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。     

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。     

基于灰色系统理论的江苏省入境旅游研究

入境旅游是旅游业的重要组成部分,本文运用灰色系统理论中的灰色关联度分析方法对江苏省旅游外汇收入与主要客源国入境旅游人次数之间的关联性进行分析,并建立了GM(1,1)灰色预测模型对江苏省典型创汇国未来的入境旅游客流规模进行预测,为江苏省入境旅游提供决策依据和方法参考。     

基于BP神经网络与GM(1,1)组合的北京市物流需求预测模型

通过分析影响北京市物流需求的相关因素,构建北京市物流需求预测影响因素指标体系。运用BP神经网络和GM(1,1)方法,建立北京市物流需求组合预测模型,选取近20年的统计数据对未来五年的物流需求进行预测,得出物流需求总量及变化规律,并以此提出推进北京市物流业发展的有效途径,为物流系统规划提供合理依据及有效发展途径。     

改进灰色预测模型的研究—以安徽省物流量预测为例

以GM(1,1)模型为基础,提出对原始数据取自然对数以提高原始数据的光滑度,同时,与优化背景值相结合,对GM(1,1)模型进行改进。利用安徽物流量的实际数据,比较原始GM(1,1)模型、基于优化背景值的GM(1,1)模型和新的GM(1,1)模型各自的拟合精度,发现新的GM(1,1)模型精度最好,有一定的实用性。     

基于BP神经网络的民用汽车运力灰色回归组合预测研究

文章根据组合预测的理论和BP神经网络对非线性数据良好的逼近特性。提出了基于BP神经网络的灰色预测、多项式回归模型的民用汽车运力组合预测模型。此模型综合了各单一模型的有效信息．能够比较客观地反映地区民用汽车运力的发展趋势．为相关部门提供决策依据。     

灰色GM(1,1)模型在南京居民消费预测中的应用

灰色系统理论的研究对象是"部分信息已知,部分信息未知"的"小样本"、"贫信息"不确定性系统。它通过对"部分"已知信息的生成、开发去了解、认识现实世界,实现对系统运行行为和演化规律的正确把握和描述。GM(1,1)灰色模型是其中应用最为广泛的一个模型。本文以2003～2007年南京地区城市居民消费数据为依据,建立了南京市2003～2007年城市居民人均消费支出的GM(1,1)灰色模型,并应用该模型对南京市城市居民人均消费变化趋势做了预测,预计2009年南京地区城市居民消费为18093元。     

改进灰色预测模型的研究——以安徽省物流量预测为例

以GM(1,1)模型为基础,提出对原始数据取自然对数以提高原始数据的光滑度,同时,与优化背景值相结合,对GM(1,1)模型进行改进.利用安徽物流量的实际数据,比较原始GM(1,1)模型、基于优化背景值的GM(1,1)模型和新的GM(1,1)模型各自的拟合精度,发现新的GM(1,1)模型精度最好,有一定的实用性.     

基于BP神经网络的西安市宏观经济预测

宏观经济系统是一个复杂的非线性系统,对宏观经济进行预测应采用非线性的工具进行建模。采用BP神经网络对西安市宏观经济指标进行预测,此预测模型只需少量训练样本就可以确定网络的权值和阈值。实验表明模型预测精度高,能够对西安市宏观经济系统中的非线性关系进行描述,使建立的非线性模型与实际系统更加接近。     

基于灰色预测模型的后疫情武汉市物流需求预测分析

2020年初,武汉市为全力应对严峻的疫情形势采取了“封城”措施,货物中转与武汉人民的快递需求也无法被满足。在疫情得到有效控制后,武汉市的物流需求也随之复苏并产生大幅反弹,武汉仍具有很大的市场发展潜力。文章以2010~2019年武汉市货运量作为样本数据,采用灰色GM1,1模型预测该地区未来5年的物流需求量,同时对预测结果进行分析总结,一定程度上能为政府部门制订物流产业复苏的发展规划和进行物流决策提供参考。     

基于灰色GM(1,1)模型的广西航空物流预测分析

运用GM(1,1)模型对"十二五"规划期间广西航空市场货邮吞吐量进行了预测,得出"十二五"末广西航空货邮吞吐量将达到15.8万吨。通过预测数据与实际数据对比表明该方法的预测精度较高,有一定的应用价值。     

基于BP神经网络的企业绿色竞争力评价研究

本文在阐明企业绿色竞争力内涵及特征的基础上,构建企业绿色竞争力评价指标体系,给出了基于BP神经网络的企业绿色竞争力评价模型,以期为企业构建绿色竞争力,实现可持续发展提供支持和参考。     

基于BP神经网络的时间序列预测研究

建立了基于BP网络的时间序列预测模型,将模型应用于实际算例,设计了模型的网络结构、初始权值和偏差,结果验证了模型的有效性。     

基于BP神经网络的CCI预测模型

将BP神经网络模型应用到消费者信心指数预测中,并建立了消费者信心指数的神经网络预测模型。将计算结果与真实值进行了验证,结果表明:CCI的计算值与真实值之间的相对误差为2.6%,且具有较好的相关性。     

基于组合预测模型的航空货运吞吐量预测研究

目前对于机场货运吞吐量的预测方法不尽合理,导致预测与实际情况差别较大,为此本文提出将内在影响因素融入组合预测模型,从而对航空货物运输进行预测,使得预测结果更加接近实际情况.本文以香港国际机场为背景,运用Shapley值法将BP神经网络和灰色理论预测模型进行组合,对其航空货运吞吐量进行了实证研究,并将此预测方法推广应用于其他机场的预测.     

基于遗传神经网络的机械故障诊断

本文针对BP神经网络存在的不足,将遗传算法和BP神经网络有机结合起来,利用遗传算法的全局搜索能力优化了神经网络的初始权值和阈值,并将其应用于机械故障诊断。结果表明,在MATLAB环境下进行仿真试验,这种方法能够有效进行故障识别、提高故障诊断精度。     

基于算法的BP神经网络的应用研究

BP神经网络的智能化特征与能力使其应用领域日益扩大,潜力日趋明显,许多传统信息处理方法无法解决的问题采用BP神经网络后取得了良好的效果。因此,BP神经网络已被广泛应用于自动化、工程、经济及医学等各个领域。因此,本文重点研究了BP神经网络的原理、算法及其应用。     

异因同果关联神经网络的研究

提出了一种异因同果关联神经网络模型,可以从不同角度分别建立不同的模型,并由其得到互不相同的模型预测值。异因同果关联神经网络模型将不同角度建立的模型有机结合起来,进而能够将多个神经网络模型进行综合考虑,得到一个综合的统一的模型预测结果。研究了新型模型的机理,结合实例进行仿真并与传统的神经网络模型的预测仿真结果比较,结果表明新型模型具有更高的预测精度。