基于神经网络的农产品物流需求预测研究

农产品物流不仅具有一般性物流的共同特点,而且具有独特性和复杂性,这导致利用一般方法进行农产品物流需求预测不仅难度大,而且精度差。为克服单项物流需求预测的局限性及农产品物流数据的不完整性,本文利用神经网络理论,建立基于BP神经网络的农产品物流预测模型,并利用BP神经网络在学习过程中具有工作信号正向传播和误差信号反向传播的特点,通过权值的不断修正,使网络的实际输出向量更加接近期望的输出值,从而极大程度提高了物流预测的准确性。经农产品物流预测实例分析,验证了基于BP神经网络模型建立的物流需求预测模型的准确性与科学性。从而印证了人工神经网络在物流领域中的应用具有更加广泛的发展潜力。     

引入深度学习的城市基准地价评估模型研究

研究目的:为全面表征影响因素与土地价格之间的复杂函数关系,提高城镇基准地价预测精度,研究一种更精准的地价评估方法。研究方法:提出一种基于深度学习思想的城市基准地价评估方法,通过实例法验证模型的可行性和有效性。研究结果:(1)与BP神经网络、支持向量机这类浅层学习模型相比,DBN的深层网络结构明显能够更好地挖掘城市地价样本集的深层特征,获得更好的评估精度;(2)DBN的无监督训练框架能够利用少量的训练样本获得较高的评估精度,并且随着无标签样本的增加模型评估精度也逐渐提高。研究结论:DBN模型能够精准拟合地价影响因素和土地价格之间的复杂关系,对于基准地价评估工作具有重要的实际应用意义。     

基于GASA优化支持向量机的基准地价测算

研究目的:以江西省赣县县城商业用地为例,探讨支持向量机在基准地价测算中的应用.研究方法:支持向量机法和对比分析法.研究结果:支持向量机的测算精度明显高于传统的回归模型和BP网络模型方法.研究结论:该方法是可行有效的,能够用于基准地价测算.     

河南省科研人才需求预测模型及其检验

BP神经网络可以通过学习功能利用样本数据模拟复杂的函数,适用于解决科研人才需求预测问题。本文搜集河南省有关数据,利用BP神经网络构建科研人才需求预测模型,并对模型的预测精度进行评估,在科研人才需求预测结果基础上,提出预测模型的改进措施。     

中国粮食价格的影响因素分析与预测比较——基于支持向量机的实证研究

本文剖析了中国粮食价格波动的主要影响因素,在此基础上构建基于支持向量机(SVM)的模型进行粮食价格的预测研究。用1990-2008年中国粮食价格数据组成样本集,建立影响因素与粮食价格之间的SVM模型。利用SVM对输入和输出数据进行训练学习,逼近历史数据所隐含的函数关系,完成对新数据序列的映射关系,从而完成对未来年份粮食价格的预测,并与其它几种方法的预测效果进行比较。结果表明,SVM预测模型预测粮食价格的精度优于其他预测方法。     

节假日乡村旅游客流量预测——基于季节性调整的支持向量机模型研究

在"乡村振兴"背景下,乡村旅游成为乡村经济发展新的增长点,其肩负着转移乡村剩余劳动力、提高农产品质量、转变农村土地使用等实现农民增收增效提高提升农村精神文明程度的重大责任。乡村旅游是以"三农"资源为载体的新型业态,对于假日乡村旅游客流量预测的重要性不言而喻。文章基于北京市延庆区2014-2018年节假日的乡村旅游客流量数据,建立PSO算法优化的SVR预测模型,并针对客流量数据的非线性波动和季节性特点,对模型进行季节性调整,最后提出季节性调整的SVR-PSO节假日乡村旅游客流量预测模型,同时将模型预测出来的精度与BP神经网络(BPNN)、自回归滑动平均模型(ARMA)、遗传粒子群寻优(PSO-GA)等方法的预测效果进行比较分析。结果表明:基于PSO参数寻优的SVR支持向量机预测模型(SVR-PSO)在精度上具有较大优势,能有效地对北京市延庆区节假日乡村旅游客流量进行精准预测。对于非线性小样本且季节性变化较大的数据,采用季节性调整的SVR-PSO模型,可以极大地提高预测精度和收敛速度,且调节参数少,简单易行,可以实现模型数据的精准预测。     

