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。     

基于BP神经网络的北京市物流需求预测

随着物流在国民经济中重要性的提高,对于物流需求的准确预测成了物流发展规划中重要的一部分。选取了对物流需求影响较大的七个指标构建了一个三层的神经网络,对2006-2015年北京市的物流需求进行了预测。结果表明BP神经网络模型的预测结果比回归分析预测结果更好,且相对预测误差不超过0.05。     

重庆市物流需求预测研究

从重庆市的物流需求现状出发,通过分析其物流需求的衡量指标和影响因素,建立物流需求规模预测指标体系,并根据实际数据建立BP神经网络预测模型,预测结果显示重庆市的物流需求呈增长之态,在一定程度上能够为重庆市物流规划提供定量依据。     

重庆市物流需求预测研究

从重庆市的物流需求现状出发,通过分析其物流需求的衡量指标和影响因素,建立物流需求规模预测指标体系,并根据实际数据建立BP神经网络预测模型,预测结果显示重庆市的物流需求呈增长之态,在一定程度上能够为重庆市物流规划提供定量依据。     

基于BP神经网络的城市物流需求预测模型

城市物流需求是城市物流规划的重要内容和首要前提,但城市物流需求的复杂性导致难以对其进行精确预测。文章从货运量的角度出发,分析影响货运量的社会经济因素,以北京市为例,建立城市物流需求的BP神经网络预测模型,并通过Matlab进行仿真求解,结果显示用神经网络预测物流需求是非常合理。     

基于Braincell的广西旅游物流需求预测研究

旅游物流的需求预测对旅游产业的发展影响很大,而旅游物流本身的独特性和复杂性使一般方法在进行旅游物流需求预测时具有很大的难度,且预测的精度差。为了克服一般方法需求预测的局限性及旅游物流数据的不完整性,文章建立了基于神经网络的旅游物流预测模型,利用神经网络理论和Braincell软件对广西旅游物流需求进行预测,极大程度的提高了旅游物流预测的准确性。     

基于改进ANN的我国社会物流总成本预测研究

社会物流总成本(WLCB)序列同时具有线性和非线性的特征,直接对WLCB预测,传统预测、神经网络方法均产生很大的误差。本文提出:对WLCB数据作两步预处理,逐步消除WLCB的线性特征,在只具非线性特征的预处理后数据基础上,建立BP预测模型。分别与建立在原始数据及只作一步预处理的数据的BP预测模型进行比较,实验表明:两步预处理后不含线性特征的BP模型预测准确率大大提高,从而证实了改进NN模型用于WLCB预测的有效性。     

基于BP神经网络的武汉公路物流需求分析与预测

随着经济社会的发展,武汉市物流运输业取得了巨大的进步,也面临巨大的挑战,而趋于物流需求预测是区域物流规划的前提和依据。本文BP神经网络,通过对往年各项经济指标进行分析,以较小误差实现了对未来公路物流需求的分析与预测,并以武汉为算例,对模型进行了验证。     

基于BP神经网络的湘潭市物流需求预测分析

用Matlab7.0的BP神经网络工具集模拟湘潭市的物流需求量与各经济、非经济因素的关系,以此来预测湘潭市未来的物流需求量。以湘潭市近几年的数据为例,论证了该方法的可行性。     

基于BP神经网络模型的沪深300指数预测

采用BP神经网络模型,利用MATLAB软件,通过沪深300指数2011年1月4日到2012年3月30日的开盘价、收盘价、最高价、最低价四组数据建立三层的BP神经网络模型,用前290天的数据对模型进行学习和训练,然后用后12天的数据对模型进行检测,最后对2012年3月15日的开盘价进行短期预测。结果表明,BP神经网络模型具有良好的泛化能力,在沪深300指数的预测方面有很好的预测能力,有很强的现实意义。     

