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。     

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。     

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。     

BP神经网络、SVM在个人收入预测中的应用

改革开放以来,中国居民收入稳步上涨,但收入差距却越来越大。对于个人收入的分析也成了研究的重点。本文利用matlab R2012a建立了BP神经网络和支持向量机算法模型,得到了两个模型在研究个人收入预测应用中总体预测准确率、均方误差MSE和决定系数R2的值。结果表明,相比于BP神经网络,支持向量机预测准确率更高,模型拟合度更好,具有更好的预测效能。     

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。     

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。     

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。     

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。     

基于BP神经网络的电力系统负荷预报

研究了基于BP网络在中电力负荷预测中的应用,通过神经网络对训练样本的学习,自动提取影响中长期电力负荷的诸多因素。从训练速度、预测误差等方面分析对比了两种神经网络预测能力,仿真和实例数据表明了两种神经网络在中长期电力负荷预测方面的可行性和良好效果。     

蚁群神经网络用于股票价格短期预测

股票价格是非线性时间序列,传统BP神经网络预测模型存在容易陷入局部极小和收敛速度慢的缺陷。本文针对这些问题,采用蚁群神经网络预测模型用于预测股票价格,该模型将蚁群算法作为训练神经网络的学习算法。实验数据表明,该模型对于股票价格的短期预测效果与传统BP神经网络预测模型相比,具有较好的自适应性及较快的收敛速度。     

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.     

遗传算法的支持向量机模型在房地产估价中的应用

利用遗传算法对传统的支持向量机进行改进,提出GA—SVM房地产估价模型,并运用到房地产估价的预测中,通过与支持向量机模型、BP神经网络模型和市场比较法的对比研究发现,该方法估价预测精度要明显高于BP神经网络模型和市场分析法,略高于支持向量机模型,所以GA-SVM房地产估价模型更具有推广性,更适合于有限样本的房地产价格估价。     

基于BP神经网络的中小企业信用评价

本文在分析信用评价重要性的基础上,根据中小企业信用评价的指标体系建立了基于BP神经网络的企业信用三层神经网络评价模型,该模型具有对中小企业信用的预测功能。     

BP神经网络在贸易引致环境损害预测中的应用研究

贸易增长与环境损害之间的关系是多纬度、错综复杂的,又受到贸易政策、环境政策的影响,使得准确预测贸易引致的环境损害相当困难。在分析贸易与环境问题现状的基础上尝试运用BP神经网络模型从宏观上建立贸易增长与环境损害预测模型,采用MATLAB中神经网络工具箱实现多层前馈BP网络,结果证明所提出的方法成功的将神经网络模型引入贸易与环境问题定量预测研究中,并且得到预期误差范围内的预测结果。神经网络模型应用于中国贸易与环境污染预测的结果表明,该模型具有所需样本少,预测精度较高等优点,为研究贸易引致的环境污染预测提供了新途径。     

基于BP神经网络的黄金期货价格预测

本文在BP神经网络的基础上,利用2012年7月26日至2013年5月29日期间黄金期货的每日平均价与每日收盘价,对二者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神经网络对黄金期货市场的预测是可行的.     

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。