基于主成分分析-BP神经网络的道路客运站场布局决策方法

为解决输入变量过多所造成的BP神经网络系统效率下降问题,提出一种主成分分析-BP神经网络的道路客运站场布局决策方法.首先,利用主成分分析方法,将个数较多的原始输入变量群变换为一组个数较少且彼此独立的新输入变量.然后,将新的输入变量群作为BP神经网络的输入进行道路客运站场的布局决策.最后,以廊坊市道路客运站场布局为例进行了方法的有效性验证.     

基于主成分分析和神经网络方法的公路运输枢纽布局研究

分析了Hoofueld神经网络在公路运输枢纽宏观布局中的应用,建立了反映公路运输枢纽特征的指标体系,利用主成分分析法,对原始输入指标变量群进行降维,利用Hopfield人工神经网络处理数据,进行公路运输枢纽宏观布局决策,并通过实例说明该方法的实现过程。     

基于主成分分析和神经网络方法的公路运输枢纽布局研究

分析了Hopfield神经网络在公路运输枢纽宏观布局中的应用,建立了反映公路运输枢纽特征的指标体系,利用主成分分析法,对原始输入指标变量群进行降维,利用Hopfield人工神经网络处理数据,进行公路运输枢纽宏观布局决策,并通过实例说明该方法的实现过程.     

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K-means和PCA的商业银行客户价值细分模型研究

为解决样本间分类指标信息重叠而降低K-means算法效率问题,本文提出基于PCA的K-均值商业银行客户价值细分模型。利用主成分分析方法,将个数较多的原始输入变量进行预处理,使其变为一组个数较少独立的新输入变量,将新的输入变量样本作为K-均值的输入样本并进行商业银行客户价值细分,又使用单因素方差分析方法检验PCA-K-means的可行性。结果表明：PCA-K-means算法具有可行性较好的分类效果。     

企业组织创新风险预警

企业组织创新风险预警是一种多指标小样本预警.在多指标(变量)的研究中,往往由于变量的个数太多,且彼此之间存在着相关关系,使得所观测数据在一定程度上有信息的重叠.文章应用主成分分析法对样本数据进行预处理,再利用BP神经网络进行风险预警.     

佛山市道路客运招呼站规划与标准管理研究

为实现客运站场便捷化,做好旅客上下车作业及行李的安全检查、实名制查验等工作,推进佛山市道路客运招呼站规划与标准管理工作。文章以“优化客运站场布局和设置形式,扩大客运站场的服务范围和能力”为主要发展策略,以道路客运招呼站为主要研究对象,制定了佛山市道路客运站配客点招呼站布局选址方案,及招呼站标准管理配套管理办法,指导运输企业开展试点建设,以推进道路客运转型升级,提升道路客运行业服务水平,促进道路客运行业可持续发展。     

基于人工神经网络与主成分分析的建筑工料(工日)估算方法

针对建筑工料(工日)估算问题,文章首先利用主成分分析得到一组新的输入变量,相对于原始输入变量,有效降低了输入维数,且消除了各输入分量之间的相关性,然后以新的输入变量作为改进型BP网络的输入进行训练与估算,得到了一种新的工料(工日)估算方法。仿真结果表明与直接利用BP网络训练估算相比较,采用这种估算方法,估算结果更加准确.     

主成分分析—BP神经网络在备件需求预测中的应用

备件需求预测在装备维修保障中占据重要的地位,针对当前主要以经验为主进行估计,与实际需求相差较大,提出基于主成分分析—BP神经网络模型的备件需求预测方法。首先利用主成分分析方法去除原始输入数据的相关性,降低数据维度,减小网络规模,选择合适的隐含层的BP神经网络。最后通过结合实例进行分析,取得较好的效果。     

