人工神经网络在经济预测中的应用

研究了人工神经网络在经济预测中的应用问题,探讨了人工神经网络的时间序列预测方法。该方法采用多层前馈神经网络及BP算法,其仿真实现是以MATLAB下神经网络工具箱作为开发工具。文中提出了一种基于BP网络时序预测通用方法,并通过实例验证了该方法的预测精度明显高于灰色系统预测方法。为了消除单一神经网络预测模型的系统偏差,探讨了组合神经网络时序预测方法;并用实例验证了组合神经网络比单一神经网络的预测精度高。     

电力系统短期负荷预测方法综述

本文主要是针对电力系统的短期负荷预测的概念和意义进行综述,就短期负荷预测的一些特点及其影响预测精度的各方面原因进行总体的分析.在目前的预测方法里,主要有经典的预测方法和传统的预测方法以及智能预测方法和预测新方法.从这些预测方法入手进行综合的应用原理分析,比较其不同预测方法的优点及不足的地方.并且提出了短期负荷预测的精度提升了,不仅在历史的数据上重视了其积累,还应重视在预测的模型选择上要合适,综合型预测模型在未来电力负荷预测方法的必然性.     

中长期负荷预测方法探究及其系统研发

中长期负荷预测是电力系统运行和规划的前提和基础,也是电力系统可靠运行的根本。其预测的准确与否直接关系到投资、网络布局和运行的合理性。因此对电力系统进行中长期负荷预测以及其预测方法的研究尤为重要。文章介绍了负荷预测对电力系统的重要性以及影响负荷的主要因素,综述了负荷总量和分布的预测方法,如灰色预测方法、组合预测方法和空间负荷预测方法,最后对计算机结合各种预测方法的预测系统进行研发。     

基于灰色模型的铁路客流预测方法

铁路客流量的预测对于铁路交通业具有重要的实际意义,本文探讨应用灰色预测方法来预测铁路客流量的方法,并且通过对我国2007-2009年铁路客运量预测的实证分析,证明了此方法的可行性,并且检验了此方法的精确度,为准确预测铁路客流量提供了一种简便可行的分析预测方法。     

基于小波神经网络的非线性组合预测方法及其应用研究

文章提出了基于小波神经网络的非线性组合预测方法,给出了其具体组合预测原理及具体学习算法,并将其用于国际原油期货价格数据的预测。国际原油期货价格数据的预测结果表明:基于小波神经网络的组合预测方法得到了比单一预测方法都要好的预测结果,有较好的应用前景。     

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.     

我国铁路客运量的组合预测

首先对我国月度铁路客运量的变动特征进行了分析,并结合多元线性回归和时间序列预测两种模型,运用组合预测方法对2009年1月至12月的铁路客运量进行了预测,结果表明预测误差小,组合预测精度相对单个预测方法均有所提高,说明组合预测是月度铁路客运量预测的有效方法。     

公路运输货运量预测方法研究

介绍了国内外公路运输货运量的预测方法,分析各种预测方法的优缺点,以及实际的预测效果。针对公路运输货运量受很多相关因素的影响,使得现有的一些预测方法预测精度不高的问题,应用混沌神经网络,建立了公路运输货运量预测的混沌神经网络预测模型,并与传统的BP神经网络预测结果对比,表明此模型具有较好的预测效果。     

军事物流预测方法研究

基于实现精确保障的最终目标,提出了军事物流预测的概念：论述了军事物流预测的意义,明确了军事物流预测的程序：对当前军事物流预测各种方法进行了对比分析,提出基于BP神经网络的组合预测方法。将不同预测模型的预测结果有机结合起来,相互取长补短,达到提高预测精度和增加预测结果可靠性的效果：用实例进行验证,证明甩组合预测的方法效果较好。     

