基于主成分分析与多分类支持向量机的单沟泥石流危险性预测

泥石流是一种常见的地质灾害,对人类的生命和财产都会造成极大危害。泥石流危险性预测是防灾减灾的关键。以白龙江流域泥石流为例,首先利用主成分分析对原始数据进行分析,提取主成分,然后采用交叉验证的方式抽取训练样本与预测样本进行多分类支持向量机预测,建立预测模型,对泥石流危险性等级进行分类预测。结果表明:基于5折交叉验证的主成分分析与多分类支持向量机预测模型准确率可达到90%,可为泥石流危险性预测的研究提供计算模型依据。     

上市公司财务失败预测模型的预测能力比较

通过实证分析，建立了判别分析模型、主成分模型、主成分逻辑回归模型以及基于快速BP算法的ANN仿真模型四种财务失败预测模型，并对它们的预测能力进行了比较。结果表明，这四种方法都可以用来进行财务失败预测，但预测的效果是有差异的，基于快速BP算法的”州仿真模型是最有效的一种方法。     

BTO环境下建材装备制造企业物料需求预测研究

分析了BTO生产方式下建材装备制造企业产品物料的组成特点,构建了虚拟产品BOM,在此基础上利用ABC分析法对物料进行分类,并建立了基于BP神经网络的物料预测模型。根据Z公司的实际物料需求,将该模型与传统预测方法进行了对比仿真实验,实验结果表明基于BP神经网络的物料需求预测模型比传统预测方法更可靠,更加接近企业实际,能有效提高预测精度。     

基于BP神经网络的资源型城市可持续发展指标预测

资源型城市可持续发展预测系统受到社会、经济、环境等各种因素的影响,采用传统方法对其预测比较困难。鉴于BP神经网络在非线性领域预测中的广泛应用,文章以包头市为研究对象,构建一个5—8—1结构的BP神经网络预测模型,借助Matlab工具对城市可持续发展指标进行了分析预测。结果表明,BP神经网络预测结果与实际数据的相对误差较小,精度较高。运用此模型预测包头市未来五年可持续发展水平是波动上升的。最后根据预测结果提出资源型城市可持续发展的建议。     

基于 BP 神经网络的资源型城市可持续发展指标预测

资源型城市可持续发展预测系统受到社会、经济、环境等各种因素的影响,采用传统方法对其预测比较困难。鉴于BP 神经网络在非线性领域预测中的广泛应用,文章以包头市为研究对象,构建一个5-8-1结构的BP神经网络预测模型,借助M atlab工具对城市可持续发展指标进行了分析预测。结果表明,BP 神经网络预测结果与实际数据的相对误差较小,精度较高。运用此模型预测包头市未来五年可持续发展水平是波动上升的。最后根据预测结果提出资源型城市可持续发展的建议。     

车道被占用对城市道路通行能力的影响

本文研究了在交通事故情况下,车道被占用对城市道路实际通行能力的影响。论文首先通过观察案例视频,统计交通事故所占车道不同对实际通行能力影响的数据,并通过SPSS软件进行拟合与分析;然后通过BP神经网络,构建车辆排队长度与事故横断面的实际通行能力、事故持续时间及路段上游车流量之间的非线性关系模型;最后,论文利用该BP神经网络进行实证分析,证明模型的实用性。     

基于GA-SVM的矿区采空塌陷预测模型

论文提出了用遗传算法(GA)优化支持向量机(SVM)来预测矿区采空塌陷的方法。结合某矿区的实际塌陷情况,选取了17组采空塌陷数据作为训练样本,以覆盖层类型、覆盖层厚度、地质构造复杂程度、矿区倾角、采空体积率、采空区距地表的垂深和采空区空间叠置层数7个指标作为模型输入,采空区稳定程度作为模型输出,构建GA-SVM矿区采空塌陷的预测模型。然后利用该模型对工区5组采空塌陷数据进行预测,其预测结果与实际情况相符。为了验证提出的模型的优越性能,将得到的结果与BP神经网络模型和常规SVM预测的结果进行对比了结果表明GA-SVM预测模型比BP神经网络和常规SVM具有更高的精度,进一步验证了该模型的有效性和可靠性。     

基于PCA-BP神经网络的高职院校在线教学质量评价研究

2020年初突如其来的新冠肺炎疫情,倒逼全国的学校依托在线教学的方式组织学生居家学习,成就人类历史上从来没有过的最大规模的在线教学实践。在教育部教育信息化技术标准委员会所提出的网络课程评价的一般性规范基础上,基于教学平台等4个一级指标和学习平台的稳定性等13个二级指标设计评价指标体系,构建高校在线教学质量评价的PCA-BP神经网络模型并进行仿真分析,同时与BP神经网络的仿真结果进行对比,最后对PCA-BP神经网络方法在高校线上教学质量评价应用效果进行总结,提出提高数字化教学资源质量、加强在线教学的交互性和整合在线教育教学平台等高职院校在线教学质量提升策略。     

基于BP神经网络的商业银行风险预警模型研究

建立一个科学、有效的商业银行风险预警模型,是有效防范、化解商业银行风险的重要措施.本文运用BP神经网络和主成分分析相结合的方法构建了一个商业银行风险预警模型.实证结果表明:该神经网络模型能达到88%的较高准确率.     

