用神经网络组合预测算卫生总费

利用BP神经网络组合能够较好地模拟在各种不确定因素影响下因果变量之间的内在关系。建立了基于人工神经网络的卫生总费用预测模型,该模型的网络结构由输入层(1个节点)、隐层(7个节点)和输出层(1个节点)组成。采用改进的BP算法对7组学习样本进行训练,得到各节点间的连接权和阈值,然后用优化好的网络进行卫生总费用预测。预测结果表明,利用该方法建立的模型预测误差在1%以内,十分精确。     

我国卫生总费用影响因素分析及预测

卫生总费用是衡量一个国家或地区卫生筹资水平及其利用程度的重要经济指标。本文运用普通最小二乘估计法作多元回归分析,基于我国1995～2008年的数据进行实证,结果表明:经济增长仍是我国卫生总费用增长的重要影响因素,政府卫生支出比例对卫生总费用也有显著性影响,而人口老龄化程度的不断加深对我国卫生总费用增长带来了很大压力。最后对未来我国卫生总费用进行预测,以期为政府决策部门制定十二五规划提供参考依据。     

浅析卫生总费用现状及转变策略

卫生总费用中个人现金卫生支出比例偏高,很难保证基本医疗服务全民覆盖政策目标的实现,并由此将产生一系列的社会后果,导致卫生服务利用和健康不公平。为此,卫生总费用内部结构失衡的问题应引起各级政府和社会的高度重视。     

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BP神经网络和ARIMA组合模型预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%。     

我国卫生总费用的结构及流向对医疗服务效率的影响

在医疗服务领域市场失灵的情况下,依靠市场无法解决医疗服务的效率问题,必须由第三方——政府介入医疗服务市场。政府介入医疗服务市场的方式既有政策干预,又有卫生费用的供给,而卫生总费用的结构及流向将对医疗服务的效率产生重要影响。     

基于智能神经网络组合预测的国债利率期限结构建模与实证

作为整个经济活动的基准利率,国债的利率期限结构,全面而深刻地影响着市场上其他利率和资产价格的评估。在分析了传统的指数函数回归、BP神经网络单一预测方法的局限性后,本文建立了将不同单一模型的预测值进行集聚处理的神经网络组合预测模型,并对上海证券交易所20个不同待偿期限的国债品种进行预测和方差检验。实证结果表明,神经网络组合预测模型,能够充分吸收各单一预测模型的优点,扬长避短,削弱单一模型的不稳定性,增强预测的准确性、有效性。     

零售商品销售量组合预测研究

针对零售商品销售量预测精度不高,致使零售商蒙受经济损失的问题,本文提出ARIMA-GARCH与Elman神经网络的零售商品销售量组合预测模型。先利用ARIMA-GARCH对存在异方差的零售商品销售量非平稳序列进行线性预测,再利用Elman神经网络对销售序列进行非线性预测;最后,结合线性规划思想,运用误差绝对值最小赋权算法实现对零售商品销售量的精确预测。案例分析表明,与ARIMA、BP等模型相比,该组合模型预测精度更高,更适合零售商品销售量的预测,在以后的零售商品销售预测中具有一定的推广作用。     

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%.     

中国石油消费的组合预测

石油消费预测有助于提高石油生产、进口及消费的合理性,进而实现合理规划.鉴于石油消费系统的复杂性和非线性特征,利用我国石油消费的历史数据,将VAR模型与灰色预测的GM(1,1)、无偏GM(1,1)两种模型有机组合,建立灰色VAR组合预测模型,实证分析得出了更为精确的预测值,由此得出此模型可以作为能源消费量预测的有效参考工具.     

组合预测系数的确定方法

<正> 一、问题的提出 在经济预测中,对于同一个问题常采用不同的预测方法。衡量一种预测方法的优劣主要取决于其预测精度,不同的预测方法其精度往往也不相同。一般是以预测误差平方和作为评价预测方法优劣的标准,从各种预测方法中选取预测误差平方和最小的那种方法。不同的预测方法从不同角度提炼出样本数据的信息,为了提高预测精度,很自然想到用多种预测方法进行组合预测。组合预测的关键是确定各种预测方法的组合系数,本文提出一种确定最优组合预测系数     

基于神经网络的股票市场预测

本文将人工神经网络方法引入时间序列预测,针对股票市场这一非线性系统,运用神经网络,在历史数据时间序列的基础上,对股票市场的价格走势进行了理论、方法与模型的研究。本文利用RBF神经网络对上证综指进行了预测研究,获得了较好的预测效果。     

基于小波神经网络的股票价格预测

股票价格是一个与政治,经济等多因素有关的非线性建模问题。本文利用小波神经网络在非线性建模中的收敛迅速等优越性,提出利用小波神经网络预测股票价格的方法。仿真表明该方法可行,预测精度高。     

组合预测法在汽车预测中的应用

文章对传统组合预测方法的基本原理进行了阐述,并探讨了组合预测方法相对单一预测模型的优点。在此基础上,总结了组合预测方法的具体步骤,并对中国汽车市场进行预测,最后提出了建议。     

基于BP神经网络的股票价格预测研究

本文针对股票市场这一非线性系统,利用人工神经网络的方法来对股票进行时间序列预测。采用BP神经网络,将历史时间序列数据作为参考依据,预测未来短期内的股票价格;并在此基础上,与实际的股票价格进行对比分析,并得出结论。对于股票市场内的投资者具有一定的理论意义和实践价值。     

基于Elman神经网络的江苏技术人才需求预测

Elman神经网络是一种典型的动态回归神经网络,它具有适应时变性的能力。以江苏省技术人才系统为例,说明了Elman神经网络在人才需求预测中的应用,并将其预测结果与基于BP静态神经网络的预测值进行了比较。指出了Elman神经网络在对人才系统这样的动态系统进行预测时优越性。     

基于BP神经网络的重庆市外贸出口预测研究

出口贸易系统受到国内国际诸多因素的影响,是一个演变的非线性复杂系统,而神经网络因其强大的非线性映射能力,特别适合于解决非线性的预测决策问题。本文从重庆市外贸出口的实际背景出发,采用三层BP神经网络进行实证预测,预测结果表明本文建立的模型具有较高的预测精度,可以作为相关部门制定出口贸易发展目标的参考依据。     

试论组合预测方法在旅游经济分析预测中的应用

近年来,旅游经济研究学者注重应用组合预测法进行旅游经济相关数据的分析预测,并组建了实用价值较高的数据分析模型。将组合预测方法应用于旅游经济的分析预测中能够进行准确的现状分析,并基于现状与经济发展趋势背景预测出经济的发展前景,此外应用组合模型还可以进行影响研究,实践作用明显。笔者认为将组合预测方法应用于旅游经济预测中能够提供经济发展趋势提供有效的数据参考,进而利于经济政策的制定。     

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。