BP神经网络在项目投资风险分析中的应用

影响项目投资经济效益评价指标的参数很多,这些参数均具有一定的不确定性.由于各参数的不确定性,其项目投资经济效益评价指标值也是不确定的,因此,对投资项目所做的经济效益评价结论必将带有风险.在经济评价工作中,应当对这种风险作出合理的量化分析和估算,以了解项目的风险承受能力,并尽可能采取措施回避风险.本文共搜集了10个相似投资项目,根据BP神经网络工作原理筛选确定了6个影响和制约项目投资因素的指标作为神经网络的输入变量,并提出了基于BP神经网络的项目投资风险分析模型;其中7个投资项目作为训练样本,2个作为检测实例,最后一个进行敏感性分析.经过测算,其精度完全可以满足实际项目投资风险分析的需要.因此,神经网络在这方面有很好的应用前景.     

基于改进的樽海鞘算法优化BP神经网络参数的分类识别方法

针对BP神经网络容易陷入局部最优解从而无法收敛到全局最优解,以及收敛速率过慢的现象,本文采用一种改进的樽海鞘算法寻找BP神经网络的权重和阈值这两个参数的最优参数。之后采用BCI 2003运动想象数据集进行分类识别测试,并且分别利用樽海鞘算法、粒子群优化算法、差分进化算法、权重自适应樽海鞘算法、疯狂自适应樽海鞘算法对BP神经网络进行参数优化作对比研究,结果显示,采用改进的樽海鞘算法优化BP神经网络参数的模型比其他模型得到的平均分类准确率要高。     

BP神经网络在企业技术创新影响因素评价中的运用

企业技术创新能力反映一个企业整体的技术创新水平,对于企业的可持续发展具有重要的作用.研究企业的技术创新影响因素对加快企业技术创新及促进二次创业具有现实的意义.本文研究BP神经网络方法在评价企业的技术创新影响因素中的作用,为企业的技术创新能力提供一种相对科学合理的评价方法.文章的意义在于运用BP神经网络模型定量的评价影响企业技术创新的因素.     

BP神经网络在企业绩效评价中的应用

文章在分析传统绩效评价方法的基础上,构建了企业绩效评价体系,运用基于Matlab的BP神经网络算法,以企业历史数据作为BP神经网络的训练样本进行了实证研究,证明了将BP神经网络应用于企业绩效评价中,能达到令人满意的评价效果.     

BP神经网络和多元回归模型在城市建成区面积预测中的应用比较——以福州市为例

城市建成区规模的迅速扩张是目前福州市土地利用变化中的一个显著特点.城市建成区规模的扩张受到社会、经济、人口等多种因素的影响,用传统方法对其进行预测比较困难.鉴于BP神经网络和多元回归模型在该领域内的广泛应用,本研究分析了1998-2005年间福州市城市规模的变化趋势,以福州市建成区为例对多元回归模型和BP神经网络在此类研究中的应用进行了对比.经检验,BP神经网络比灰色模型拟合良好,这是对建成区面积预测方法有益的探索.     

基于BP神经网络的MRO需求量预测模型研究

在分析MRO物料特点的基础上,利用BP神经网络算法,对MRO类物料历史需求数量的时间序列数据建立预测模型,解决了MRO类物料由于需求不稳定,影响因子难以确定等带来的需求量预测精度偏低的问题.并通过实证分析说明了BP神经网络在MRO类物料需求量预测上的有效性.     

基于BP神经网络的高校财务工作绩效评价研究

文章从高校财务工作绩效的内涵出发,构建了高校财务工作绩效评价指标体系,并运用BP神经网络的方法,对江苏省所属10所高校财务工作的实际效果进行了实证分析,发现了一些共性、根本性问题,提出了相关对策建议。     

粒子群优化神经网络在财务困境分析中的应用

目前BP神经网络已经成功用于公司财务分析与预测,但神经网络采用了传统梯度下降探索法致使BP神经网络存在着收敛速度慢,易陷入局部最优等缺陷,对应用效果造成了不良影响.本文提出通过改进粒子群全局搜索算法对BP网络进行训练.既保留了神经网络原有的优点,又克服了传统训练方法的缺陷.实证表明,该方法预测结果优于传统神经网络模型.     

