基于BP神经网络和ARIMA组合模型测浙江省人均国内生产总值

本文应用BP神经网络和ARIMA构成组合预测模型,对"十一五"期间浙江省人均GDP的变化趋势进行了综合分析与预测.预测结果显示,2006年～2010年间,浙江省人均GDP平均将为40624.53元,人均GDP平均增长率为10.01%.     

基于BP神经网络的农村人均生活消费预测

居民消费增长是影响我国经济快速、可持续增长的重要因素,而农村居民数占人口总数的一半,准确可靠的对农村居民人均生活消费支出进行预测可为政府制定新的发展战略提供重要依据。因此,对农村居民的生活消费支出进行预测,可以最大满足农村居民的生活消费需求,提高生活质量。关于居民生活消费预测的方法有很多,但是有些方法预测精度较低。基于居民生活消费和神经网络模型应用相关文献,运用Mat l ab技术的BP神经网络对农村居民的人均消费支出进行分析,结合数据拟合和精度检验,对农村居民未来三年的生活消费支出进行预测。预测结果表明,这种方法具有较高的预测精度,该模型在生活消费支出预测中的应用是可行有效的。     

基于ARIMA模型的浙江省GDP预测

应用ARIMA模型对浙江省1978年至2007年期间的GDP数据进行分析，从中找出浙江省GDP的规律，然后预测未来四年的GDP数据。与实际情况相比较得出拟合效果比较好，AKIMA模型比较适合短期预测。     

基于ARIMA模型和神经网络模型的股票价格预测——以百联集团为例

本文将分别利用时间序列的ARIMA模型和神经网络,对国内零售业航母——百联集团旗下的友谊股份(600827.SH)和上海物贸(600822.SH)股票的价格进行预测,并将这两种预测方法进行对比,选择最优的方法进行预测。最后发现ARIMA模型和神经网络的模型预测效果都很好,但是神经网络相对更好。     

基于ARIMA模型的我国国内生产总值的分析与预测

本文先介绍了ARIMA模型,而后重点在于ARIMA方法与传统法的比较,指出了ARIMA方法与传统方法的异同,关键的不同点主要有三个方面:建模的基本思想不同、前提不同以及适用范围不同,最后运用ARIMA模型对我国1978—2009年的GDP总额进行了分析与预测,得出ARIMA(2,2,2)模型可以对我国的GDP序列作短期预测。     

基于季节调整的BP神经网络等三种模型对中国出口研究

本文以出口额、实际汇率、我国GDP、美国IPI及它们的季节变量等六个变量为决定变量,运用BP神经网络、ARIMA及AR-GARCH三种方法,对我国向美国的出口额分别建模,并进行了预测。选取误差指标,分别对三个模型得到的模拟结果和预测结果同真实值进行比较。结果发现,三种模型效果都令人满意,虽在模拟和预测能力上有一定差别,但ARIMA模型优势明显。本文分析了以上结果产生的原因,并结合模型为提高我国出口提出建议。     

基于ARIMA模型的广州市商品房价格预测

商品房价格的变化极大地影响一个国家宏观经济的健康发展及国民的生活质量,对商品房价格的预测直接影响政府的宏观调控政策。同时商品房价格的研究,预测和控制是关乎国计民生的大事,通过建立ARIMA模型并运用它预测广州市商品房价格。     

基于ARIMA模型对湖北省第三产业产值的预测

第三产业影响着我国社会经济的稳定持续发展，对未来经济增长的准确预测具有重要意义。以湖北省第三产业为例，利用1980-2006年的第三产业总量数据为基础，运用ARIMA模型进行第三产值的预测，并且对原始数据进行拟合，得出误差在5％以内普遍可用的计算表式。     

基于ARIMA模型对销售总额的预测分析

在自然科学和社会科学各研究领域中,大量决策问题都离不开预测,预测是决策的基础。近年来,ARIMA模型得到了极大的发展,越来越多的应用在各个领域的分析中,本文我们对某公司2000年1月到2008年12月的8种商品的销售总额的数据作为分析的样本进行分析,建模,预测未来三期的值。为了验证预测的准确性,我们去掉了后三期的数据,作为预测目标,以便对真实值与预测值进行有效的对比,结果预测基本准确,最终我们得出预测五期的增量。     

