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。     

基于小波神经网络的军用物资消耗量预测模型

为解决军用物资消耗问题,设计了基于小波神经网络的军用物资消耗量预测模型,运用MATLAB仿真实现算例,并对小波神经网络的预测值进行检验。结果表明:该模型能有效消除现实环境中的不确定因素对军用物资消耗预测的影响,控制预测值和实际值之间的误差,实现对军用物资消耗量相对准确的预测。     

基于果蝇算法优化小波神经网络的输电工程造价预测

为了准确控制输电工程造价水平,提出一种基于果蝇算法优化小波神经网络的混合预测模型。首先,对输电工程造价影响因素进行归一化处理,并将归一化结果作为输入变量;其次,利用果蝇算法对小波神经网络参数进行优化,在此基础上,利用优化后的小波神经网络模型预测输电工程造价;最后,将本文的预测结果和其他方法进行对比。算例结果表明,该混合模型的预测效果更理性,精度更高。     

证券市场预测的小波神经网络模型

本文首先讨论了证券市场的各种影响因素,然后运用小波神经网络模型的非线性映射能力、模式识别能力和强容错性,提出了一种基于小波神经网络的证券市场预测的通用模型。     

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。     

大数据处理技术在录取分数线预测中的应用研究

针对传统预测模型在高考分数线预测方面精度不高的问题,在分析出高考分数线的分布规律及主要影响因素后,运用主成分分析法对影响因素降维并归一化数据,建立高考分数线神经网络模型,并运用BP反向传播算法进行学习,计算出最优权值。以西安工业大学为例,用此神经网络对录取分数线进行预测,给出预测结果的精度分析,结果表明了该分数线神经网络模型有效地提高了分数线预测精度,为高考分数线的预测以及学生志愿的填报提供了参考依据。     

物流企业运营成本的小波神经网络预测方法

随着我国社会主义市场经济的逐步深入,物流企业对成本控制的要求越来越迫切,为有效进行物流运营的成本控制,文章引入小波神经网络方法探索对运营成本的精确预测,根据物流运营成本的变化规律,建立了物流企业运营成本的小波神经网络预测模型,选用Morlet小波进行成本模拟,采用共轭梯度法进行迭代求解,并应用某物流企业的运营成本进行了实例分析,为物流企业进行运营成本控制提供了一种行之有效的高精度预测方法.     

基于“交通—经济”大系统环境下的交通投资预测研究

交通基础设施实质上是一个非线性的动态复杂系统,这意味着在研究交通基础设施投资预测时,不能局限于交通自身的封闭系统,而是要把它放在"交通—经济"大系统环境下,综合考虑内部和外部影响因素的共同作用。文章通过对影响交通投资因素的定性分析,建立了影响交通投资的层次结构模型,并根据该模型构建了基于BP神经网络的预测模型。结果表明,该预测模型能够较全面地考虑多种因素对交通投资的影响,预测效果较好。     

银行自助设备备付金预测模型探索

本文运用数据挖掘方法，以银行自助设备实际业务中发生的流水数据作为数据来源，试图解决自助设备备付金预测问题。通过分析自助设备影响因素，比较了神经网络、支持向量机等预测算法，给出了自助设备预测模型。     

基于神经网络的药品需求组合预测研究与应用

药品的市场需求预测是制药企业生产控制中的重要组成部分,具有复杂的非线性特点。本文以制药企业的药品需求预测为研究对象,通过分析药品需求的特征,建立了基于神经网络的组合预测模型。本文选择3种具有互补特征的神经网络预测方法（BP神经网络的预测方法、RBF神经网络的预测方法和GRNN广义回归神经网络）分别对药品需求进行预测,然后在此基础上使用平均绝对相对误差（MAPE）为最优准则,通过求解二次规划问题得到权重并按照一定的规则进行变权,从而建立了基于神经网络的药品需求组合预测模型,最后对该模型实际应用的精度和稳定性进行评价。实验表明,本方法能够提高预测精度、稳定性,并扩大了模型的适用范围。     

航空港客流的分析与预测

本文利用社会经济发展和航空运输需求之间的关系,探讨了影响航空港客运量的因素,从而建立起航空港客运需求量预测模型.并采用多元回归分析的SPSS软件和神经网络分析的EasyNN软件,对航空港客运需求量进行预测,从预测误差分析结果证明预测的可信性.     

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。     

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。     

ARIMA模型与BP神经网络模型的比较研究——基于供电企业电费现金流入预测

文章基于供电企业对电费现金流入预测的现实需要,分别建立了基于时间序列的ARIMA模型和BP神经网络预测模型,并对两种预测方法进行了对比分析,最终确定了以ARIMA模型为主、BP神经网络为辅的综合预测手段,有效地提高了电费现金流的预测精度,增强了供电企业的现金流管理水平。     

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。     

模糊层次分析法优化BP神经网络的交通冲突预测模型

本文通过全面剖析影响交通冲突的原因,以交通流量、道路几何设计和道路环境三方面的因素建立指标层次结构体系。提出基于模糊层次分析(FAHP)法优化BP神经网络(BPNN)的预测模型,应用于交通冲突预测。     

小波神经网络对沪深A300的分析和预测

针对金融时间序列非平稳性、非线性的特点,本文采用小波分析与人工神经网络相结合的方法,对沪深A300收盘价进行分析和预测。结果表明,小波神经网络有较强的预测能力,能达到预期效果。为了验证该方法的预测能力,进一步将时间序列数据多步分段,全方位地进行预测,并与小波-ARIMA模型、BP神经网络预测方法进行比较,体现了小波神经网络的预测优势。     

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。     

不同需求预测方法对供应链牛鞭效应影响的比较分析

首先运用一次滑动平均和指数平滑预测方法分析了一个简单的多阶段供应链中的牛鞭效应的存在.进一步提出了基于BP神经网络的预测方法,并根据调查数据进行了实证分析,结果表明预测方法不同,得到的牛鞭效应的大小也不同,需求参数对牛鞭效应的影响规律也有所不同,得到了最优的预测方法即BP神经网络法,通过该预测模型的预测可以减轻牛鞭效应的程度及其对供应链的影响.