组合优化理论在中国经济增长预测中的应用

文章采用灰色预测的GM(1,1)、变参数BGM(1,1)两种模型与BP神经网络进行组合优化,对中国GDP的增长做出预测分析,建立了灰色神经网络的GDP预测模型。组合优化模型提高了拟合和预测精度,是经济发展趋势进行预测分析的有效方法,有利于决策者制定相关的经济政策,进行宏观管理和控制。     

基于BP神经网络技术的GDP预测方法

在一般的经济预测中,通常采用回归分析方法建立模型对GDP进行拟合,但由于经济系统的复杂性,许多回归模型尤其是线性回归模型难以达到要求的精度。本文采用BP神经网络方法建模,利用其自学习和非线性的突出特点,对GDP进行研究,并得到了对2009年我GDP较为满意的预测结果。     

小波神经网络预测方法在石油期货价格预测中的应用研究

金融时间序列数据的预测是预测领域的热点问题。本文结合小渡变换与神经网络的有关理论，给出了基于小渡神经网络的石油期货价格预测具体学习算法并进行了拟合及检测，结果表明该方法具有比常用的BP算法及径向基函数网络算法（HCM算法）更好的拟合能力、推广能力，可为石油期货买卖决策提供一定的依据，并可推广于其它金融时间序列的预测。     

BP神经网络下研究汇率预测的遗传算法

BP神经网络作为现阶段应用最为广泛的神经网络模型之一长期以来通过和遗传算法的结合在诸多领域都有着良好的应用.本文从阐述BP神经网络下汇率预测遗传算法的构建入手,对于BP神经网络下遗传算法在汇率预测中的应用进行了分析.     

基于BP神经网络的库存需求预测应用

本文应用BP神经网络模型,并加入影响因子,用于库存需求量的预测,同时采用了传统的预测方法。通过各种方法预测结果的对比,说明文中所建立的加入影响因素的BP网络模型预测效果较好。     

上市公司财务困境预测模型的再比较

该文将中国上市公司因财务状况异常而被特别处理(ST)作为企业陷入财务困境的标志,采用主成分分析方法确定模型变量,并利用多元判别分析、Logistic 回归和改进型 BP 神经网络三种方法进行财务困境预测.比较其预测结果发现,BP 神经网络模型的预测准确率明显优于多元判别分析和Logistic 回归模型,而后两者的判别效果接近,可见改进型 BP 神经网络模型更适合于企业财务困境预测.但三种模型的长期预警能力均不够理想,需要建立以定量模型为主、定性分析为辅的上市公司财务困境预测方式,以提高预测的准确性.     

基于BP神经网络的电网建设项目物资需求预测

电力物资是影响电网建设的一个重要因素,准确的物资需求预测能够有效地提高物资的保障能力。本文针对我国电网建设项目物资的需求特点,基于BP神经网络预测方法,构建了电网建设项目物资需求预测模型,并应用MATLAB软件进行了拟合预测。结果表明,在样本数足够多的情况下,BP神经网络预测方法能够有效预测电网建设项目物资的需求量。     

上市公司财务困境预测模型的再比较

本文将中国上市公司因财务状况异常而被特别处理（ST）作为企业陷入财务困境的标志，采用主成分分析方法确定模型变量，并利用多元判别分析、Logistic回归和改进型BP神经网络三种方法进行财务困境预测。比较其预测结果发现，BP神经网络模型的预测准确率明显优于多元判别分析和Logistic回归模型，而后两者的判别效果接近，可见改进型BP神经网络模型更适合于企业财务困境预测。但三种模型的长期预警能力均不够理想，需要建立以定量模型为主、定性分析为辅的上市公司财务困境预测方式，以提高预测的准确性。     

基于BP神经网络的用户评论意愿预测研究

本文基于BP神经网络建模、预测电商平台用户评论意愿,测试结果表明BP网络可以很好地用于用户评论意愿建模和预测.     

