基于神经网络的入境旅游人数预测

入境旅游人数分析是旅游开发的基础。尝试利用人工神经网络的3层BP模型来仿真模拟入境旅游人数,其输入层结点为3,输出节点为1,得出3层前馈反向传播神经网络模型。结果表明人工神经网络模型的模拟结果与实际情况逼近。     

人工神经网络在经济预测中的应用

研究了人工神经网络在经济预测中的应用问题,探讨了人工神经网络的时间序列预测方法。该方法采用多层前馈神经网络及BP算法,其仿真实现是以MATLAB下神经网络工具箱作为开发工具。文中提出了一种基于BP网络时序预测通用方法,并通过实例验证了该方法的预测精度明显高于灰色系统预测方法。为了消除单一神经网络预测模型的系统偏差,探讨了组合神经网络时序预测方法;并用实例验证了组合神经网络比单一神经网络的预测精度高。     

基于LM-BP算法的轨道交通客流短时预测

BP神经网络是当前比较常用的人工神经网络,针对BP神经网络存在易陷入局部极小值、收敛速度慢等缺陷,将LM算法引入到BP神经网络中,以改进BP神经网络在预测时的训练过程,并利用轨道交通客流的时间序列对其有效性进行验证,结果证明该方法对轨道交通客流的短时预测有着更高的准确度和精度。     

旅游安全的人工神经网络预警系统

针对于旅游安全预警问题,运用人工神经网络理论和方法,建立旅游安全预警的BP神经网络模型。通过实例进行分析,说明用BP神经网络方法是可行的。该模型具有很强的学习、联想和容错功能,其分析结果和过程都接近人脑的思维过程和分析方法,使得旅游安全预警结果的精度大大提高。     

基于GA-BPNN的上市公司财务预警模型

为了提高财务预警模型的精度，针对BP算法训练过程中容易陷入局部极值而影响预测效果的缺陷，文章应用遗传算法和BP神经网络相结合的混合算法进行改进。通过对深沪两市A股市场74家制造业上市公司样本的实证研究比较。发现混合算法不论对建模样本还是对多期间检验样本，都显示出比传统BP算法更高的预测精度。GA-BPNN算法不仅具有BP算法较强的局部搜索能力，而且也吸收了遗传算法擅长全局寻优的特点，二者的结合可大大提高预测精度。     

基于BP神经网络的龙洞堡机场旅客吞吐量预测研究

精确的预测机场旅客吞吐量对贵阳龙洞堡机场提供最优调配具有重要意义。文章首先运用灰色关联度计算出各个影响因素与旅客吞吐量之间的关联度;然后合理选择隐含层神经元个数及输入层、隐含层、输出层的激励函数,提高预测精度,使误差达到最小;用BP神经网络模型选取2005-2009年数据作为网络训练样本,2010-2014年五年数据为测试样本。结果表明:对2010-2014年旅客吞吐量的预测值与实际值之间的误差较小,然后通过设定好的BP神经网络对2015年的机场旅客吞吐量进行预测。     

BP神经网络参数设定及应用

针对当前广泛应用的人工神经网络,介绍了BP神经网络的工作原理以及影响因素.在此基础上,简单地说明了BP神经网络的应用,并在MATLAB环境下,对影响BP神经网络工作的参数取值问题作出分析.     

基于人工神经网络的水下爆破振动预测技术

为了研究梧州市某水道航段疏浚、炸礁爆破振动对临近建构物产生影响的规律。根据现场监测的振动数据,利用MATLAB软件进行RBF神经网络建模与分析,选取比例药量、场地系数、孔网参数、孔数作为输入层元素,以实测爆破合振速峰值为输出层进行网络训练,进而进行爆破振动预测,并与工程爆破振动预测中使用最为普遍的BP神经网络进行对比。得出人工神经网络中RBF模型的RMSE与R2都要比BP模型预测精度高,RBF模型更适用于水下爆破振动预测。     

基于LVQ神经网络的电信企业客户流失预测模型研究

随着人工智能的快速发展,人工神经网络被广泛地运用到分类预测领域。文章首先明确了客户流失的定义及其分类,然后分析了LVQ神经网络的基本原理,最后从研究样本的确定、预测变量的选取、模型的训练及评估三个方面构建了基于LVQ神经网络的电信企业客户流失预测模型,以期为电信企业客户流失预测模型的设计提供一定的借鉴意义。     