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神经网络的重庆市外贸出口预测研究

出口贸易系统受到国内国际诸多因素的影响,是一个演变的非线性复杂系统,而神经网络因其强大的非线性映射能力,特别适合于解决非线性的预测决策问题。本文从重庆市外贸出口的实际背景出发,采用三层BP神经网络进行实证预测,预测结果表明本文建立的模型具有较高的预测精度,可以作为相关部门制定出口贸易发展目标的参考依据。     

基于BP神经网络的港口城市经济发展预测研究

分析说明BP神经网络的工作原理,针对连云港市1995年至2004年港城互动经济数据,构造相应的BP神经网络结构并进行网络训练,结果表明BP神经网络用于港城经济的发展预测是可行的。     

基于组合模型的江苏省居民用电量预测分析

研究利用时间序列基本分析方法ARIMA模型分析法、指数平滑ETS模型和神经网络自回归模型对江苏省居民每月用电量进行数据分析、处理、拟合、检验及预测,以2004年1月至2017年12月用电计量数据作为分析样本,使用R软件对该时间序列进行建模。对给出的数据建立ARIMA模型、ETS模型和NNAR神经网络自回归模型,接着利用MAE、RMSE、MAPE三个评价指标来衡量模型的优良度。尝试通过组合模型对2018年江苏省居民12个月的用电量进行预测,与实际值进行对比验证,发现权重模型的误差最小,选择作为最终预测模型。最后得出结论,组合模型的预测效果要优于非组合模型。     

基于GA—BP神经网络模型的期货价格预测与分析

本文选取20091月5日～10月29日的大豆期货主力i1001合约共200个交易数据作为训练数据，10月30日～11月12日的10个数据为测试数据，利用BP神经网络对期货价格建立预测模型，并用遗传算法进行修正，从而实现对大豆期货交易价格的预测分析。结果表明，改进后的GA—BP神经网络模型拟合精度明显高于BP神经网络模型，并对期货价格走势有良好的预测效果，可给期货市场的投资者提供投资建议。此外，利用改进后的模型可对期货市场操纵现象进行预警，对监管者具有一定参考价值。     

基于ARIMA模型的广西城镇居民收入预测分析

对1980-2014年广西城镇居民人均可支配收入进行实证分析,建立ARMA(2,1,3)模型,其中2014年的拟合误差为2.125%,精确度较高,并对未来三年城镇居民收入进行预测,预测表明,广西城镇居民收入持续增长,但增长的幅度缓慢。     

基于ARIMA模型对平安银行股票价格的分析与预测

本文运用时间序列分析方法中ARIMA模型进行预测,对平安银行股票历史数据构建模型,推断出未来趋势。从而一定程度的为投资者提供短期指导。     

基于BP神经网络的电力负荷预测研究

提出了一种有着显著优点的基于MATLAB的人工神经网络负荷预测的方法,算例分析结果充分证明了基于MATLAB的BP网络对电力负荷的中长期预测更加精确。     

中国服务贸易进出口规模的ARIMA模型和预测

根据时间序列建模原理,对我国的服务贸易进出口的时间序列数据构建了ARIMA模型,并进一步分别给出了在95%的概率意义下,我国服务贸易进出口总额、进口额和出口额的短期区间预测结果,这一预测范围比简单的点预测结果更加客观与可信。     

基于BP神经网络的工程项目成本预测方法研究

本文通过运用BP神经网络方法快速对工程成本进行估算使项目的成本管理向预防性管理发展,从而提高企业抗风险能力,为保证经济效益做好基础工作。     

神经网络组合预测方法在R&D支出中的应用分析

通过BP和RBF两种神经网络的组合应用,并结合使用Matlab7.0软件提出了一种新的组合预测方法。首先通过采用了两种成熟的预测方法BP和RBF神经网络对R&D经费的支出分别进行预测,然后把所得的预测值再通过三层结构的RBF网络结合Matlab软件进行组合预测,得出最后的预测值再与实际的数据进行比较。从预测结果来看,将该组合预测方法很好的拟合了我国每年R&D经费支出,避免单一预测方法存在的预测精度不高,限定条件过多等问题,有效地提高了预测精度,得出了较为满意的预测结果。