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.     

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.     

GMDH网络在短期负荷预测中的应用

文章提出基于自组织方法的GMDH(Group Method of Data Handling)型神经网络并将它应用于短期负荷预测.与一般的前馈神经网络不同,GMDH网络的结构确定于训练过程之中,因而可大大提高神经网络性能.它能充分、合理地利用数据,自动进行变量组合,筛选及判断从而得到合适的模型,特别适用于数据预测.将这种用自组织方法所构成的GMDH型神经网络应用于广西某地区电力局的短期负荷预测,采用Matlab6.5进行仿真实验,证明其在短期负荷预测方面有很好的应用前景.     

基于RBF神经网络的股市涨跌分类预测

本文介绍了RBF神经网络的基本概念以及网络结构,并利用基于RBF建立的概率神经网络对上证股市的涨跌进行了分类预测,实例计算分析表明基于RBF的概率神经网络在对股市整体走势的预测上表现较好.     

基于贝叶斯正则化神经网络的道路交通安全倾向性预测

对典型部门影响交通安全的相关因素进行了集成分析,构建了道路交通安全倾向性预测指标,在此基础上采用贝叶斯正则化神经网络对沈大高速公路某路段的道路交通安全倾向性进行了预测,对网络结构、训练集、预测集以及学习次数进行了优化.预测结果表明,在推广能力方面,贝叶斯正则化神经网络优于传统的神经网络,可作为探究道路交通安全系统内部各影响要素关系的辅助手段.     

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。     

基于混合神经网络的铁路货运量预测研究

为精确的预测铁路的货运量,采用了混合神经网络的方法进行建模.在分析某铁路以往货运最的基础上,确定了混合神经网络的特征参数,并根捌实际情况确定了输入层和隐含层的神经元个数,从而得到了模型的结构,最终建立了一个用于预测铁路货运量的混合神经网络模型.     

房地产上市公司财务预警实证研究

准确预测房地产公司的财务风险并及时预警有助于房地产企业的健康稳定发展.根据房地产企业的现实情况,通过BP神经网络模型和Logistic模型分别对房地产上市公司的财务状况进行了实证研究.结果表明:BP神经网络模型的预测准确率要高于Logistic模型,同时综合使用多种方法预测房地产公司的财务状况更加准确.     

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。     

基于神经网络的刀具位置误差建模与仿真研究

非球面加工过程中,刀具位置误差对加工工件精度影响较大.本文利用神经网络非线性映射特性来建立非球面超精密磨床刀具位置误差模型.利用模型对非球面加工时刀具位置误差进行预测.最后通过仿真结果表明,利用建立的神经网络模型可以对刀具位置误差进行高精度预测,并且根据预测误差,对刀具位置误差进行补偿成为可能.