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.     

基于遗传BP神经网络的川江滚装运输货运量短期预测研究

首先建立基于遗传BP神经网络的滚装运输市场货运量预测模型,然后采用川江滚装运输年度数据进行神经网络训练与预测。结果表明,遗传BP神经网络算法在预测的精度与收敛速度上均优于传统预测算法。预测结果为川江滚装运输企业战略规划和滚装运输竞争力的提高提供了决策支持。     

基于神经网络的湖南省货运量预测研究

文章基于神经网络模型,针对湖南省货运量进行了预测。研究表明,神经网络模型表现出了相当高的预测水准,最后指出了研究改进的方向。     

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。     

基于GRNN神经网络的货运量预测研究

文章以全国统计局货运量的历史数据为基本数据,考虑影响货运量的8个因素,采用GRNN模型对货运量(货运总量、铁路货运量和公路货运量)进行预测,并将结果与真实值拟合比较。结果表明:该方法在预测货运量方面能够达到较好的效果,尤其在径向基函数的扩展速度为0.4时,预测结果最好。     

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.     

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量的基础上,确定了混合神经网络的特征参数,并根据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。     

论基于BP神经网络的GDP预测

在经济分析中,通常采用时间序列模型对进行拟合GDP,GDP预测由于其影响因素复杂、具有很强的非线性,是典型的"黑箱"模型,建立在计量经济学理论基础上的线性方法,难以描述GDP预测中的非线性现象,容易造成预测误差过大.通过对BP神经网络数据进行归一化和选择适当的节点及学习率可变的算法大大提高了预测的精确度和效率.     

基于多因素的国家铁路货运量预测研究

本文以国家铁路货运量为预测研究对象,在选取对其产生影响的8个因素的基础上,首先,运用多元线性回归的方法来进行预测,得出了多元线性回归方程。其次,运用BP神经网络的方法以三个因素作为网络输入来进行预测,得到了更好的预测结果。最后,通过对比两种方法的预测结果,总结出了适合国家铁路货运量预测的方法。     

基于BP神经网络的我国粮食产量预测

粮食是一个国家的立国之本,对于中国而言,粮食问题占据举足轻重的地位,甚至关系到整个社会的稳定。文中基于BP神经网络,在过去二十三年的粮食产量数据的基础上对中国2012—2016年的粮食产量进行了预测,基于预测结果可知未来五年中国粮食是可以满足人口的需求的,从而确定未来五年政府的粮食储备工作可以有所缓解。     

基于BP神经网络的物流需求量预测模型研究

本文利用神经网络理论，建立了时间序列对象的反向传播（back-propagation，BP）预测模型，运用于物流需求量预测。并通过实例分析，验证了本模型的科学性与正确性。     

基于BP神经网络的商品房销售量预测研究

商品房销售量受多个因素的作用，而且这些作用多是非线性的。商品房销售量预测实质上是实现一个非线性的映射。本文选择了恰当的经济指标作为BP网络的输入输出变量，探讨将神经网络技术应用于商品房销售量的预测领域，并与回归模型、Logistic模型的预测结果进行比较，结果表明人工神经网络方法在商品房销售量预测中的应用是可行的，预测效果更好。     

基于回归BP神经网络的短期负荷预测

负荷的形成受多方面因素的影响,在建立短期负荷预测模型时,需要综合考虑多种因素。同时,负荷是一种时间序列信号,目前的数据能够对以后的数据产生重要的影响,所以文章采用回归BP神经网络模型应用于短期负荷预测。实例计算表明,该方法有效,预测精度比常规方法高,收敛性好,运算速度快。     

基于BP神经网络的物流量预测方法研究

人工神经网络作为重要的综合评价方法,能够解决众多非线性问题,把它运用到地区货运量的预测中,可以解决因数据资料缺失,预测结果与真实结果相差较大的问题,为物流业发展提供重要的数据参考。经过实例分析证明基于神经网络的物流量预测模型是行之有效的。     

基于BP神经网络法预测连续刚构桥梁立模标高

本文介绍了用BP神经网络预测立模标高的方法,并应用于某大桥施工控制,取得良好效果。     

基于BP神经网络的物流需求分析与预测

从宏观角度、经济发展的层面提出了我国物流需求的界定和衡量方法,并利用BP神经网络构建了物流需求预测模型。该模型不仅揭示了经济发展水平与物流需求之间的非线性映射关系,同时也为我国物流基础设施网络规模的确定和物流基础设施网络的规划与布局提供了一种新的思路和方法。     

基于BP神经网络实现的B样条插值在系统动力学模型的应用

在系统动力学建模的过程中,系统变量之间的关系难以确定,传统的建模方法存在着很大的主观性,利用BP神经网络的方法则可以避免这个问题。而在建立BP神经网络过程中需要大量的学习样本,然而通常采集到的数据往往是不足的。用3次B样条函数对历史数据进行插值的方法构建系统中状态变量的学习样本,解决BP神经网络模型中学习样本不足的缺点,能更好的反应变量之间的非线性映射关系。     

基于BP人工神经网络的绿色施工模糊综合评价研究

发展绿色施工促进施工企业节约能源和资源、保护环境,是全球应对气候变化挑战、实现可持续发展的重要手段,而绿色施工评价对于建筑业落实可持续发展起到一定作用。本文在介绍BP人工神经网络基本原理的基础之上,分析了与其它评价方法相比,BP人工神经网络在绿色施工评价中的优越性。通过建立模糊评价矩阵,利用BP人工神经网络处理数据,较客观地对绿色施工进行评价。最后将此评价模型应用于实例,取得了令人满意的结果。     

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神经网络的建筑工程绿色施工评价

通过对绿色施工理论的探讨,构建了建筑工程绿色施工评价的指标体系。基于BP人工神经网络评价方法构建了建筑工程绿色施工评价模型,并运用该模型对一实际工程项目的绿色施工进行了模拟。