基于BP神经网络的旅游需求预测

文章基于旅游需求的时间序列统计数据,以BP神经网络理论为基础,构建了旅游需求预测模型:借助MATLAB软件进行旅游需求神经网络预测模型的建立与实现,通过对实际数据的分析,说明了该方法的有效性.     

非常规水资源农业利用的研究

在目前经济社会用水需求不断增加但水资源短缺的背景形势下,非常规水源的开发利用研究迫在眉睫。本文根据华北水利水电大学新校区农水试验场的现况,计算了农业试验区灌溉雨水和再生水的可利用量,并介绍了雨水和再生水在农业中的应用。     

金融危机中美国非常规货币政策的分析

随着美国次贷危机引起的全球金融危机的爆发,各国的利率都几乎降为零点附近,常规的货币政策传导机制失效使一些市场失灵,包括美国在内的各国纷纷采取了非常规货币政策。本文以美国为例,对其应对金融危机的非常规货币政策措施进行归纳研究,以期为后危机时代货币政策的退出提供依据。     

基于神经网络虚拟企业资源协同模糊综合评价

由于虚拟企业协同利益不一致、文化背景不同等原因,协同的结果很难判别,从虚拟企业协同的技术能力、成本管理等方面建立虚拟企业之间进行资源的合理配置和优化组合的评价模型,并通过事例获取企业数据,进行定性和定量分析,作为神经网络的输入数据,通过隐含学习和训练,输出神经网络拟合值,并用神经网络对输出结果进行评价和排序;对虚拟企业资源协同的状况及其结果进行评价和论断,以提高认识的深度和分析的质量。最后使用Matlab6.5对算例验证其可行性。     

基于多元回归法和灰色预测模型的江西丰城工业园融资需求预测分析

为了研究丰城市工业园区2012～2016年工业资金需求水平,笔者运用柯布一道格拉斯生产函数,以2005～2011年的工业增加值、就业人数和固定资产投资额为基本数据,在SPSS中运用多元回归法建立预测模型;再通过GM2008年灰色预测系统,运用灰色预测模型对工业增加值和就业人数进行预测,并进一步预测2012～2016年的资金需求和提出具有可行性的政策建议。     

欧洲中央银行非常规货币政策的退出策略

由于欧洲经济的特殊性,欧洲危机先后经历了金融危机、债务危机和银行危机三个阶段。欧元区的非常规政策调整时机也表现出与其他发达经济体不同的特点。非常规货币政策的退出从来不只是欧洲中央银行的责任,在非常规货币政策完全退出之前,各国政府应该通过财政巩固措施限制其债务比例,加强合作协调,为欧洲中央银行非常规货币政策的完全退出做好充分的准备工作。同时,为了应对外溢效应的负面影响,欧洲中央银行也应该积极参与国际的政策合作。     

非常规货币政策的效果、风险及未来前景

该文对金融危机以来发达国家实施的非常规货币政策进行研究发现,非常规货币政策在引导利率政策预期,降低长期债券收益率,刺激经济增长和通胀,恢复金融市场和金融机构功能等方面取得明显成效,但也产生了一些信贷和市场风险。随着市场环境恢复,政策效果下降,部分风险却开始上升,央行的政策挑战变成如何从宽松货币环境的预期中退出非常规货币。     

基于BP神经网络的辽宁省物流需求预测研究

物流需求预测对经济发展具有重要作用。选取辽宁省2004—2021年的7个经济指标影响因素作为输入指标,货物运输量作为物流需求的输出指标,利用MATLAB R2022b软件,对辽宁省物流需求进行预测。利用灰色关联度分析法,对经济指标影响因素的关联度进行分析。结果认为,输入指标与输出指标具有较强关联度。随后,基于BP神经网络法构建物流需求预测模型,经过仿真预测,BP神经网络模型对物流需求预测具有有效性。     

基于模糊BP神经网络的钢箱梁焊接质量评价方法

针对钢箱梁焊接质量难以判别的问题，提出将智能BP神经网络算法与模糊集合理论相结合的策略，首先对BP神经网络根据实际需求进行建模，进而将BP神经网络预测输出值与模糊理论相结合。最终通过与原始的BP神经网络算法相比较，确定研究提出的模糊BP神经网络算法的优越性和鲁棒性。     

模糊规则在神经网络预测模型中的应用前景

在采用径向基函数神经网络(RBFN)对太阳能发电系统输出功率进行预测的模型中,可以明确日照强度的精度对整个预测系统的精度起到了决定性的作用。通过在RBFN模型中引入模糊规则,改善云量数据的精准度,进而提高预测模型的精度。仿真结果表明,加入了模糊规则的模型,预测曲线更为近似。在全面考虑模糊的基础上,有可能提高预测精度。同时也证明了该方法可用于实际应用。     

