长江水陆甩挂运输内涵界定及框架分析

长江水陆甩挂运输的发展可以破解川江载货汽车滚装运输的发展瓶颈,促进长江黄金水道的健康快速发展。立足于甩挂运输良好的发展前景,首先对长江水陆甩挂运输进行了概念界定,然后分析了长江水陆甩挂运输系统框架的主要内容及其相互关系。     

长江水陆甩挂运输内涵界定及框架分析

长江水陆甩挂运输的发展可以破解川江载货汽车滚装运输的发展瓶颈,促进长江黄金水道的健康快速发展.立足于甩挂运输良好的发展前景,首先对长江水陆甩挂运输进行了概念界定,然后分析了长江水陆甩挂运输系统框架的主要内容及其相互关系.     

借助遗传神经网络开展上市公司财务危机预警

本文将遗传算法与BP神经网络结合起来,对我国制造业上市公司进行实证分析,结果发现遗传神经网络预测准确度达到91.67%,高于Logistic回归模型的76.67%和BP神经网络预测模型的88.33%,是一种准确度更高、性能更优的预警模型。     

BP神经网络模型在DOCUMENTUM平台运输量需求预测的构建与实现

研究了在DOCUMENTUM平台下的BP神经网络的时间序列模型,针对石油企业生产物资的运输量做了预测,完成了BP神经模型的构建、预测结果的分析及预测模块与内容管理平台的验证.     

基于BP神经网络的运输通道交通方式选择模型研究

通过分析LOGIT模型效用函数构造存在的不足,探讨了利用BP神经网络解决方式划分问题的基本原理。利用BP神经网络良好的非线性逼近能力对LOGIT模型的效用值的确定进行改进,构造了基于BP神经网络的运输通道出行方式选择模型。最后给出了一个算例,详细介绍了基于BP神经网络的交通方式划分模型的建立、训练仿真的过程,预测结果表明该模型对交通方式划分问题不仅有很强的解释性,同时具有很好的可操作性。     

基于BP神经网络的运输通道交通方式选择模型研究

通过分析LOGIT模型效用函数构造存在的不足,探讨了利用BP神经网络解决方式划分问题的基本原理.利用BP神经网络良好的非线性逼近能力对LOGIT模型的效用值的确定进行改进,构造了基于BP神经网络的运输通道出行方式选择模型.最后给出了一个算例,详细介绍了基于BP神经网络的交通方式划分模型的建立、训练仿真的过程,预测结果表明该模型对交通方式划分问题不仅有很强的解释性,同时具有很好的可操作性.     

试论港口起重机械整机滚装运输系统

本文先介绍了港口起重机械整机滚装运输的优势，并且详细的介绍了港口起重机械滚装设计中的重点工作及滚装运输的过程，指出了滚装运输过程中所存在的问题并制定出了合理的改善对策。     

基于CS_BPNN的光伏发电功率预测模型研究

光伏发电功率预测对电网的安全稳定运行具有重要意义。通过数据预处理,运用灰色关联度分析计算时序相似度,提高了相似日选取的准确度。提出了基于布谷鸟搜索算法优化BP神经网络的光伏发电功率预测模型,并通过实验的方法分别对晴天、阴天和雨天三种天气类型下的光伏功率进行预测,将其与粒子群优化算法优化BP神经网络模型、BP神经网络模型进行对比。结果表明,基于布谷鸟搜索算法优化BP神经网络的光伏发电功率预测模型,在光伏发电功率预测领域具有更高的精度与稳定性。     

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LM-BP算法的轨道交通客流短时预测

BP神经网络是当前比较常用的人工神经网络,针对BP神经网络存在易陷入局部极小值、收敛速度慢等缺陷,将LM算法引入到BP神经网络中,以改进BP神经网络在预测时的训练过程,并利用轨道交通客流的时间序列对其有效性进行验证,结果证明该方法对轨道交通客流的短时预测有着更高的准确度和精度。     