辽宁内贸粮食出港格局分析与预测

上世纪80年代以来,我国粮食生产布局逐渐由南向北迁移。基于此种变化,本文首先分析了东北地区代表粮食产地辽宁省的主要内贸粮食出港格局。其次以锦州港的主要出港粮食作物玉米为例,应用支持向量机模型,对其月度出港物流量进行了预测。对比预测结果与实际数据,可以验证本文应用的方法具有较高的精度,能够为粮食生产、经营等业务环节提供准确的市场信息并为未来工作提供切实参考。     

基于偏最小二乘BP神经网络的财务预警研究——以农业上市公司为例

本文基于我国农业上市公司现行会计信息供给状况,构建了包含盈利能力、偿债能力、营运能力、成长能力、投资获利能力及会计事务所审计报告意见作为财务预警评价的初始变量。采用偏最小二乘BP神经网络模型对数据进行筛选、学习、训练达到对检测数据的预测,预测结果的综合正确率达到90.2%,期望结果与实际结果基本一致,达到对农业上市公司财务风险科学、准确预测,可以为农业上市公司经营者和投资者提供参考。     

基于随机森林算法的洪水灾害风险评估研究

根据流域灾害系统理论,在考虑致灾因子、孕灾环境和承灾体的基础上,选取9个风险评价指标,运用样本数据进行人工识别风险并得到训练样本,采用随机森林算法构建基于随机森林的洪水灾害风险评估模型。然后采用随机森林自评估工具,分析建立的洪水灾害风险评估模型的误差和指标,同时构建支持向量机模型作为对比方案,并采用五折交叉验证方法对基于随机森林算法的洪水灾害风险评估模型和支持向量机模型进行验证。最后以海河流域邱庄段为研究对象,分别运用基于随机森林算法的洪水灾害风险评估模型和基于支持向量机模型对相同的数据集进行评估和对比,结果显示,12 h内降雨总量、洪水持续时间和土壤含水量是引发洪水的主要因素,而基于随机森林算法的洪水灾害风险评估的训练精度及测试精度均高于支持向量机模型。     

基于支持向量机的渔业资源可持续利用预警方法研究

统计学习理论(SLT)是一种专门研究有限样本情况下机器学习规律的理论.支持向量机(Support Vector Machine,SVM)是目前为止该理论最成功的实现.本文在介绍支持向量机(SVM)基本原理的基础上,探讨了基于支持向量机的海洋渔业资源可持续利用预警算法,提出了基于支持向量机的海洋渔业可持续利用预警模型,并以某地区1978-1994年的渔业资源可持续利用状况为例进行了实例分析.本文也同时说明了Libsvm软件在渔业资源可持续利用预警中的应用.     

BP神经网络在耕地减少预测中的应用研究

由于耕地资源的有限性,因此有必要掌握陕西省的耕地面积减少趋势.利用前向多层神经网络的反向传播算法,即BP算法.采用MATLAB软件建立用于预测的BP神经网络,将已知陕西省的耕地资源年减少量通过BP神经网络进行训练,建立陕西年耕地面积减少的时间序列的预测模型.此BP神经网络在对陕西的耕地资源年减少量进行预测时精度较高,可靠性较好.表明BP神经网络用于耕地减少的预报具有一定的可行性.     

山东省商品房价格预测研究

本文基于山东省近23年商品房价格及其影响因素数据,建立多元线性回归模型、BP神经网络模型和时间序列模型,以期找到最合适的房价预测模型。首先对选取的影响商品房价格的12个自变量进行变量选择,然后建立上述三个模型,对比分析三种不同模型的拟合效果预测山东省商品房均价,最后得出结论：多元线性回归模型拟合效果最好,比较适合用于房价预测;BP神经网络模型预测值最准确,但从模型的拟合效果看不太适合用于长期预测;时间序列模型拟合效果较好,预测能力相对另外两个模型是比较差的,预测的精度相对较低。     

