基于BP神经网络的沪深300股指期货价格预测

本文在BP神经网络的基础上,利用沪深300股指期货的每日收盘价,对其价格进行实际模拟和预测。模拟结果与实际相比,有较高的精度和较为稳定的预测效果,说明BP神经网络对沪深300股指期货市场的预测是可行的。     

广义回归神经网络的金融预测模型研究

本文针对BP网络存在着收敛速度慢和局部极小的问题,提出了一种基于广义回归神经网络方法的金融预测模型,该网络运用于汇率模拟与预测,以演示训练样本的构建、原始数据预处理、神经网络的创建训练和检测结果的评价整个过程.通过详细的仿真实验以及与BP神经网络的比较可得出以下结论:该方法不仅运算速度较快,且逼近性能及预测性能明显都优于传统BP神经网络.     

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。     

灰色神经网络在股价预测中的应用

本文在深入了解股价的可预测性和研究各种股价预测的方法的基础上,探讨利用BP神经网络和灰色模型进行股价预测。以二者为基础,将BP神经网络和灰色模型预测模型的优点结合,提出灰色神经网络模型。该模型将灰色模型的预测值作为BP神经网络的输入变量,而以实际值作为输出变量对神经网络进行训练。     

基于神经网络模型的中国农产品物流需求预测

以BP神经网络模型为预测方法,对2003年²012年我国农产品的物流需求进行模拟,并对未来我国农产品的物流需求的情况进行预测。结果显示,由BP神经网络模型模拟的数据精度较高,验证了该方法在数据拟合和预测领域具有较强的实用性。而对于农产品物流需求的预测结果表明,短期内我国农产品物流需求的增长状况仍然是非常可观的。     

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。     

三种神经网络对上证指数预测的研究

对金融时间序列的预测在投资决策以及风险规避中具有重要的意义,其中的股票市场走势预测始终是金融市场预测领域的热点和难点。本文通过对BP神经网络、径向基神经网络和小波神经网络的预测效果进行比较,发现BP神经网络在上证指数预测中具有较高的准确性。     

浅析基于粗糙集神经网络的企业财务风险

本文在对企业财务风险的涵义和特点进行分析的基础上,提出了一种基于粗糙集BP神经网络预测方法.该方法克服了单纯的BP神经网络方法因为数据量太大、处理速度慢、解释能力差等缺点.结果表明,与传统的logistic回归模型相比,粗糙集——神经网络系统对检验样本预测精度更高,,是一种更无有效和实用的分类方法.     

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。     

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神经网络和ARIMA组合模型测浙江省人均国内生产总值

本文应用BP神经网络和ARIMA构成组合预测模型,对"十一五"期间浙江省人均GDP的变化趋势进行了综合分析与预测.预测结果显示,2006年～2010年间,浙江省人均GDP平均将为40624.53元,人均GDP平均增长率为10.01%.     

基于BP神经网络的国际黄金价格预测模型

为了寻找国际黄金价格与道琼斯工业指数、美国消费者指数,国际黄金储备等因素之间的内在关系,本文对1972年～2006年间的各项数据首先进行归一化处理,利用MATLAB神经网络工具箱进行模拟训练,建立了基于BP神经网络的国际黄金价格预测模型。     

BP神经网络模型在沪深300指数预测中的应用

文章探讨了神经网络模型在股指预测方面的应用,通过引入宏观经济因素,建立BP神经网络模型来对沪深300指数的走势进行中长期预测,运用MATLAB神经网络工具箱对BP模型预测的准确性和可行性进行了实证检验。     

基于支持向量机的上证指数预测研究

基于支持向量机的预测模型对上证指数进行预测,并将其预测结果与BP神经网络的预测结果进行对比,其结果表明,支持向量机的预测模型具有较高的拟合和预测精度并优于BP神经网络模型,且支持向量机预测方法计算速度快,准确率高,具有很好的推广应用价值。     

基于GA—BP神经网络模型的期货价格预测与分析

本文选取20091月5日～10月29日的大豆期货主力i1001合约共200个交易数据作为训练数据，10月30日～11月12日的10个数据为测试数据，利用BP神经网络对期货价格建立预测模型，并用遗传算法进行修正，从而实现对大豆期货交易价格的预测分析。结果表明，改进后的GA—BP神经网络模型拟合精度明显高于BP神经网络模型，并对期货价格走势有良好的预测效果，可给期货市场的投资者提供投资建议。此外，利用改进后的模型可对期货市场操纵现象进行预警，对监管者具有一定参考价值。     

浅谈人工神经网络在林业中的应用

以C++程序设计为平台,运用人工神经网络的方法建立林分林种出材率的BP神经网络模型.通过查阅学习伐区设计资料和实际生产码单数据,最后确定以平均树高,平均胸径,树种年龄,保留密度,蓄积量为输入输入神经元,分析明确了从影响BP算法的学习率和预测精确度的因素中的隐含层的神经元数量,训练次数,隐含层函数,样本数量应诉进行对林分材种出材率预测的BP网络模型进行优化设计,也明确了林分材种出材率预测的人工神经网络模型.     

遗传神经网络在电信业务收入预测中的应用研究

误差反向传播神经网络(BPNN)由于优越的非线性数据处理性能以及较强的学习能力而被广泛地运用于电信业务的预测当中。然而,神经网络常常存在着收敛于局部最优解、学习时间长等缺陷而影响其预测效果,而遗传算法(GA)是一种全局寻优搜索算法,能够有效克服上述缺陷。本文针对影响电信业务收入的主要因素,将BP神经网络与遗传算法有机结合起来,建立了相应的遗传神经网络模型用于电信业务收入预测,并利用实际数据进行效果验证。实验表明,该预测模型具有很强的学习能力和自适应性,其预测结果优于BP神经网络模型,而且具有良好的泛化性。     

BP神经网络在煤层气井产量预测中的应用

BP学习算法是一种单向传播的多.层前向网络,Matlab 中的神经网络工具箱以人工神经网络理论为基础.本文基于Matlab的工具箱,结合沁水樊庄区块晋试1-6井和TL003井的抽排实验数据对煤层气井产量进行预测,验证了BP神经网络在沁水樊座区块预测煤层气井产量的可行性,且BP算法收敛速度快,误差小,值得推广.     

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。