基于PSO-SVR模型的煤炭铁路物流需求预测

在煤炭铁路物流需求预测中,存在历史样本量较小和非线性强的特点,从而致使预测精度较低。将支持向量回归机（support vectorreg ression,SVR）与粒子群算法（Particle Swarm Optimization,PSO）相结合,提出适用于小样本量学习的PSO-SVR模型。选取1995-2011年的煤炭铁路货运量及其影响因素作为学习样本,利用粒子群算法对支持向量机参数进行优化,通过训练、测试得到具有良好学习与推广能力的煤炭铁路货运量预测模型。建立BP神经网络模型,并将二者的预测值进行对比,结果表明在解决我国煤炭铁路物流需求预测这种小样本,非线性及高维模式识别问题中PSO-SVR模型预测精度优于BP神经网络模型。     

考虑DSM实施效果的工业园区中长期负荷预测

工业园区作为区域经济发展的重点,对于促进我国区域经济的发展具有重要意义。本文结合当前工业园区的发展现状、需求侧管理的实施及"十二五"期间提出的节能减排目标,介绍了需求侧管理对工业园区电力负荷预测的影响。将需求侧管理的实施效果、工业园区年产值与固定资产投资总额作为影响工业园区中长期负荷预测的三个变量,采用回归分析的方法,建立工业园区中长期负荷预测模型。通过算例分析,说明了回归分析预测的有效性,以及需求侧管理的实施效果应作为负荷预测的影响因素。     

基于灰色神经网络的短期电力负荷预测分析

电力负荷预测是电力系统一项重要的工作。本文应用了灰色预测和人工神经网络相结合的方法进行短期电力负荷预测。首先介绍了灰色预测和神经网络的基础理论,其次利用一个仿真算例来验证灰色神经网络算法的可靠性。     

基于实例的水资源预测方法概述

基于合肥市近几年的城市生活用水量数据为例,对一些水资源预测方法进行讨论和比较。对合肥市城市生活用水量的现状进行简要的概述;介绍三种水资源预测方法即指数平滑法、灰色模型预测法和BP神经网络预测法的理论方法及模型;利用给定的资料数据,运用三种预测方法进行分析,通过拟和模型误差对比,判定最佳的预测方法。     

基于小波神经网络的上证50指数多步预测

以神经网络为代表的人工智能模型对股票价格具有良好的预测效果,但是该智能模型侧重于单步预测,很难满足实际股票预测的要求。提出基于小波和神经网络相结合的股票指数多步预测智能模型。选取上证50指数为建模数据,运用小波分解将上证50指数收盘价序列分解成不同尺度的分层数据,依据迭代策略,利用BP神经网络分别预测小波分解后的各层数据,最后将各层的预测结果使用小波重构成原始股票收盘价的预测数值。结果表明,基于小波神经网络的多步预测模型具有良好的多步预测效果。     

回归模型异方差性分析

介绍了预测模型的异方差性的概念，产生的原因以及常用的对模型的异方差性的检验方法。并介绍了模型异方差性消除的方法和程序。     

基于优化BP网络的电网短期负荷预测研究

如何提升电网负荷短期预测水平是电网企业亟待解决的问题。本文针对传统的BP神经网络算法所存在的学习过程收敛速度慢、算法易陷入局部极小点和鲁棒性差等缺陷,引入粒子群优化算法对其进行优化和改进,使之具备更加完善的性能。通过实际电网负荷预测的实验与比较,证明了所构建的符合预测系统的准确度。     

山西省综合配套试验改革背景下科技人才需求预测研究

依据山西省科技人才相关资料和数据,在分析科技人才队伍建设现状的基础上,运用GM(1,1)灰色预测模型、多元回归预测模型和趋势外推法,对山西省2011-2015年科技人才需求总量和需求结构进行预测,然后运用组合预测法对预测结果进行修正,并对预测结果进行分析,以便为山西省人才规划与决策提供科学的理论参考。     

民航客运量预测方法研究综述

为了提升民航运行效率、准确预测客运量,促进其可持续发展,采用分类学方法将民航客运量预测方法划分为传统统计学、机器学习、组合模型3大类。详述各类方法的改进原理、效果和应用,通过数据处理、权重调整、参数优化和结构改进提高准确性,并总结组合模型相对单一模型的优势。实证研究结果表明,组合预测模型相较于单一模型具有更高的准确性,并指出结合人工智能和大数据技术的发展趋势,构建优秀的组合预测模型将是提高准确性的潜在研究方向。