基于BP神经网络的基金预测应用研究

针对BP神经网络在数据挖掘领域的应用研究,将其估值预测能力应用到基金预测方面,通过BP神经网络建立起一套基金预测模型。选取2016年某银行基金数据作为实验数据,对实验数据进行训练和测试,结果表明,BP神经网络能预测基金净值和基金风险的趋势。     

人工神经网络在经济预测中的应用

研究了人工神经网络在经济预测中的应用问题,探讨了人工神经网络的时间序列预测方法。该方法采用多层前馈神经网络及BP算法,其仿真实现是以MATLAB下神经网络工具箱作为开发工具。文中提出了一种基于BP网络时序预测通用方法,并通过实例验证了该方法的预测精度明显高于灰色系统预测方法。为了消除单一神经网络预测模型的系统偏差,探讨了组合神经网络时序预测方法;并用实例验证了组合神经网络比单一神经网络的预测精度高。     

基于BP神经网络模型的持续经营不确定性审计意见预测

本文选取了2007~2010年上市公司中被出具持续经营不确定性审计意见的公司为样本,按持续经营能力严重程度分阶段利用BP神经网络建立预测持续经营能力审计意见模型。与Logistic回归预测结果比较,结果显示BP神经网络模型精确度较高,可以克服常规统计方法的限制,但是BP神经网络模型稳健性较差,选取不同的学习率和动量参数对模型有一定的影响。     

基于改进BP神经网络的商业银行客户信用评价

本文在分析影响商业银行客户信用因素的基础上,建立了一套适用于商业银行客户信用评价的指标体系,采用BP神经网络建立商业银行客户信用评价模型,用遗传算法优化BP神经网络的连接权重和阈值,解决了BP神经网络存在落入局部最小点和收敛速度慢的问题,两者结合,实现了优势互补。实例研究表明,评价值与实际值相差较小,遗传神经网络的评价结果是令人满意的。     

风电功率预测问题研究

文章采用BP神经网络法对风电场58台风机的输出功率进行了预测研究,建立三层神经网络模型,根据已有的风电功率历史数据、应用数据整理,进行BP神经网络的计算和回归分析,运用excel,matlab以及eviews等相关软件进行预测分析,解决了风电功率预测问题。     

基于BP神经网络的建设项目资金流预测

本文构建了BP神经网络模型对某建设工程项目的资金流进行预测分析,结果与实际的资金流基本吻合。说明神经网络能够作为建设项目资金流预测的有效工具。     

基于GRA-GA-BP神经网络的港口集装箱吞吐量预测模型

港口集装箱吞吐量的准确预测对于港口的未来发展规划及该港口所属腹地的经济发展具有重要的指导意义。为实现输入变量的降维,提高预测精度,避免出现局部最优解,借助灰色关联分析对输入变量进行筛选和排序,引入遗传算法作为优化BP神经网络内初始权值及阈值的工具,并基于此建立模型对环渤海港口群三大代表港口2016-2019年集装箱吞吐量进行实证对比分析。最后横向比较传统BP模型和GA-BP模型的预测结果,研究结果表明：经GRA-GA算法优化BP神经网络模型相较于GA-BP神经网络模型与未经过改善的传统的BP神经网络模型其预测结果更为理想,研究结果对港口的战略规划及发展具有一定的参考价值。     

遗传算法和BP神经网络的电信业产出预测

电信业产出是衡量电信产业发展状况的主要指标,其影响因素具有较强的非线性和随机性,很难用传统的预测方法进行预测。而BP神经网络方法具有的较强非线性映射能力和柔性网络结构在解决这一问题时具有明显优势。本文基于遗传算法改进的BP神经网络模型,利用我国电信市场从1998至2012年15年数据作为训练数据与测试数据应用于电信业产出规模预测。研究结果表明,基于遗传算法的BP神经网络模型预测精度明显大于传统预测方法,可为电信业的健康和快速发展提供一种新的、可量化的工具和方法。     

基于BP神经网络的农林产值预测

本文通过对国内生产总值,农作物播种面积和造林面积等因素对农林产值的影响,选用BP神经网络预测模型对农林产值进行预测。预测结果显示:BP神经网络预测模型对农业产值的预测准确率达到0.97,对林业产值的预测达到0.96.预测结果较为准确。