人工神经网络的短期负荷预测模型

预测问题在科学技术领域有着广泛的应用背景。本文介绍了一种短期负荷预测的人工神经网络建模方法,利用前向多层神经网络算法,即BP算法,利用Matlab软件建立用于预测的BP神经网络,仿真结果表明,BP神经网络建模方法具有较高的精度,为高度复杂的非线性电力系统模型化提供了一条新途经。     

基于BP神经网络税收模型的经济分析

税收收入预测的解析分析困难,本文基于BP神经网络建立了税收预测模型。基于所建立的神经网络税收模型,分析了产业增加值、固定资产投资总额、进出口总额、财政支出总量、居民消费水平等若干经济指标的变化对税收收入的影响。本文的研究表明,采用神经网络对具有高度非线性的税收预测进行建模分析切实可行,具有推广应用价值。     

基于神经网络模型的财务困境预测实证分析

财务困境预测是金融领域一个倍受关注的研究课题，运用定量分析提前对企业(特别是上市公司)陷入财务危机进行预警，对于债权人、投资者以及监管部门来说都有极其重要的意义。通过研究我国A股上市公司，以公司因财务状况异常而被特别处理(ST)作为企业陷入财务困境的标志，利用BP神经网络模型提前三年进行财务困境预测，结果发现，预测准确率可以达到87％。     

基于改进遗传BP网络在糖价预测的研究

首先采用灰色理论技术对市场糖价数据进行处理,而后利用改进的实数编码遗传技术优化神经网络权阀值学习训练,使其成为简单通用、快速收敛的改进BP模型。在此基础上,将该模型应用于一维的糖价市场实例预测,结果表明,提出的RINAGA BP预测模型在以糖价形式的经济数据模拟分析上,效率和精度有明显提高。     

ARIMA与BP神经网络混合模型在广西GDP预测中的应用

为改进单纯使用ARIMA模型或BP神经网络模型对GDP预测的效果,笔者以1978—2008年的广西GDP为样本,首先建立ARIMA模型,得到拟合误差序列及2009—2015年的广西GDP的初始预测值,再对误差序列构建BP神经网络并得到2009—2015年的误差预测值,最后,用误差预测值对初始预测值进行修正,得到修正后的2009—2015年广西GDP的预测值。结果表明,ARIMA与BP神经网络混合模型的预测结果显著优于单一模型的预测。     

基于多变量时间序列模型的中牟县地下水埋深预测

以中牟县2002—2014年地下水开采量、年降水量、年蒸发量、气温和年径流量的数据,利用Arcgis反距离权重插值法阐明中牟地下水近13年来时间与空间上的演化规律;用Spearman相关分析确定对中牟县地下水埋深影响较大的因素依次为地下水开采量、年降雨量和年蒸发量;建立地下水埋深预测模型,并将模型在3种方案条件下进行预测。结果表明:预测值与拟合值的相对误差均小于3.5%,模型预测效果较好。地下水开采量减少10%,年降水量减少5%,年蒸发量增加5%时,地下水埋深将达到7.77m;地下水开采量减少15%,年降水量减少10%,年蒸发量增加10%时,地下水埋深将达到7.63m;地下水开采量减少20%,年降水量减少15%,年蒸发量增加15%时,地下水埋深将达到7.48m。     

大数据时代的数量经济模型研究——以BP神经网络的中国CPI预测为例

大数据时代的来临,掀起了大数据与传统学科融合发展的热潮,探寻“大数据+数量经济学模型”的发展之路势在必行.本文运用文献计量分析,对大数据时代较有代表性的定量研究方法和模型进行分类梳理,并基于BP神经网络模型结合36个指标数据对中国居民消费价格指数(CPI)进行多元变量预测.研究表明,BP神经网络的预测结果最优.因此,未...     

泥石流平均流速的PSO-SVM预测模型

泥石流平均流速的确定是泥石流防治工程设计的重要依据。由于泥石流系统复杂多样,各影响因素之间的不确定性强,故难以建立准确的物理预测模型。论文在阐述支持向量机(SVM)原理的基础上,采用粒子群算法(PSO)优化SVM参数,建立了PSO-SVM模型用于蒋家沟泥石流实测数据的训练和预测,并对比SVM模型和BP神经网络模型的预测效果。结果表明:SVM的泛化能力强于BP神经网络,更适合小样本情况下泥石流流速的预测。PSO-SVM模型较另外两个模型的预测效果更好,预测值更接近实际值,可为泥石流的治理与防治问题提供参考数据。     

基于主成分分析法和遗传算法优化支持向量机模型的泥石流危险度预测

为准确预测泥石流危险度,提出了基于主成分分析法(PCA)和遗传算法(GA)优化的支持向量机(SVM)模型。首先利用主成分分析法对7个泥石流危险度影响因子进行数据降维,将提取出的主成分作为支持向量机模型的输入向量,以泥石流危险度作为输出向量,并运用遗传算法寻优获得最佳支持向量机模型参数,最终建立了基于PCA-GA-SVM的泥石流危险度预测模型,并对9条泥石流沟的危险度进行预测,结果表明:PCA-GA-SVM模型的预测准确率达88.9%,满足工程要求。     

基于小波-BP神经网络的风电场短期风速预测

对风电场风速进行较准确预测可以调整调度计划,有效减轻风电对整个电网的不利影响。文章将小波技术和神经网络相结合对风速进行短期预测。先对原始风速数据进行小波分解,再针对各小波分量分别建立BP神经网络模型进行预测,最后通过小波重构得到原始风速预测值。仿真结果表明,所提方法能够有效地提高风速预测精度。     

基于BP神经网络的中国居民消费价格指数预测

本文采用归一化数据处理方法,建立了基于BP神经网络的中国居民消费价格指数预测的数学模型.经检验,该模型的预测值与历史值的系统总误差只有0.035%,并利用该模型对2010年中国居民消费价格指数走势进行预测,提出了相应的政策建议.