基于RBF神经网络的水产品冷链物流需求预测研究

[目的]水产品是我国农业经济的重要组成部分,冷链物流制约着水产品的可持续发展。为实现水产品供需均衡和物流资源合理配置,有效推进水产品冷链物流行业快速发展,对水产品冷链物流需求进行预测尤为重要。[方法]选取影响水产品冷链物流需求的9个主要因素,运用RBF神经网络模型、BP神经网络模型、多元线性回归模型和GM(1,1)模型对2007—2016年我国水产品冷链物流需求分别进行模拟预测,并对预测结果进行对比分析。[结果]总体上我国居民对水产品的需求量逐年上升,2016年的需求量超过1 600万t,水产品冷链物流需求具有极大的市场空间;在水产品冷链物流需求预测中,RBF神经网络预测结果的残差平均值、相对误差平均值和误差均方根均比BP神经网络、MLR和GM(1,1)模型的预测误差小。[结论]RBF神经网络模型对水产品冷链物流需求的预测精度显著优于其他预测方法,表现出极强的处理非线性系统的能力,说明RBF神经网络模型是预测水产品冷链物流需求的一种有效方法。     

BP神经网络矿产资源评价程序模块设计及其应用研究——以东天山铜镍硫化物矿床为例

在深入研究BP神经网络算法的基础上,开发BP神经网络矿产资源评价功能模块并以东天山地区铜镍硫化物矿床为例开展成矿远景区预测工作。使用MRAS软件中的特征分析功能基于相同样本数据开展预测评价,并对两种模型产生的结果进行对比分析和交叉验证。证明BP神经网络程序的正确性,同时总结BP神经网络矿产资源评价应用的关键技术要点。     

区域耕地数量变化预测方法的对比研究

研究目的:对区域耕地数量变化预测方法进行对比分析,科学合理确定区域耕地数量。研究方法:通过Pearson相关分析法筛选影响耕地变化的关键因子,利用改进的BP神经网络算法、灰色模型和多元线性回归模型法对费县耕地数量变化进行预测。研究结果:改进的BP神经网络算法相对传统的灰色模型和多元线性回归模型等预测方法具备较高的预测精度。研究结论:改进的BP神经网络算法是进行耕地数量变化预测的较好方法,具有实际指导意义,其预测结果可以为当地相关部门合理地确定耕地保有量、推进耕地保护提供科学依据。     

基于BP神经网络的三峡库区开县耕地面积预测研究

开县是三峡库区的一个农业大县,选择开县为研究点,一方面探讨BP神经网络在县域内应用的可行性;另一方面探讨开县耕地变化的过程及其相关影响因子,并预测开县耕地的数量,为开县的耕地资源保护和农业的可持续发展提供保证。利用二元定距变量相关分析的方法分析耕地数量和相关指标的相关性系数,同时利用BP神经网络的方法,训练得出耕地面积与相关指标的关系,然后利用训练网络建立预测模型。通过二元定距变量相关分析得出年末总人口等14个指标与耕地的数量相关性明显。然后通过BP神经网络训练出指标与耕地面积的关系,其训练精度达0.00001,利用该网络预测出了开县2008年、2010年、2015年、2020年的耕地面积。     

基于BP神经网络和小波降噪的沪深300股指期货价格预测

本文在小波去噪的基础上构建了BP神经网络模型,选取了具有代表性的沪深300股指期货来进行价格预测,并对去噪前后的预测结果进行了对比,发现小波去噪后的BP神经网络模型对股指期货价格的预测效果更佳,为短期投资者们提供了一定的决策依据。     

基于遗传算法改进的BP神经网络房价预测——以重庆市为例

商品房的价格受多方面因素的影响,传统的预测方法并不十分有效。为了探索新的房价预测理论模型,利用重庆市的数据,验证了遗传算法改进的BP神经网络房价预测的有效性,从而可以对房地产供求双方及监管机构提供一定的参考。     

河南省房价走势预测

本文分析河南省房地产市场的特点和影响房价走势的主要因素,对比已有的房价预测模型,提出用改进的BP神经网络进行预测的模型,为个人和相关部门决策提供理论支持和实践参考。     

基于BP神经网络的我国农产品市场风险预警研究

本文从影响农产品供给与需求的因素,以及自然、经济、政策与国际环境等影响农产品价格的因素等方面出发构建了我国农产品市场风险预警的指标体系,并以大豆为例,利用BP神经网络对大豆市场风险预警进行了实证分析,网络训练和验证结果表明BP神经网络很好地拟和、预测出了我国大豆市场风险水平,说明基于BP人工神经网络的农产品市场风险预警模型是切实可行的。