基于神经网络的循环流化床烟气脱硫工艺预测

本文利用BP神经网络实现了对某电厂循环流化床烟气脱硫工艺的预测。论文简单介绍了BP神经网络,并对数据进行了分析。之后以用MATLAB7.0利用BP神经网络实现了对该数据的训练,通过确定各个影响因素的权值来实现预测的目的。     

基于灰色模型与BP神经网络的青岛旅游需求预测模型

本文主要研究青岛市旅游需求预测的有关问题。本文首先对搜集的数据进行无量纲化处理,利用主成分分析得到影响旅游需求的主成分,以旅游人口建立GM(1,1)模型,进而将模型推广到GM(1,N)模型,并进行残差检验确保其可靠性;其次,对影响旅游需求的因素进行GM(1,1)灰度预测,并利用预测数据建立BP神经网络模型对GM(1,1)模型进行优化改进,最后,分析得到运用BP神经网络模型进行预测的结果更为准确。     

基于支持向量机的区域物流需求预测研究

基于支持向量机的区域物流需求预测是在追求更高的预测精度下提出的,首先选取非线性回归方法筛选影响区域物流需求的主要因子,然后用支持向量机模型对原始数据进行处理,并通过"影响区域物流需求因素"求解最优化的支持向量机核函数,最后构建影响区域物流需求的影响因子的非线性数据模型。结论表明,支持向量机模型相对多元线性回归、BP神经网络等,提高了区域物流需求的精确度,在之后的区域需求预测中将会有更加广泛的应用。     

基于BP神经网络的农村人均生活消费预测

居民消费增长是影响我国经济快速、可持续增长的重要因素,而农村居民数占人口总数的一半,准确可靠的对农村居民人均生活消费支出进行预测可为政府制定新的发展战略提供重要依据。因此,对农村居民的生活消费支出进行预测,可以最大满足农村居民的生活消费需求,提高生活质量。关于居民生活消费预测的方法有很多,但是有些方法预测精度较低。基于居民生活消费和神经网络模型应用相关文献,运用Mat l ab技术的BP神经网络对农村居民的人均消费支出进行分析,结合数据拟合和精度检验,对农村居民未来三年的生活消费支出进行预测。预测结果表明,这种方法具有较高的预测精度,该模型在生活消费支出预测中的应用是可行有效的。     

基于BP神经网络的港口城市经济发展预测研究

分析说明BP神经网络的工作原理,针对连云港市1995年至2004年港城互动经济数据,构造相应的BP神经网络结构并进行网络训练,结果表明BP神经网络用于港城经济的发展预测是可行的。     

辽宁省第三方物流需求预测

第三方物流需求直接关系到物流园区的布局、规模、物流场站建设、设施选取等规划活动,同时第三方物流需求预测也是辽宁发展第三方物流对策建议研究的基础。利用神经网络技术,对未来年辽宁省第三方物流需求进行预测,为对策建议研究提供基础数据。     

神经网络组合预测方法在R&D支出中的应用分析

通过BP和RBF两种神经网络的组合应用,并结合使用Matlab7.0软件提出了一种新的组合预测方法。首先通过采用了两种成熟的预测方法BP和RBF神经网络对R&D经费的支出分别进行预测,然后把所得的预测值再通过三层结构的RBF网络结合Matlab软件进行组合预测,得出最后的预测值再与实际的数据进行比较。从预测结果来看,将该组合预测方法很好的拟合了我国每年R&D经费支出,避免单一预测方法存在的预测精度不高,限定条件过多等问题,有效地提高了预测精度,得出了较为满意的预测结果。     

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.     

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。     

基于BP神经网络和相关系数结合的股票价格预测

股票价格预测一直是困扰投资者的难题,为了提高股票价格的预测精度,本文提出一种基于BP神经网络和相关系数结合的股票价格预测方法。从股票数据中选取10个影响股票价格的因素,计算它们与股票价格的相关系数,从中提取关键因素,利用BP神经网络预测未来股票价格。将此方法用于华谊兄弟(300027)预测股票收盘价,结果表明,相对于未提取关键因素的BP神经网络,此方法提高了股票价格的预测精度。