基于Sigmoid学习率BP神经网络的非特定人语音识别算法研究

本课题基于非特定人语音识别的原理和过程,结合BP神经网络的建模理论及特点,主要研究了BP神经网络模型在语音模式识别中的应用问题。同时针对标准BP神经网络训练收敛速度慢及容易陷入局部最小的缺点,提出了Sigmoid学习率BP神经网络训练算法,并通过仿真计算,得出在非特定人语音识别应用方面Sigmoid学习率BP神经网络算法的收敛速度要优于标准BP神经网络算法且识别率更高。     

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.     

基于BP神经网络的项目风险评估

风险评估是项目风险管理过程中最困难、最耗时的一个过程,论文给出了项目风险评估的基本流程和评价方法,采用模拟生物神经元基本功能的BP神经网络技术建立了风险评估模型;并通过matlab神经网络工具箱学习训练该网络模型。经测试数据验证,结果比较准确,具有广泛的实用性。     

基于算法的BP神经网络的应用研究

BP神经网络的智能化特征与能力使其应用领域日益扩大,潜力日趋明显,许多传统信息处理方法无法解决的问题采用BP神经网络后取得了良好的效果。因此,BP神经网络已被广泛应用于自动化、工程、经济及医学等各个领域。因此,本文重点研究了BP神经网络的原理、算法及其应用。     

基于最小二乘支持向量机的短期负荷预测

支持向量机是一种基于统计学理论的新颖的机器学习方法,该方法被广泛用于解决分类和回归问题。文章将最小二乘支持向量机（LS—SVM）算法应用于电力系统短期负荷预测中,并将其预测结果和BP神经网络的预测结果进行比较分析。仿真实验表明,该方法在短期负荷预测中具有很好的预测速度和精度。     

石油需求预测的人工神经网络模型

2007年中国经济高速增长推动了石油产量和消费量双双攀升。石油作为重要的战略物资,在国家安全与国民经济发展中占有举足轻重地位。自20世纪70年代石油危机以来,石油越来越多为世人关注。根据我国石油消费历史数据,对未来我国石油供需状况进行预测,采用BP神经网络预测方法,利用MATLAB软件的神经网络功能,建立合理的训练模型,进行数据测试和预测,最终得到2007～2011年石油需求预测结果,并对我国现阶段石油安全问题进行分析。     

旅游安全的人工神经网络预警系统

针对于旅游安全预警问题,运用人工神经网络理论和方法,建立旅游安全预警的BP神经网络模型。通过实例进行分析,说明用BP神经网络方法是可行的。该模型具有很强的学习、联想和容错功能,其分析结果和过程都接近人脑的思维过程和分析方法,使得旅游安全预警结果的精度大大提高。     

Elman网络在短期负荷预测中的应用

文章介绍的Elman神经网络的短期负荷预测模型,具有模型简单、运算效率高的特点,并具有较好的全局最优性能,从而很好地克服了传统BP算法容易陷入局部极小点的缺陷。文章还比较了Elman网络和BP网络结构的建模效果。通过仿真实验证明了Elman神经网络具有动态特性好、逼近速度快、精度高等特点,是一种实用、可靠的负荷预测方法。     

线性振动的神经网络建模

本文利用人工神经网络对两自由度线性振动系统进行了神经网络建模,并通过所建立的神经网络模型对该系统进行了预测。分别利用MATLAB和BP网络作为平台和训练工具。以两自由度悬臂梁的受迫振动为例,将一段时间内的激励力作为网络的输入参数,对应于该段时间内由振动产生的挠度作为网络的输出参数,然后利用BP网络进行训练。将网络模型预测结果与精确解进行对比,误差甚小。该结果表明:所建立的神经网络模型合理、有效,可利用其对该类问题进行预测并应用于工程实践中。     

气体检测系统中BP神经网络的设计与实现

在简要概述气体检测系统原理的基础上,分析了BP神经网络模式识别的特性和结构,阐述了一种基于人工神经网络的混合气体检测方法。分析并研究了气体检测系统中BP神经网络结构的设计方法,构建了基于Matlab的BP网络模型,并实现了对CO、H2S和CH4三种混合气体的定性定量检测。     

基于遗传神经网络的机械故障诊断

本文针对BP神经网络存在的不足,将遗传算法和BP神经网络有机结合起来,利用遗传算法的全局搜索能力优化了神经网络的初始权值和阈值,并将其应用于机械故障诊断。结果表明,在MATLAB环境下进行仿真试验,这种方法能够有效进行故障识别、提高故障诊断精度。     

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。