线性振动的神经网络建模

本文利用人工神经网络对两自由度线性振动系统进行了神经网络建模,并通过所建立的神经网络模型对该系统进行了预测。分别利用MATLAB和BP网络作为平台和训练工具。以两自由度悬臂梁的受迫振动为例,将一段时间内的激励力作为网络的输入参数,对应于该段时间内由振动产生的挠度作为网络的输出参数,然后利用BP网络进行训练。将网络模型预测结果与精确解进行对比,误差甚小。该结果表明:所建立的神经网络模型合理、有效,可利用其对该类问题进行预测并应用于工程实践中。     

基于反向传播神经网络的煤矿建筑工程造价估算研究

人工神经网络通过模拟人脑或生物神经网络基本特性,具有较强的自组织和自学习能力,可以从大量的数据中提取内在规律,构造出自变量和因变量二者之间的映射关系,从而实现复杂非线性现象的有效模拟和预测。研究表明人工神经网络方法与其他方法相比在工程造价特征因素非线性和动态性描述方面具有潜在优势。     

Neural network forecasting of quarterly accounting earnings

This study uses an artificial neural network model to forecast quarterly accounting earnings for a sample of 296 corporations trading on the New York stock exchange. The resulting forecast errors are shown to be significantly larger (smaller) than those generated by the parsimonious Brown-Rozeff and Griffin-Watts (Foster) linear time series models, bringing into question the potential usefulness of neural network models in forecasting quarterly accounting earnings. This study confirms the conjecture by Chatfield and Hill et al. that neural network models are context sensitive. In particular, this study shows that neural network models are not necessarily superior to linear time series models even when the data are financial, seasonal and non-linear.     

基于我国CPI时间序列的神经网络预测模型

近年来,我国的居民消费价格指数涨幅屡创新高。根据我国1990年-2008年的CPI时间序列,首先利用时间序列分析方法确定输入向量,然后应用改进BP算法的人工神经网络分别预测出2011年和2012年我国CPI将分别为104.9和105.2,实验结果证实了BP神经网络模型用于CPI预测的准确性和可行性。     

基于神经网络的供应商选择模型

对供应商选择方法进行了总结。论述了神经网络的基本原理，以及供应商选择的特点，在此基础上提出了基于神经网络的供应商选择模型，并总结了基于神经网络的供应商选择模型的优缺点。     

基于BP人工神经网络的价值链风险的评价

通过对价值链管理深入研究,利用BP人工神经网络对价值链风险管理进行评价,采用专家评分法,获得实际的数据,对模型进行仿真和测试,证实价值链风险管理的指标体系的实用性和BP人工神经网络模型的价值。     

基于神经网络与专家系统集成的混合系统的研究及应用

文章分析了神经网络专家系统的结构、工作原理和集成模式结构,深入介绍了基于神经网络与专家系统集成的混合系统的结构和功能,最后给出了一个应用实例。     

小波神经网络对沪深A300的分析和预测

针对金融时间序列非平稳性、非线性的特点,本文采用小波分析与人工神经网络相结合的方法,对沪深A300收盘价进行分析和预测。结果表明,小波神经网络有较强的预测能力,能达到预期效果。为了验证该方法的预测能力,进一步将时间序列数据多步分段,全方位地进行预测,并与小波-ARIMA模型、BP神经网络预测方法进行比较,体现了小波神经网络的预测优势。     

利用人工神经网络的RSSI测距优化技术研究

基于RSS(I接收信号强度指示)的测距技术是一项低成本和低复杂度的距离测量技术,被广泛应用于基于测距的无线传感器网络的定位技术中。由于室内环境中存在非视距和多径传输的影响,测距误差比较大。针对这个问题,本文提出了一种递推平均滤波和高斯模型相结合的R值筛选策略以及一种利用人工神经网络的距离估计方法。实验表明:通过合理的R值筛选策略和距离估计算法,RSSI测距的精度和抗干扰能力得到了明显的提高。