基于BP神经网络的货运量预测方法

总结了常用的几种定量预测方法,并指出其在实际应用中的不足。而人工神经网络自身具有鲁棒性、容错性、有表示任意非线性关系的能力和学习能力等特性,为预测技术提供了一种新的思想和方法。最后把这种预测方法应用于物流预测取得了满意的结果。     

基于BP神经网络的铁路货运量组合预测

在介绍了BP神经网络及组合预测的基础上分别采用灰色预测法、S曲线以及指数函数对昆明市铁路货运量的历史数据进行了单项拟合预测,再利用BP神经网络对三项拟合预测结果进行了组合预测.结果表明,基于BP神经网络的组合预测方法比单一预测方法在预测精度上有很大提高,验证了该方法的有效性.     

基于BP神经网络的CCI预测模型

将BP神经网络模型应用到消费者信心指数预测中,并建立了消费者信心指数的神经网络预测模型。将计算结果与真实值进行了验证,结果表明:CCI的计算值与真实值之间的相对误差为2.6%,且具有较好的相关性。     

基于BP神经网络的机动车保有量预测模型

本文针对日益增长的机动车保有量,利用BP神经网络建立了一个机动车保有量预测模型,模型结构分为3层,输入层有10个节点,输出层为机动车保有量,主要涉及人口、经济、道路等影响因素。利用此模型可以对未来机动车的保有量进行预测,为政府制定相应的政策及城市道路交通规划提供理论依据。     

基于BP神经网络的港口吞吐量预测模型——钦州港的实证研究

港口吞吐量的预测是港口决策的重要依据,然而影响港口吞吐量的要素较多,且各要素之间存在着复杂的非线性关系,使常用的预测方法难以取得好的预测效果。文章试图运用BP人工神经网络的方法,采集1999~2012年的实际数据样本,以钦州港为例进行实证分析,构建三层BP神经网络,预测2013年钦州港港口吞吐量。     

基于BP神经网络的股票涨跌预测模型

利用SPSS软件从上市公司的11个财务指标中筛选出与股票涨跌显著相关的7个财务指标,然后以这7个财务指标为输入向量,以涨跌情况为输出向量,利用BP网络建立了多只股票涨跌预测模型。仿真结果表明,该模型对于多只股票的涨跌预测是非常有效的,具有实用性。     

基于遗传BP神经网络的川江滚装运输货运量短期预测研究

首先建立基于遗传BP神经网络的滚装运输市场货运量预测模型,然后采用川江滚装运输年度数据进行神经网络训练与预测。结果表明,遗传BP神经网络算法在预测的精度与收敛速度上均优于传统预测算法。预测结果为川江滚装运输企业战略规划和滚装运输竞争力的提高提供了决策支持。     

BP人工神经网络主成分分析预测模型及应用

本文提出了用主成分分析方法进行输入变量预处理的办法,以解决BP人工神经网络模拟预测复杂经济系统时输入变量过多导致效率下降的问题,实例证明,BP神经网络主成分分析模型在复杂经济系统模拟预测中比通常的BP神经网络模型有较好的效果。     

基于Matlab的BP神经网络在现金流量分析中的应用

本文应用BP神经网络方法的基本原理,以公司的现金流量因素状况为研究对象,建立了公司现金流量分析的神经网络模型,并进行了实证研究。     

基于神经网络的湖南省货运量预测研究

文章基于神经网络模型,针对湖南省货运量进行了预测。研究表明,神经网络模型表现出了相当高的预测水准,最后指出了研究改进的方向。     

基于BP网络预测模型偏差控制的优化

文章介绍了人工神经网络的理论基础以及算法特点,针对BP网络存在的易陷入局部最优、以及收敛速度慢问题。根据误差是否降低从而对网络权值的修正量进行调整,达到改善收敛速度的目的,从而提高BP网络摆脱局部最优能力。     

基于BP神经网络的房地产预警研究——以沈阳为例

本文利用BP神经网络对房地产市场进行预警研究,选取了沈阳2005年²011年的预警指标数据,作为训练样本和检测样本进行仿真训练,其训练效果有着较好的可信度,该模型能够较好反应出警兆指标和房地产市场警情之间的关系,可以用于市场预警。     

基于GRNN神经网络的货运量预测研究

文章以全国统计局货运量的历史数据为基本数据,考虑影响货运量的8个因素,采用GRNN模型对货运量(货运总量、铁路货运量和公路货运量)进行预测,并将结果与真实值拟合比较。结果表明:该方法在预测货运量方面能够达到较好的效果,尤其在径向基函数的扩展速度为0.4时,预测结果最好。     

基于BP神经网络的西安市宏观经济预测

宏观经济系统是一个复杂的非线性系统,对宏观经济进行预测应采用非线性的工具进行建模。采用BP神经网络对西安市宏观经济指标进行预测,此预测模型只需少量训练样本就可以确定网络的权值和阈值。实验表明模型预测精度高,能够对西安市宏观经济系统中的非线性关系进行描述,使建立的非线性模型与实际系统更加接近。     

基于BP神经网络的项目风险评估

风险评估是项目风险管理过程中最困难、最耗时的一个过程,论文给出了项目风险评估的基本流程和评价方法,采用模拟生物神经元基本功能的BP神经网络技术建立了风险评估模型;并通过matlab神经网络工具箱学习训练该网络模型。经测试数据验证,结果比较准确,具有广泛的实用性。     

基于BP神经网络的最小库存量预测模型设计——以广东省某文具制造企业为例

文具制造行业的产品种类繁多,且需求变化大,库存水平的高低对于该行业中的企业有着重要的战略地位。由于企业实际的采购量制定的特殊性,以文具制造原材料纸张的最小实际库存为研究重点,用已有最小实际库存值及其影响因素的历史数据训练BP神经网络,然后用构建稳定的网络进一步预测某月的最小实际库存值,并且以此可以适当调整安全库存值。     

基于BP神经网络的最小库存量预测模型设计——以广东省某文具制造企业为例

文具制造行业的产品种类繁多,且需求变化大,库存水平的高低对于该行业中的企业有着重要的战略地位.由于企业实际的采购量制定的特殊性,以文具制造原材料纸张的最小实际库存为研究重点,用已有最小实际库存值及其影响因素的历史数据训练BP神经网络,然后用构建稳定的网络进一步预测某月的最小实际库存值,并且以此可以适当调整安全库存值.     

基于BP神经网络的物流需求量预测模型研究

本文利用神经网络理论，建立了时间序列对象的反向传播（back-propagation，BP）预测模型，运用于物流需求量预测。并通过实例分析，验证了本模型的科学性与正确性。     

基于混合神经网络的铁路货运量预测研究

为精确的预测铁路的货运量,采用了混合神经网络的方法进行建模.在分析某铁路以往货运最的基础上,确定了混合神经网络的特征参数,并根捌实际情况确定了输入层和隐含层的神经元个数,从而得到了模型的结构,最终建立了一个用于预测铁路货运量的混合神经网络模型.     

基于BP神经网络的上市公司审计意见预测模型

本文选取了我国沪深两市94家样本公司作为研究对象,基于BP神经网络研究上市公司财务指标对审计意见类型的影响,构建了审计意见的预测模型,并进行了有效性检验。