组合负荷预测方法综述

电力系统负荷具有很多不确定因素,针对单一模型进行负荷预测时,预测精度不高这一问题,可采用组合预测法将多种预测方法所得的预测值进行加权平均而得到最终预测结果,以满足现代电力对负荷预测结果的准确性、快速性和智能化的要求。该文首先简要介绍了几种常用的负荷预测方法,接着详细介绍了组合负荷预测的研究现状及确定组合预测中各模型最优权重的几种方法,最后介绍了组合负荷预测模型的误差修正方法,对提高负荷预测的准确性有一定的现实意义。     

电力市场短期电价预测方法综述

随着电力系统的市场化运行,短期电价的准确预测发挥着越来越重要的作用.文章阐述了电价的特点及预测的分类,对时间序列、人工神经网络和组合预测方法这三种常用的预测方法进行了评述,最后探讨了短期电价预测方法的进一步研究方向.     

组合预测方法研究综述

相较于传统预测方法,组合预测在预测精度以及信息的利用上得到了很大的提高。文章将组合预测分为了线性与非线性两类,总结了5种主要的组合预测模型以及各种组合系数的计算方法,分析了组合预测未来的发展趋势。     

电力系统负荷预测方法分析及应用

文章简要介绍了电力系统负荷预测的基本原理,分析了几种主要的电力系统负荷预测的方法,最后结合实际举例说明了几种预测方法的应用。     

环境预测模型的应用评述

本文综述了目前水资源承载预测和雾霾天气预测的若干种常用方法,传统方法如回归分析,灰色预测,新型智能算法如神经网络、系统动力学法。通过对比这些分析方法的在实际应用中的效果,来评述现有环境预测方法的优势与不足。传统方法,操作简单易于实现,但精度较差;新型算法可做精确预测,但较难实现且预测范围窄。最后,展望环境预测方法发展趋势。     

新预测方法基本原理和基本模型研究

文章分析了传统预测思想和方法的局限性,指出了对传统预测思想和方法进行革新的必要性,说明了新预测方法的基本原理和模型.     

铁路货运量的组合预测方法研究

铁路货运量预测作为铁路运输生产的基础工作之一,是铁路企业制订正确的营销战略的前提.在现有的铁路货运量预测模型中,采用的方法不同,预测的结果也不尽相同,而组合预测方法能够结合各种预测方法的有用信息,对目标进行科学的预测.本文探讨了在非负权重条件下,线性组合预测和非线性组合预测的模型,并以历年的铁路货运量为实例进了论证,实践结果令人满意.     

城市电力负荷预测方法研究

本文归纳形成了城市电网电力负荷预测工作的基本步骤及流程,对电力负荷预测方法进行了详细研究。针对空间负荷预测中的负荷分布计算,建立了负荷小区密度法为主、专家预测法校核与修正的负荷预测模式,提高了预测的准确性。本文采用天津某地区实际的配电网规划项目作为算例,利用负荷小区密度法进行了该地区的负荷预测。预测结果表明,该方法能反映预测期的实际情况和用电水平,有效提高了预测精度。     

基于多因素的国家铁路货运量预测研究

本文以国家铁路货运量为预测研究对象,在选取对其产生影响的8个因素的基础上,首先,运用多元线性回归的方法来进行预测,得出了多元线性回归方程。其次,运用BP神经网络的方法以三个因素作为网络输入来进行预测,得到了更好的预测结果。最后,通过对比两种方法的预测结果,总结出了适合国家铁路货运量预测的方法。     

基于BP神经网络模型的国内旅游人数预测

旅游人数的分析和预测是旅游规划与管理的关键性、基础性工作。目前旅游人数预测主要采用基于传统研究方法的预测方法。提出了一种基于BP神经网络模型的国内旅游人数预测新方法,对国内旅游人数的变化趋势进行了综合分析与预测,结果表明该方法具有较高的精度,该模型在旅游人数预测中的应用是可行的。     

季度宏观经济的一种组合预测法

本文提出了一种季度宏观经济的组合预测法。该方法是在动态模型,即在结构模型的基础上进行预测,然后以最优组合预测法对单变量时间序列截面数据进行预测,对两种方法预测出的结果进行平均。研究表明,这种组合预测法具有良好的预测效果,从而为季度宏观经济预测提供了一种新的有效的方法。