合指数的预测

第三产业发展趋势的预测对于国家或地方政府制定宏观政策有着重要的意义。为更加准确地进行第三产业的预测,从多角度选取指标,利用信息墒理论合成综合指标,建立灰色LM-BP神经网络对其进行预测,实证分析灰色LM-BP神经网络比单一的灰色预测模型和传统BP神经网络预测模型拟合和预测能力要好,说明了模型适应成都第三产业发展趋势的预测。