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。     

基于模糊神经网络的信贷风险组合预测

本文在对银行信贷主流测量方法进行比较的基础上,提出了基于模糊神经网络的信贷风险组合预测评估方法,该方法综合考虑了财务和非财务因素对信贷风险产生的影响,信贷风险分析结果即模糊神经网络的输出不是通常的违约与不违约两种分类,而是对应于违约风险五级分类的肃属度,从而更加逼近贷款的现实决策。     

基于BP神经网络的灰色组合预测

本文主要从建模机制方面考虑,采用灰色新陈代谢模型,新初值模型,改进离散灰色模型,对我国人口进行建模,结果表明,这三个模型都能提高模型的预测精度。最后,针对单一模型的预测方法都会存在某些不足,本文从数据挖掘角度出发,引入BP神经网络,对上面GM（1,1）的改进模型,进行组合预测,并用实例证明了这一模型的可行性。     

基于人工神经网络组合的消费预测

消费是宏观经济发展的重要环节。文章通过把线性预测与神经网络的非线性预测相结合，并把这种“复合”预测的结果作为单项方法的预测值再次利用神经网络确定组合权重进行进一步的预测，结果表明取得了不错的效果，可以为把握消费增长的趋势．扩大消费需求的规模提供数据依据。     

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.     

组合神经网络模型对电力需求的预测

本文对四川省经济发展和用电需求的关系用三种不同的方法各自作出独立预测，然后用组合预测网络综合三项单独预测的有用信息，给出未来20年四川省在经济发展、中、低三种水平下电力需求的预测情况。结果表明，目前四川电力供应过剩只是暂时的低用电水平下的相对过剩，四川电力工业应发挥自身资源优势，适度超前发展。     

基于灰色神经网络的咸宁市财政收入预测研究

在介绍灰色神经网络模型原理的基础上,以湖北省咸宁市为例,利用灰色神经网络模型预测出2011-2014年咸宁市财政收入,由于灰色神经网络模型考虑了多指标的共同作用,具有更好的预测效果。     

基于BP神经网络的企业财务危机组合预警研究

本文根据组合预测比单项预测具有更高预测精度的原因,采用基于BP神经网络的非线性组合的预测新方法,构建财务危机预警模型,并进行实证研究.通过与Fisher判别分析模型和Logistic回归模型的预测结果对比表明,组合预测方法有效提高了预测精度,具有很好的适用性和优越性.     

基于组合预测理论的上市公司财务危机预警研究

针对组合预测比单项预测具有更高的预测精度，本文采用基于BP神经网络的非线性组合的预测新方法，构建了财务危机预警模型，并进行了实证研究。通过与Fisher判别分析模型和Logistic回归模型的预测结果对比表明，组合预测方法有效提高了预测精度，具有很好的适用性和优越性。     

基于BP神经网络的药品采购资金管理研究

为了降低库存和采购成本,各大医院都在努力实现药品采购资金管理的科学化、效率化以及信息化。本文借助BP神经网络对某医疗机构的历史销售数据进行分析,得出预测销售数量,并与经验性采购进行了对比。结果显示,基于BP神经网络进行销售预测,可以有效节约采购资金,降低药品库存成本。     

基于组合预测理论的上市公司财务危机预警研究

针对组合预测比单项预测具有更高的预测精度,本文采用基于BP神经网络的非线性组合的预测新方法,构建了财务危机预警模型,并进行了实证研究。通过与Fisher判别分析模型和Logistic回归模型的预测结果对比表明,组合预测方法有效提高了预测精度,具有很好的适用性和优越性。     

基于神经网络的广西物流需求预测模型构建与应用研究

精准预测物流需求,是降低物流运作成本、提高物流运作高效化的重要手段。文章以区域经济发展水平、居民收入和消费水平、人口规模、物流基础设施能力等因素作为输入层,构建输入层到隐含层再到输出层的映射函数,利用神经网络预测方法,预测出“十四五”期间广西物流需求量,并且较传统预测方法具有更高的预测能力。基于物流需求快速增长,建议广西要加强物流基础设施建设,提升物流服务、物流信息化与智能化水平,壮大物流主体和促进物流业与先进制造业深度融合。     

基于BP神经网络与GM(1,1)组合的北京市物流需求预测模型

通过分析影响北京市物流需求的相关因素,构建北京市物流需求预测影响因素指标体系。运用BP神经网络和GM(1,1)方法,建立北京市物流需求组合预测模型,选取近20年的统计数据对未来五年的物流需求进行预测,得出物流需求总量及变化规律,并以此提出推进北京市物流业发展的有效途径,为物流系统规划提供合理依据及有效发展途径。     

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神经网络的商品房销售量预测研究

商品房销售量受多个因素的作用，而且这些作用多是非线性的。商品房销售量预测实质上是实现一个非线性的映射。本文选择了恰当的经济指标作为BP网络的输入输出变量，探讨将神经网络技术应用于商品房销售量的预测领域，并与回归模型、Logistic模型的预测结果进行比较，结果表明人工神经网络方法在商品房销售量预测中的应用是可行的，预测效果更好。     

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。     

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.     

基于经验模态分解的空气质量指数组合预测方法及应用

空气质量发展趋势的预测对于空气污染问题的防治具有非常重要的意义。因此,本文提出了基于经验模态分解(EMD)的空气质量指数(AQI)的一种组合预测方法。我们首先运用经验模态分解(EMD)的方法对非平稳、非线性且呈剧烈波动的时间序列即AQI原始数据进行多尺度分解。其次,我们分别使用4种常用的单项预测方法:灰色预测(GM)、ARIMA、BP神经网络和支持向量回归(SVR),分别对于分解后的本征模态函数(IMF)序列和趋势序列进行预测,得到单项预测结果。为了提高预测的精度,我们选用平均相对误差(MRE)较小的前三种单项预测方法,并对它们的预测结果进行组合预测。最后,运用熵权法分别计算出IMF序列和趋势序列的组合预测值,并将所有预测值求和得到AQI的最终预测结果。为了评价模型的预测效果,我们选用四种常用误差评价指标,对各个模型的预测结果进行评价比较,而仿真实验的结果表明了本文提出的基于经验模态分解的空气质量指数组合预测方法具有较高的预测精度和良好的适用性。