基于GARCH-BP模型的股指预测及实证分析

本文通过建立BP神经网络预测模型和GARCH-BP神经网络预测模型,对2004￣2005年间深圳成分指数的日收盘价进行了预测分析,经过实证比较,发现GARCH-BP模型较BP模型的收敛速度快,学习能力强,预测精度较高,误差率较小。     

基于BP神经网络的我国M2/GDP预测与对策

本文计算了1993年至2005年我国M2/GDP,发现该数据总体呈上升趋势,这一定程度上反映了我国体制上的深层次问题。另外,本文运用带有动量项和自适应学习率的BP神经网络方法预测出我国2006年的M2/GDP是1.6386左右,并提出了一些相应的政策建议。     

基于LM算法的石油期货价格预测研究

石油价格的走势一直是世界各国所研究和关注的焦点,石油期货是世界石油交易的一种重要方式,准确预测石油期货价格的走势,对于政府宏观政策取向和相关企业经营决策具有重要意义。本文利用BP神经网络的自适应学习能力,建立基于LM算法的石油期货价格预测模型,并使用MATLAB7．0编程实现,针对纽约商业交易所的石油期货价格数据进行了训练和测试。研究结果表明,将基于LM算法的BP神经网络模型应用于石油期货价格预测中,运算速度快,预测精度高,具有推广应用的价值。     

基于ANFIS和GA的多级分销链预测模型

为提高分销链企业的预测水平,优化分销链中各级企业库存管理,提出了基于自适应神经模糊推理系统(ANFIS)的单级预测模型和成本目标函数的多级预测模型。利用ANFIS模糊推理机制实现了其输入层与输出层间的非线性映射及该神经网络的信息存储和学习能力。从分销链整体成本优化的角度建立了多级预测模型并应用遗传算法(GA)进行求解。仿真结果表明,ANFIS与BP神经网络相比具有较高的准确性;在一定程度上改善了分销链中订货信息多级放大的现象。     

失业风险预警系统研究

基于我国29年的历史数据,采用BP神经网络模型对我国的失业风险预警问题进行研究。结果表明,神经网络方法在失业风险系统中具有优良的预警效果,其对失业风险综合警情值的预测误差小于3％。相对于景气分析预测法、时间序列分析、灰色预测模型以及回归预测模型等技术,神经网络方法不仅具有良好的预测精度,同时还具备较强的容错能力和泛化能力。因此,在构建我国的失业风险预警系统中,神经网络模型应该是一种被优先考虑的方法。     

基于遗传算法改进的BP神经网络在我国主要城市人居环境质量评价中的应用

文章试图在已有研究的基础上,综合考虑城市人居环境的内涵,在国内首次将遗传算法全局寻优和BP神经网络局部寻优相结合的改进神经网络模型应用在人居环境评价中,并对中国35个主要城市人居环境质量进行定量判定,揭示城市人居环境现状及各城市在国内人居环境中的相对水平。结果表明该模型取得了令人满意的结果,是一种有效的评价方法。     

基于BP神经网络的福建省区域创新能力差异实证研究

本文应用模糊数学中的BP神经网络理论对福建省各地区区域创新能力进行综合评价,从而提供了一条对区域创新能力差异进行定量分析和实证研究的有效新途径。     

基于小波-BP神经网络的风电场短期风速预测

对风电场风速进行较准确预测可以调整调度计划,有效减轻风电对整个电网的不利影响。文章将小波技术和神经网络相结合对风速进行短期预测。先对原始风速数据进行小波分解,再针对各小波分量分别建立BP神经网络模型进行预测,最后通过小波重构得到原始风速预测值。仿真结果表明,所提方法能够有效地提高风速预测精度。     

员工满意度评价方法研究——基于BP神经网络

本文首先在分析企业员工满意度特点和影响因素的基础上,选取了影响企业员工满意度的相关因素,并将这些相关因素分为三个维度9个具体指标.之后将员工满意度的评价与BP神经网络的学习算法相结合,构建了一种基于企业员工满意度评价的BP神经网络模型,根据该模型对企业员工进行了满意度的评价研究.该研究为组织管理者全面高效评价员工满意度水平,了解该组织员工在同行业员工中满意度的具体情况,提供了一种客观、科学的衡量标准.组织管理者可以根据研究结果及各项指标内容,在提升员工满意度方面实施差异化的管理模式.同时,该研究结论对于组织管理者在提升员工满意度具体指标选择方面,具有重要的借鉴意义.本文根据研究结果和员工满意度的三个维度,提出了提升各维度满意度的对策建议.     

基于神经网络的非流通股溢价比例及其影响因素研究

本文基于神经网络技术,在目前我国证券市场正在进行股权分置改革的背景下,对我国上市公司非流通股股东对流通股股东的对价比例及其影响因素进行了实证分析和探讨,利用第一批股权分置改革试点的上市公司作为样本,来设计建立的BP神经网络,预测其他上市公司的非流通股的对价比例,并运用干扰法来测试各个影响因子影响其对价比例的权重.