基于BP神经网络的资源型城市可持续发展指标预测

资源型城市可持续发展预测系统受到社会、经济、环境等各种因素的影响,采用传统方法对其预测比较困难。鉴于BP神经网络在非线性领域预测中的广泛应用,文章以包头市为研究对象,构建一个5—8—1结构的BP神经网络预测模型,借助Matlab工具对城市可持续发展指标进行了分析预测。结果表明,BP神经网络预测结果与实际数据的相对误差较小,精度较高。运用此模型预测包头市未来五年可持续发展水平是波动上升的。最后根据预测结果提出资源型城市可持续发展的建议。     

基于 BP 神经网络的资源型城市可持续发展指标预测

资源型城市可持续发展预测系统受到社会、经济、环境等各种因素的影响,采用传统方法对其预测比较困难。鉴于BP 神经网络在非线性领域预测中的广泛应用,文章以包头市为研究对象,构建一个5-8-1结构的BP神经网络预测模型,借助M atlab工具对城市可持续发展指标进行了分析预测。结果表明,BP 神经网络预测结果与实际数据的相对误差较小,精度较高。运用此模型预测包头市未来五年可持续发展水平是波动上升的。最后根据预测结果提出资源型城市可持续发展的建议。     

基于改进遗传BP网络在糖价预测的研究

首先采用灰色理论技术对市场糖价数据进行处理,而后利用改进的实数编码遗传技术优化神经网络权阀值学习训练,使其成为简单通用、快速收敛的改进BP模型。在此基础上,将该模型应用于一维的糖价市场实例预测,结果表明,提出的RINAGA BP预测模型在以糖价形式的经济数据模拟分析上,效率和精度有明显提高。     

基于小波-BP神经网络的风电场短期风速预测

对风电场风速进行较准确预测可以调整调度计划,有效减轻风电对整个电网的不利影响。文章将小波技术和神经网络相结合对风速进行短期预测。先对原始风速数据进行小波分解,再针对各小波分量分别建立BP神经网络模型进行预测,最后通过小波重构得到原始风速预测值。仿真结果表明,所提方法能够有效地提高风速预测精度。     

ARIMA与BP神经网络混合模型在广西GDP预测中的应用

为改进单纯使用ARIMA模型或BP神经网络模型对GDP预测的效果,笔者以1978—2008年的广西GDP为样本,首先建立ARIMA模型,得到拟合误差序列及2009—2015年的广西GDP的初始预测值,再对误差序列构建BP神经网络并得到2009—2015年的误差预测值,最后,用误差预测值对初始预测值进行修正,得到修正后的2009—2015年广西GDP的预测值。结果表明,ARIMA与BP神经网络混合模型的预测结果显著优于单一模型的预测。     

泥石流平均流速的PSO-SVM预测模型

泥石流平均流速的确定是泥石流防治工程设计的重要依据。由于泥石流系统复杂多样,各影响因素之间的不确定性强,故难以建立准确的物理预测模型。论文在阐述支持向量机(SVM)原理的基础上,采用粒子群算法(PSO)优化SVM参数,建立了PSO-SVM模型用于蒋家沟泥石流实测数据的训练和预测,并对比SVM模型和BP神经网络模型的预测效果。结果表明:SVM的泛化能力强于BP神经网络,更适合小样本情况下泥石流流速的预测。PSO-SVM模型较另外两个模型的预测效果更好,预测值更接近实际值,可为泥石流的治理与防治问题提供参考数据。     

基于BP神经网络的个人消费信贷风险识别

这是一种基于BP神经网络的识别个人消费信贷风险的方法,首先,须根据已知的银行客户资料数据建立单隐层的BP神经网络模型,然后,利用得到的模型对提出申请的客户根据其已有的消费信贷历史资料进行风险类型的识别.实例仿真结果表明,这个方法具有很好的实用性.     

基于BP神经网络的中国居民消费价格指数预测

本文采用归一化数据处理方法,建立了基于BP神经网络的中国居民消费价格指数预测的数学模型.经检验,该模型的预测值与历史值的系统总误差只有0.035%,并利用该模型对2010年中国居民消费价格指数走势进行预测,提出了相应的政策建议.     

基于BP神经网络电能远程计量系统的研究

本文利用BP神经网络强大的学习判断和分析预测能力对扫描的电能数据进行"学习",以达到对电能计量过程中计算机通过程序自动辨析视频采集的数据并形成最后的数据,实现电能的远程采集.     

基于GA-SVM的矿区采空塌陷预测模型

论文提出了用遗传算法(GA)优化支持向量机(SVM)来预测矿区采空塌陷的方法。结合某矿区的实际塌陷情况,选取了17组采空塌陷数据作为训练样本,以覆盖层类型、覆盖层厚度、地质构造复杂程度、矿区倾角、采空体积率、采空区距地表的垂深和采空区空间叠置层数7个指标作为模型输入,采空区稳定程度作为模型输出,构建GA-SVM矿区采空塌陷的预测模型。然后利用该模型对工区5组采空塌陷数据进行预测,其预测结果与实际情况相符。为了验证提出的模型的优越性能,将得到的结果与BP神经网络模型和常规SVM预测的结果进行对比了结果表明GA-SVM预测模型比BP神经网络和常规SVM具有更高的精度,进一步验证了该模型的有效性和可靠性。     

