蚁群神经网络用于股票价格短期预测

股票价格是非线性时间序列,传统BP神经网络预测模型存在容易陷入局部极小和收敛速度慢的缺陷。本文针对这些问题,采用蚁群神经网络预测模型用于预测股票价格,该模型将蚁群算法作为训练神经网络的学习算法。实验数据表明,该模型对于股票价格的短期预测效果与传统BP神经网络预测模型相比,具有较好的自适应性及较快的收敛速度。     

基于遗传算法优化混沌神经网络的股票指数预测

为提高BP神经网络预测模型对混沌时间序列的预测准确性,提出一种基于遗传算法优化BP神经网络的改进混沌时间序列预测方法。本文采用时间序列输入输出参数数量构造BP神经网络拓扑结构,利用遗传算法优化BP神经网络的权值和阈值,然后训练BP神经网络预测模型求得最优解,将该预测方法应用到上证综合指数的时间序列进行有效性验证,结果表明了该方法对上证综合指数具有更好的非线性拟合能力和更高的预测准确性。     

我国高速公路建设成本预测研究——基于BP神经网络的视角

本文通过分析高速公路工程成本构成,构建了影响工程建造成本的主要指标体系,根据十一五期间西部五省市部分高速公路的工程造价统计数据,建立一种基于神经网络造价成本预测模型。分析结果表明,影响工程造价的因素中设计因素最为关键,其次是施工工期及贷款利率因素。通过对样本的训练和验证,表明建立的神经网络预测模型具有真实性及可靠性。     

基于非节假日Elman神经网络的电力负荷短期预测

为降低节假日对预测工作的影响,将剔除法定节假日后的样本作为预测样本。以最大相对误差、平均绝对误差以及均方根误差作为模型的衡量指标,通过建立广义回归神经网络、小波神经网络与Elman神经网络预测模型对预测样本进行预测,最后仿真结果表明Elman神经网络预测模型能更好地提高预测精度。     

基于灰色LM-BP神经网络对第三产业综合指数的预测

第三产业发展趋势的预测对于国家或地方政府制定宏观政策有着重要的意义。为更加准确地进行第三产业的预测,从多角度选取指标,利用信息墒理论合成综合指标,建立灰色LM-BP神经网络对其进行预测,实证分析灰色LM-BP神经网络比单一的灰色预测模型和传统BP神经网络预测模型拟合和预测能力要好,说明了模型适应成都第三产业发展趋势的预测。     

基于支持向量机的上证指数预测研究

基于支持向量机的预测模型对上证指数进行预测,并将其预测结果与BP神经网络的预测结果进行对比,其结果表明,支持向量机的预测模型具有较高的拟合和预测精度并优于BP神经网络模型,且支持向量机预测方法计算速度快,准确率高,具有很好的推广应用价值。     

广义回归神经网络的金融预测模型研究

本文针对BP网络存在着收敛速度慢和局部极小的问题,提出了一种基于广义回归神经网络方法的金融预测模型,该网络运用于汇率模拟与预测,以演示训练样本的构建、原始数据预处理、神经网络的创建训练和检测结果的评价整个过程.通过详细的仿真实验以及与BP神经网络的比较可得出以下结论:该方法不仅运算速度较快,且逼近性能及预测性能明显都优于传统BP神经网络.     

RFID技术发展趋势预测研究

针对射频信号自动识别(RFID)技术发展受多种因素影响,变化趋势复杂,难以通过建立准确的数学模型进行预测的问题,本文提出了灰色动态模型对射频信号自动识别(RFID)技术发展趋势进行预测,在此基础上构造了灰色神经网络组合预测模型。该模型避免了变权组合预测模型的主观与繁琐,能有效地将灰色预测弱化数据序列波动性的优点和神经网络较强的非线性适应能力相融合。算例结果表明该方法的可行性和有效性,预测精度也得到了改善。     

灰色神经网络在股价预测中的应用

本文在深入了解股价的可预测性和研究各种股价预测的方法的基础上,探讨利用BP神经网络和灰色模型进行股价预测。以二者为基础,将BP神经网络和灰色模型预测模型的优点结合,提出灰色神经网络模型。该模型将灰色模型的预测值作为BP神经网络的输入变量,而以实际值作为输出变量对神经网络进行训练。     

基于神经网络的通货膨胀预测模型研究

本文采用神经网络的方法,利用消费者物价指数、工业增加值和货币供给等数据,分别以BP神经网络、RBF神经网络和Elman神经网络建立通货膨胀预测模型.三个模型预测结果表明,采用神经网络方法建立的模型能够较好地预测通货膨胀的变动.通过比较BP神经网络和Elman神经网络预测结果可以看出,带有反馈机制的神经网络模型预测性能优于一般神经网络模型.     

基于MATLAB动态神经网络在环境污染事件预测中的研究

本文基于MATLAB动态神经网络的背景,采用时间序列预测方法进行环境空气质量预测.以某区域空气污染源的排放数据为样本,建立环境污染事件基于动态神经网络时间序列预测模型来预测该区域环境空气质量数据,并与实际监控数据对比研究,寻找误差存在的原因进行修正,验证此方法的有效性.     

