基于灰色系统分析的咸宁市经济发展预测

文章将2001-2009年咸宁市GDP统计数据构成原始数据列,建立灰色预测数学模型,检验模型的合格性,并利用模型进行外推预测,从而对十二五期间咸宁的GDP进行预测,预测结果:咸宁市2015年的GDP规模将达到1020亿。     

车辆保险市场的成长预测

基于我国发展车辆保险的重要性,研究车辆保险市场是非常有必要的。本文基于2004-2015年的数据,来研究车辆保险市场的成长情况,通过灰色模型与神经网络的结合的灰色神经网络模型去拟合车辆保险营业额与解释变量的关系,之后再用遗传算法优化灰色神经网络,最后通过模型结果的对比,知基于遗传算法的灰色神经网络模型有更好的预测效果。     

基于灰色神经网络的体育成绩预测研究

对体育成绩的预测关系到学生身体素质和体育教学方案的制定,通过结合灰色理论和神经网络的特点提出了灰色神经网络体育成绩预测模型。依据某大学2008-2013年体育成绩统计数据,分别选用GM(1,1)模型和灰色神经网络模型对数据进行拟合,通过2014年的体育成绩作为模型验证,来预测2015年的体育成绩。结果表明,灰色神经网络体育成绩预测模型具有灰色系统贫乏数据建模和神经网络高度非线性映射能力的优点,对提高预测精度具有一定的实用价值。     

基于GNNM(1.1)模型的货运量及货运周转量预测

通过各种算法对货运指标进行有效预测,对于把握未来货运发展趋势有着非常重要的作用。文章将灰色预测与神经网络预测方法进行了有机结合,建立了一个基于灰色神经网络的预测(GNNM)模型。通过模型对货运量及货运周转量进行了预测,得到了较满意的结果,表明了模型具有较高的可靠性及实用性。     

基于灰色理论和BP神经网络的房地产价格指数预测

房地产价格指数反映房地产市场价格波动的方向和趋势,是有效地进行房地产市场分析的一种必要工具,对其的预测直接影响到众多干系人的决策,关系到各干系人的切身利益,因而对预测结果的精确度要求很高。本文运用灰色GM(1,1)模型和BP神经网络模型相结合的灰色BP神经网络模型,以Matlab为工具,对房地产价格指数进行预测。此组合模型融合了灰色预测和BP神经网络预测的优点,既克服了数据波动性大对预测精度的影响,也增强了预测的自适应性。并且,以中国房地产价格指数为例进行预测,结果证明了该组合模型的优势,为房地产价格指数预测研究提供参考依据。     

改进的灰色电力负荷预测研究——基于粒子群算法和BP神经网络

本文对于灰色预测模型的改进,分别从优化初值和改进模型等方面进行,对模型的改进主要通过建立等维新息预测模型、灰色粒子群组合预测模型和灰色BP神经网络组合预测模型来实现。     

基于稳定标准选取的地方财政收入预测模型研究

本文在结构化地方财政收入的基础上,依次使用灰色关联度和灰色预测模型找出影响地方财政收入构成的关键因素,进而利用与其对应的关键因素建立BP神经网络模型,将各因素的灰色预测值代入模型中求得地方财政收入的构成值,汇总后得到地方财政收入。最后根据实证结果进行数据分析,并结合历史数据对结果进行修正,从而得出较优的预测模型。     

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。     

气膜薄壳钢筋混凝土穹顶储仓的施工工期预测研究

根据气膜薄壳钢筋混凝土穹顶储仓的施工特点,详细分析了影响其施工工期的因素及参数获取方式,结合灰色GM(1,1)模型和BP神经网络处理数据的优点,提出了基于串联型灰色神经网络(serial grey neural network,SGNN)的施工工期预测模型并进行预测仿真。结果表明:该方法切实可行,预测精度高于GM(1,1)方法。     

基于灰色神经网络的区域物流需求预测

区域物流与区域经济存在密切关系。从决定区域物流需求的经济因素出发,利用BP神经网络的非线性强拟合能力,建立两者的非线性映射关系;针对模型外推预测的能力不足提出改进的方案,采用灰色模型与神经网络相结合进行预测研究,并用广东省物流需求预测做实证,验证了模型的有效性。     

基于LVQ神经网络的电信企业客户流失预测模型研究

随着人工智能的快速发展,人工神经网络被广泛地运用到分类预测领域。文章首先明确了客户流失的定义及其分类,然后分析了LVQ神经网络的基本原理,最后从研究样本的确定、预测变量的选取、模型的训练及评估三个方面构建了基于LVQ神经网络的电信企业客户流失预测模型,以期为电信企业客户流失预测模型的设计提供一定的借鉴意义。     

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。     

基于BP神经网络的图书馆电子资料借阅服务评价模型

以图书馆电子资料借阅服务的服务质量问卷调查结果及其人工评价原理为依据,对所得到的数据进行量化,构建基于BP神经网络的图书馆电子资料借阅服务评价模型,分析了这种方法的优点,并进行实验,验证了这种评价模型的科学性。     

灰色预测在航材消耗预测上的应用

针对航材种类繁多、规格复杂、准确预测航材消耗比较困难的问题,提出利用灰色系统理论中的GM(1,1)模型,根据历年航材消耗数据,确定其预测模型。算例表明本模型具有较大的准确性和实用性。     

基于BP神经网络实现的B样条插值在系统动力学模型的应用

在系统动力学建模的过程中,系统变量之间的关系难以确定,传统的建模方法存在着很大的主观性,利用BP神经网络的方法则可以避免这个问题。而在建立BP神经网络过程中需要大量的学习样本,然而通常采集到的数据往往是不足的。用3次B样条函数对历史数据进行插值的方法构建系统中状态变量的学习样本,解决BP神经网络模型中学习样本不足的缺点,能更好的反应变量之间的非线性映射关系。     

基于人工神经网络的物流中心选址决策模型研究

物流中心选址在整个物流系统规划中占有十分重要的位置,需要决策者综合考虑多个因素。本文根据物流环境、生产能力和经济效益三方面组成的10个评价指标和单因素评价标准,应用BP神经网络方法对某市物流中心选址进行决策研究。根据单因素评价标准生成足够多用于神经网络建模用的训练样本、检验样本和测试样本,用检验样本实时监控训练过程以避免出现“过训练”现象,建立可靠的BP模型。示例计算结果表明：与多级模糊综合评价方法相比,本文建立的BP神经网络决策模型具有定量分析和比较精细、客观的特点,在物流中心选址决策研究中具有较好的应用价值。     

边坡影响因素的自组织神经网络归类处理

文章根据自组织神经网络的基本原理,结合55个边坡实例,应用matlab进行编程,建立了边坡影响因素分类处理的神经网络模型,并运用该模型对不同的边坡进行了分类,分类结果提高了神经网络的边坡指标数据的学习效率,从而证明了自组织神经网络对提高用于预测边坡稳定性神经网络性能的有效性。     

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。