基于BP神经网络税收模型的经济分析

税收收入预测的解析分析困难,本文基于BP神经网络建立了税收预测模型。基于所建立的神经网络税收模型,分析了产业增加值、固定资产投资总额、进出口总额、财政支出总量、居民消费水平等若干经济指标的变化对税收收入的影响。本文的研究表明,采用神经网络对具有高度非线性的税收预测进行建模分析切实可行,具有推广应用价值。     

基于PCA-BP的地裂缝危险性预测

为了更准确地对地裂缝的危险性进行预测，以苏锡常地区地裂缝为例，构建主成分分析(PCA)-BP神经网络模型。利用主成分分析法五个影响地裂缝危险性的指标进行分析，包括导水系数、地下水位、黏性土层厚度、基岩埋深以及基岩起伏程度。通过线性变换排除这些影响因素之间的相关性，并利用各主成分的贡献率对分析后的主成分进行筛选，得到三个主成分指标。对三个主成分进行全新解释：其中，第一主成分主要反应工程水文地质对地裂缝危险性的影响，第二主成分主要反应基岩起伏程度，第三主成分主要反应基岩埋深情况；利用BP神经网络对地裂缝的危险性进行预测。结果表明，PCA-BP神经网络模型对地裂缝危险性的预测效果相较BP神经网络更与实际吻合。PCA-BP神经网络模型可以作为一种对苏锡常地区地裂缝危险性预测的手段；全面细致地进行了主成分分析与BP神经网络在实际应用时的建模过程与结果分析，为PCA-BP神经网络模型的实际工程应用提供了一个有效参考。     

人工神经网络的短期负荷预测模型

预测问题在科学技术领域有着广泛的应用背景。本文介绍了一种短期负荷预测的人工神经网络建模方法,利用前向多层神经网络算法,即BP算法,利用Matlab软件建立用于预测的BP神经网络,仿真结果表明,BP神经网络建模方法具有较高的精度,为高度复杂的非线性电力系统模型化提供了一条新途经。     

基于BP神经网络的制造业上市公司财务预警

采用BP神经网络方法,以263家制造业上市公司的截面财务指标作为学习样本,并使用76家制造业上市公司作为检验样本,建立了制造业上市公司财务预警模型。其研究结果表明与没有区分行业的通用预警模型相比,分行业的BP神经网络财务预警模型的预测精度有了较大提高,为广大投资者和监管机构预测公司财务状况提供了可靠的依据。     

我国地方政府性债务风险预警研究 ——基于BP神经网络的分析

通过地方经济发展指标、地方政府收支指标、地方公共风险指标和地方政府债务指标四个方面构建预警指标体系.基于BP神经网络模型对我国2016年的地方政府性债务风险进行非线性预警研究,因子综合得分表明2009年到2015年我国地方政府性债务风险处于相当不稳定的状态.BP神经网络预测结果则显示,2016年我国地方政府性债务风险处于高度风险区间,说明地方政府性债务风险性较大,应采取措施尽快完善地方政府债务风险预警体系.     

人工免疫神经网络在上市公司财务危机预警中的应用

根据我国证券市场和上市公司发展的现状,采用K-L信息量等方法选取财务比率指标和样本,使用人工免疫神经网络,以140家上市公司的财务指标作为建模样本,建立了财务危机预警模型,并使用同期不同的60家公司作为检验样本,对模型进行了检验.实证分析的结果表明,模型取得了91.7%判正率,高于使用BP神经网络对同一样本数据的预测精度87.6%.     

车道被占用对城市道路通行能力的影响

本文研究了在交通事故情况下,车道被占用对城市道路实际通行能力的影响。论文首先通过观察案例视频,统计交通事故所占车道不同对实际通行能力影响的数据,并通过SPSS软件进行拟合与分析;然后通过BP神经网络,构建车辆排队长度与事故横断面的实际通行能力、事故持续时间及路段上游车流量之间的非线性关系模型;最后,论文利用该BP神经网络进行实证分析,证明模型的实用性。     

基于BP神经网络的企业发展内部动力测量模型研究

为了评价企业发展内部动力,采用BP网络模型,选取企业的相关数据作为训练样本,样本数据输入后系统自动学习,当误差减小到要求的范围内,系统停止学习。将BP神经网络学习算法用M atlab软件进行运算,训练企业发展内部动力的神经网络模型,以此测量和评价企业发展内部动力的主要指标,从而改进和调整企业发展内部动力的相关因素。     

BTO环境下建材装备制造企业物料需求预测研究

分析了BTO生产方式下建材装备制造企业产品物料的组成特点,构建了虚拟产品BOM,在此基础上利用ABC分析法对物料进行分类,并建立了基于BP神经网络的物料预测模型。根据Z公司的实际物料需求,将该模型与传统预测方法进行了对比仿真实验,实验结果表明基于BP神经网络的物料需求预测模型比传统预测方法更可靠,更加接近企业实际,能有效提高预测精度。     

基于改进的BP-LM在中国人口老龄化预测中的应用

由于人口老龄化率的预测具有高度非线性特征，这与BP神经网络能够处理非线性问题的特征相符合，但BP神经网络算法易使解陷入局部极小。基于L-M算法的改进BP神经网络可以有效克服这一问题，而且收敛速度快。通过具体的仿真及实践结果验证了改进BP的有效性，并对未来五年的中国老龄化率进行了预测。