航空作战物资区域配送能力评价

介绍了军事供应链和精确物流的概念及目前军事供应链的发展现状,分析了军事供应链区域配送指标体系,并运用BP神经网络模型对航空作战物资供应链区域配送能力进行评定。     

基于BP神经网络的茶叶物流金融模式仿真优化

针对茶叶物流金融运作模式选择中的复杂性以及传统优化方法的局限性,将BP神经网络理论和仿真方法引入茶叶物流金融模式优化,考虑样本数量不足的实际问题,采用B样条函数插值方法扩充数据量,构建BP神经网络模型并加以训练。结果表明:BP神经网络具有精度较高的智能学习能力,适合于茶叶物流金融模式选择优化。     

基于BP神经网络的第三方物流企业客户满意度评价研究

客户对第三方物流业务的需求是物流企业生存发展的源泉。因此,对客户满意度评价的测度应作为物流企业发展战略的重要组成部分。文中在构建第三方物流企业客户满意度评价指标体系的基础上,采用了BP神经网络算法模型来对企业的客户满意度进行评价,经过对BP神经网络模型进行训练和对模型的泛化推广能力进行检验,证明BP神经网络模型可以对第三方物流企业客户满意度进行可行有效的评价。     

军事物流装备链保障效能评估研究

提出了军事物流装备链概念,并将其抽象为Hopfield神经网络模型。以SEA理论为支撑,在深入分析军事物流装备链4个主要性能量度的基础之上,通过对系统轨迹与使命轨迹的匹配分析,建立了军事物流装备链保障效能的动态评估模型。     

军事物流预测方法研究

基于实现精确保障的最终目标,提出了军事物流预测的概念：论述了军事物流预测的意义,明确了军事物流预测的程序：对当前军事物流预测各种方法进行了对比分析,提出基于BP神经网络的组合预测方法。将不同预测模型的预测结果有机结合起来,相互取长补短,达到提高预测精度和增加预测结果可靠性的效果：用实例进行验证,证明甩组合预测的方法效果较好。     

基于BP神经网络的物流项目风险评估

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,采用BP神经网络技术建立了风险评估模型：并通过神经网络工具箱训练该网络模型,对物流项目风险进行评估。经测试数据验证,结果比较准确,具有广泛的实用性。     

基于BP神经网络的安徽省物流需求预测研究

利用BP神经网络构建安徽省物流需求预测模型,在初步确定了预测模型的输入指标和输出指标后,通过灰关联分析,验证了两者之间的强关联性.借助MATLAB7.0软件实现了神经网络预测模型的建立,该模型揭示了输入指标与物流需求量指标之间的非线性映射关系.对训练好的网络进行仿真预测,预测精度较高,说明基于BP神经网络的物流需求预测模型是有效的.     

基于BP神经网络的安徽省物流需求预测研究

利用BP神经网络构建安徽省物流需求预测模型,在初步确定了预测模型的输入指标和输出指标后,通过灰关联分析,验证了两者之间的强关联性。借助MATLAB7.0软件实现了神经网络预测模型的建立,该模型揭示了输入指标与物流需求量指标之间的非线性映射关系。对训练好的网络进行仿真预测,预测精度较高,说明基于BP神经网络的物流需求预测模型是有效的。     

基于BP神经网络的物流需求分析与预测

从宏观角度、经济发展的层面提出了我国物流需求的界定和衡量方法,并利用BP神经网络构建了物流需求预测模型。该模型不仅揭示了经济发展水平与物流需求之间的非线性映射关系,同时也为我国物流基础设施网络规模的确定和物流基础设施网络的规划与布局提供了一种新的思路和方法。     

基于改进型BP神经网络模型的机场物流吐量预测研究

对BP神经网络模型进行了改进，并用于机场物流吞吐量的预测，通过运用桂林机场的实际数据进行检验分析，证明改进后的模型在对机场物流吞吐量和旅客吞吐量的预测上均具有较高的准确性和敏捷性。     

电子产品安全库存水平的分析及预测

在分析影响电子产品安全库存因素的基础上,利用BP神经网络构建了电子产品安全库存水平的预测模型。该模型能够很好地反映出电子产品安全库存与其影响因素间复杂的非线形关系,具有较高的预测精度。     

公路运输货运量预测方法研究

介绍了国内外公路运输货运量的预测方法,分析各种预测方法的优缺点,以及实际的预测效果。针对公路运输货运量受很多相关因素的影响,使得现有的一些预测方法预测精度不高的问题,应用混沌神经网络,建立了公路运输货运量预测的混沌神经网络预测模型,并与传统的BP神经网络预测结果对比,表明此模型具有较好的预测效果。     

基于粒子群优化算法(PSO)的电力需求预测分析

在电力需求预测领域,本文提出了基于粒子群优化算法(PSO)的组合预测模型,选用灰色GM(1,1)模型和BP神经网络作为单个预测模型,并在BP神经网络中将GDP指标做为输入。同时考虑了GDP对电力需求的影响,最后利用PSO对组合预测模型中的权系数进行优化以得到最优结果。根据真实数据所做对比,本文所提出的PSO算法在预测精度上较单一预测模型相比有了较大幅度的提高。     

人工神经网络用于短期电力负荷预测网络结构初探

目前,在电力系统短期负荷预测的手段中,已由人工预测方式逐步被软件预测方式所代替。BP人工神经网络是最常用的建立负荷预测模型的工具之一,文章对建立电力负荷BP神经网络预测模型（网络结构）进行了讨论。     

基于BP神经网络的民用汽车运力灰色回归组合预测研究

文章根据组合预测的理论和BP神经网络对非线性数据良好的逼近特性。提出了基于BP神经网络的灰色预测、多项式回归模型的民用汽车运力组合预测模型。此模型综合了各单一模型的有效信息．能够比较客观地反映地区民用汽车运力的发展趋势．为相关部门提供决策依据。     

基于人工神经网络的PPI预测模型

将人工神经网络模型引入到工业品出厂价格指数预测领域,利用我国1990年-2008年的工业品出厂价格指数数据,建立了工业品出厂价格指数预测的人工神经网络模型。实验结果表明:基于BP算法的神经网络模型预测精度高,而且收敛速度快,它为工业品出厂价格指数预测工作提供了一种全新的方法。     

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。     

基于我国CPI时间序列的神经网络预测模型

近年来,我国的居民消费价格指数涨幅屡创新高。根据我国1990年-2008年的CPI时间序列,首先利用时间序列分析方法确定输入向量,然后应用改进BP算法的人工神经网络分别预测出2011年和2012年我国CPI将分别为104.9和105.2,实验结果证实了BP神经网络模型用于CPI预测的准确性和可行性。     

基于灰色神经网络组合模型的废旧产品回收预测

制造企业对废旧产品进行回收再利用,是节约资源和保护环境的有效方式。由于在产品回收过程中存在诸多不确定性因素,如何对产品回收量进行有效预测是亟待解决的关键问题。本文针对废旧产品回收的特点,将灰色GM（1,1）模型与BP神经网络预测方法结合,构建了灰色神经网络组合预测模型对产品回收量进行预测。该组合模型兼具两种预测方法的优点,预测效果优于各独立模型。案例分析表明了该种预测方法的有效性。