基于BP的CRM系统销售预测的数据挖掘

提出了一种基于改进BP神经网络的销售预测模型.该模型通过数据仓库获取销售历史数据,利用BP网络进行走势预测.系统采用VC++实现,取得成功.     

小波包与混沌和神经网络相结合的人民币汇率预测研究

为了更精确地预测人民币汇率,基于小波包与混沌和神经网络相结合提出一个三阶段时间序列预测方法。首先对汇率序列进行小波包分解,并对分解后所得到的各子序列作混沌分析与判定;然后,基于混沌理论与神经网络相结合分别构建各子序列的混沌-神经网络预测模型;最后,将各个序列的预测结果进行重构,得到最终预测结果。实证结果表明,该方法具有较高的预测精度,可以为人民币汇率提供更加准确的预测。     

基于ANN理论的企业现金流预测模型构建

本文分析了预测现金流对于企业运营的重要性,并在对现金流量预测的传统方法分析基础上,提出了神经网络预测法的适用性。由此建立了神经网络的现金流预测模型,并进行了实证分析。     

基于智能神经网络组合预测的国债利率期限结构建模与实证

作为整个经济活动的基准利率,国债的利率期限结构,全面而深刻地影响着市场上其他利率和资产价格的评估。在分析了传统的指数函数回归、BP神经网络单一预测方法的局限性后,本文建立了将不同单一模型的预测值进行集聚处理的神经网络组合预测模型,并对上海证券交易所20个不同待偿期限的国债品种进行预测和方差检验。实证结果表明,神经网络组合预测模型,能够充分吸收各单一预测模型的优点,扬长避短,削弱单一模型的不稳定性,增强预测的准确性、有效性。     

自组织FPNN在宏观经济预测中的应用

论文针对经济预测通常表现为复杂的非线性这种特性,提出了一种基于自组织过程神经元网络(FPNN)和改进的BP神经网络建立的经济预测模型方法。自组织过程神经元网络(FPNN)由输入层、竞争层和输出层组成。FPNN筛选出对因变量(网络输出)最有影响作用的变量(自变量)之后作为改进的BP算法网络的输入节点,再用进行学习。该模型不仅克服了时间序列预测模型只能进行线性预测的不足,而且还避免了传统神经网络的固有缺陷。以2001年到2004年国内生产总值作为预测分析样本,并对预测结果和实际值进行了比较分析,结果验证了该方法的有效性。     

遗传神经网络在电信业务收入预测中的应用研究

误差反向传播神经网络(BPNN)由于优越的非线性数据处理性能以及较强的学习能力而被广泛地运用于电信业务的预测当中。然而,神经网络常常存在着收敛于局部最优解、学习时间长等缺陷而影响其预测效果,而遗传算法(GA)是一种全局寻优搜索算法,能够有效克服上述缺陷。本文针对影响电信业务收入的主要因素,将BP神经网络与遗传算法有机结合起来,建立了相应的遗传神经网络模型用于电信业务收入预测,并利用实际数据进行效果验证。实验表明,该预测模型具有很强的学习能力和自适应性,其预测结果优于BP神经网络模型,而且具有良好的泛化性。     

基于GRNN神经网络的煤炭价格波动预测

本文提出了基于GRNN神经网络对煤炭价格波动进行预测的理论,通过GRNN神经网络,利用MATLAB和WEKA等软件以及粗糙集等理论分析并验证了国内生产总值、煤炭生产总量、消费总量等因素对煤炭价格波动的影响。成功实现了对煤炭价格波动基于GRNN神经网络的训练和预测;建立了煤炭价格波动的预测模型,大大提高了预测的准确度;基于GRNN神经网络的预测结果准确率为87.5%。结果表明:GRNN神经网络对煤炭价格波动的预测是较成功的。     

BP神经网络在贸易引致环境损害预测中的应用研究

贸易增长与环境损害之间的关系是多纬度、错综复杂的,又受到贸易政策、环境政策的影响,使得准确预测贸易引致的环境损害相当困难。在分析贸易与环境问题现状的基础上尝试运用BP神经网络模型从宏观上建立贸易增长与环境损害预测模型,采用MATLAB中神经网络工具箱实现多层前馈BP网络,结果证明所提出的方法成功的将神经网络模型引入贸易与环境问题定量预测研究中,并且得到预期误差范围内的预测结果。神经网络模型应用于中国贸易与环境污染预测的结果表明,该模型具有所需样本少,预测精度较高等优点,为研究贸易引致的环境污染预测提供了新途径。     

基于多因素分析的区域物流需求径向基函数网络预测

对区域物流需求量进行合理、精确地预测,能为政府部门科学制定物流规划、合理配置物流资源提供决策支持和依据。在对影响区域物流需求的多种因素进行全面分析以及物流需求量指标合理选取的基础上,采用径向基函数神经网络构建区域物流需求量的非线性预测模型,并以四川省相关统计数据为基础,对区域物流需求量进行了预测,取得了满意的预测结果。研究表明:该预测模型较全面地反映了区域物流需求量的变化规律,预测精度较高,泛化能力强,预测结果具有较高的可信性。