基于GRA-GA-BP神经网络的港口集装箱吞吐量预测模型

港口集装箱吞吐量的准确预测对于港口的未来发展规划及该港口所属腹地的经济发展具有重要的指导意义。为实现输入变量的降维,提高预测精度,避免出现局部最优解,借助灰色关联分析对输入变量进行筛选和排序,引入遗传算法作为优化BP神经网络内初始权值及阈值的工具,并基于此建立模型对环渤海港口群三大代表港口2016-2019年集装箱吞吐量进行实证对比分析。最后横向比较传统BP模型和GA-BP模型的预测结果,研究结果表明：经GRA-GA算法优化BP神经网络模型相较于GA-BP神经网络模型与未经过改善的传统的BP神经网络模型其预测结果更为理想,研究结果对港口的战略规划及发展具有一定的参考价值。     

基于BP神经网络实现的B样条插值在系统动力学模型的应用

在系统动力学建模的过程中,系统变量之间的关系难以确定,传统的建模方法存在着很大的主观性,利用BP神经网络的方法则可以避免这个问题。而在建立BP神经网络过程中需要大量的学习样本,然而通常采集到的数据往往是不足的。用3次B样条函数对历史数据进行插值的方法构建系统中状态变量的学习样本,解决BP神经网络模型中学习样本不足的缺点,能更好的反应变量之间的非线性映射关系。     

BP神经网络在WSN数据融合中的应用

在无线传感器网络(WSNs)的研究与应用中,利用数据融合来提高网络中能量利用率是其中一个重要的研究方向。文章利用BP(Back Propagation)神经网络能够对曲线进行无限逼近的特性来对无线传感器的监测数据进行数据拟合,然后传输拟合好的权值与阈值,同时通过将上一次拟合的权值与阈值赋予下一次拟合来减少神经网络的训练步数。模拟实验表明利用该方案能够有效减少数据的传输量,从而达到高效利用传感器能量的目的。     

基于BP神经网络的建筑工程估价模型研究

提出了基于BP神经网络的工程造价估测模型，以工程特征为参数，用历史数据，建立模型，并验证了BP精神网络模型在工程造价估测中的优良效果，结果显示，BP神经网络在这方面具有很好的应用前景。     

BP神经网络在供应链绩效评价中的应用

首先区分不同主体,权衡成本与收益分层次选择指标,基于流程构建一个供应链绩效评价的指标体系;然后介绍了BP神经网络原理及模型,最后探讨了BP神经网络在供应链绩效评价中的应用。     

财务困境预测中BP神经网络模型应用综述

金融危机席卷全球。处于金融市场之中的企业随时面,临着陷入财务困境的可能,财务困境预测模型的建立可以使公司提前预测到困境的发生,从而及早避免投资损失。随着信息技术的发展,人工神经网络预测模型开始兴起,本文重点介绍了BP神经网络模型在财务困境预测中的应用情况,并将BP神经网络模型与传统统计方法进行了比较分析。     

基于模糊优选神经网络BP法的低温物流中心设计储藏能力预测

在选择影响低温物流中心设计储藏能力的合适因子基础之上，将模糊优选神经网络BP模型应用于第三方低温物流中心的设计储藏能力预测上，结果表明预测值具有较高的可信度。     

企业创新能力的BP神经网络评价研究

论述了BP神经网络模型的原理，在此基础之上，应用B神经网络模型对企业创新能力进行评价。模型建立之前对相关评价指标进行了归一化处理，使其更好的适用于BP神经网络评价模型。最后通过实例验证该评价模型的可行性与准确性。     

Logistic-BP神经网络的变权组合模型在公司信用评级中的应用

对公司建立信用评价模型,以便及早发现信用危机信号,不仅有利于公司的经营管理,也有利于投资人的投资决策。采用logistic回归模型和BP神经网络相结合的变权组合评价方法,试图寻找出降低公司信用风险的有效措施。试验结果表明,变权组合预测模型不仅有较高的预测精度,同时也有较好的稳定性,变权组合模型优于单一模型。     

利用BP神经网络评价电子商务系统绩效的方法

给出了一种评价电子商务系统绩效的新方法。运用企业关键因素模型的思想,设计一组用以评价电子商务系统绩效的指标;并将这些指标运用BP神经网络的方法,评价电子商务系统绩效,通过算例验证其可行性。该评价方法克服了常用的专家评价法、模糊评价法等在评价电子商务系统的建设质量、成本耗费、学习成长能力及绩效水平上的不足,为综合评价电子商务系统的绩效提供了一种新途径。