基于RBF网络的股市混沌预测

根据股票市场具有动荡混沌的特性，以相空间重构理论和神经网络技术为基础，构建出股票价格短期预测的网络模型。用某股票的实际收盘价作为观测数据，通过训练RBF神经网络得到预测数据。结果表明，用径向基神经网络预测股价是可行的和有效的。     

基于RBF神经网络的GDP时间序列预测模型研究

对GDP进行高精度的分析预测,对制定经济发展战略、规划年度计划以及各种宏观经济政策,具有重要的理论与现实意义.本文采用RBF神经网络作为工具,建立基于RBF神经网络的GDP时间序列预测模型,并与ARIMA模型进行对比,对上海市22年的GDP数据进行了仿真实验.实验表明,ARIMA模型对上海市GDP数据进行预测的精度仅为91.8754％,而本文提出的RBF_TSF模型的预测精度则高达95.0360％.这表明本文提出的RBF TSF比ARIMA模型在GDP时间序列预测上具有更高的预测精度.同时该模型收敛迅速,具有很强的实用价值.     

基于异质主体模型与RBF神经网络的黄金期货价格预测

期货价格具有一定的非线性和随机性,因而难于预测。将期货市场上的投资者划分为基本面分析者和图表分析者。这两类投资者有不同的交易策略,以不同的方式影响市场上期货价格的形成。结合异质主体模型与神经网络技术,设计RBF神经网络的输入与输出,构建网络进行黄金期货价格的预测。     

基于改进BP神经网络的股票预测

股票价格走势已经成为人们关注的焦点,为了更精确的预测股票价格,得到更合理的股票投资意见.本文将附加动量法与BP神经网络结合,应用附加动量法去寻找BP神经网络的初始权值和阈值,并且应用主成分分析提取贡献率达到90%的主成分作为输入变量对股票进行预测,从而进行分析比较.实验结果表明,PCA-AM-BP模型在降低预测平均误差的同时,运行时间大大减少,加快了算法收敛速率.     

浅谈高瓦斯回采工作面上隅角瓦斯的综合治理

对于瓦斯矿井而言,煤矿生产过程中的最大安全隐患是瓦斯事故,瓦斯事故是我旧煤矿安全事故居高不下的主要矛盾,有效控制瓦斯事故是解决我国煤矿安全问题的关键。而我国多数煤矿均属于高瓦斯矿井,矿井瓦斯涌出量大,高瓦斯矿井在随着矿井开采深度的不断增加,瓦斯涌出量也随之加大,     

径向基神经网络模型在人口老龄化预测中的应用——以湖南省为例

人工神经网络具有良好的非线性映射逼近性能,在各类预测研究中得到了广泛应用。径向基函数神经网络（Radial Basis Function,RBF）因其网络学习速度较快且能避免局部极小值,预测值则更接近于真实值。针对湖南省老龄化突出的现状,以湖南省老龄化指数历史数据为基础,从经济水平、人口自然增长、社会保障三个方面构建湖南省老龄化的影响因子体系,用RBF神经网络方法建立了人口老龄化的定量预测模型。作为对比,同时用多元线性回归方法进行了预测,结果表明RBF神经网络预测模型精度更高,预测结果更加合理可靠。     

RBF神经网络在基于知识的供应链合作伙伴选择中的应用

借鉴人工神经网络理论,把RBF神经网络模型应用到基于知识的供应链合作伙伴评价与选择的研究中。首先结合基于知识的供应链发展现状,设计了合作伙伴评价指标体系,然后简要介绍了RBF神经网络,最后通过实例介绍了对合作伙伴进行评价与选择的方法,并与传统的权重评分法进行了比较。     

基于神经网络的股票指数预测

一、神经网络预测原理１．神经网络预测的原理人工神经网络，简称ＡＮＮ是一类模拟人脑功能的新的信息加工处理系统，其理论基础是神经网络的数学模型。神经网络系统中包含大量的基本信息处理单元，称为神经元或节点。神经元本身权做简单的信息加工处理，而神经元之间则是有十分复杂和丰富的相互联接关系，其中的联接强度用一种可变的权值表示。根据一定的学习规则，通过改变神经元之间的联接强度以适应所处理的问题，因而神经网络具有学习功能。神经网络对于处理那些因果关系不明确、知识背景不清楚、推理规则不确定的问题尤其具有独到之处…     

综合治理——杜绝矿井瓦斯事故的必由之路

只有对矿井瓦斯实行全员、全方位、全过程的综合治理,才能及时消除瓦斯事故隐患,从而杜绝瓦斯事故的发生。笔者仅就这个问题结合个人工作实践谈点初浅的看法。     

基于RBF神经网络的区域科技创新能力的综合评价方法

在建立区域科技创新能力综合评价指标体系的基础上,提出了一种基于RBF神经网络的科技创新能力综合评价方法,能够有效避免评价过程中的人为失误,最后,通过试验得出了令人满意的结果。     

知识型员工心理契约预测方法研究——基于回归树和RBF神经网络的学习算法

以知识型员工心理契约为研究对象,结合在国内三家知识型员工企业调研的实测数据,建立基于RBF神经网络的心理契约预测模型,同时为实现对RBF神经网络预测效率的优化,选择回归树与RBF神经网络相结合的方式,力求实现两者的优势互补,建立一个高效便捷的回归树与RBF神经网络相结合的知识型员工心理契约预测模型。结果表明:通过回归树、RBF神经网络预测数据结果与在三家知识型员工企业实际施测数据结果比较后发现,回归树与RBF结合的神经网络预测数据结果具有较高的准确性。因此,我们可以认为基于回归树的RBF神经网络的学习算法和以该算法为核心的知识型员工心理契约水平预测模型是有效的,该模型对知识型员工心理契约水平的预测具有较高的准确性。该模型能够替代以往对知识型员工心理契约主观预测的方法,使心理契约的预测过程更为高效,预测结果更加科学。     

基于神经网络的整合营销效果预测研究

整合营销作为营销学界的研究热点,在管理实践和学术界的共同探索下.逐步形成以理念为基础的理论体系.对该理论的定量化研究.使之更具科学性.将人工神经网络方法引入整合营销理论的定量化研究中,建立神经元网络模型,选取相似条件下的整合营销样本进行训练,然后将测试对象相关数据代入该模型中,预测出营销效果,为IMC战略制定者提供决策依据.     

基于神经网络的整合营销效果预测研究

整合营销作为营销学界的研究热点,在管理实践和学术界的共同探索下,逐步形成以理念为基础的理论体系。对该理论的定量化研究,使之更具科学性。将人工神经网络方法引入整合营销理论的定量化研究中,建立神经元网络模型,选取相似条件下的整合营销样本进行训练,然后将测试对象相关数据代入该模型中,预测出营销效果,为IMC战略制定者提供决策依据。     

基于小波神经网络的Shibor预测

上海银行间同业拆放利率（Shibor）的推出是中国利率市场化重要的一步。通过分别建立小波神经网络和回归时间序列组合模型预测2周品种Shibor并作对比分析,结果表明小波神经网络的拟合和预测精度较高,具有一定的科学性和实用性。     

基于神经网络的岩土工程预测

应用BP人工神经网络实现了对岩土工程安全监测数据的预测预报,并对预测结果进行了分析,说明了隐含层数对预测结果误差的影响.通过比对,选择了误差最小的较优组合对岩土工程进行预测.     

煤层底板邻近层走向长孔抽放瓦斯技术在回采工作面的应用

鸡西市碱场煤矿一井东一采区4#层右一走向回采工作面为该区东一采区4#层首采工作面，根据准备巷道掘进时该层瓦斯涌出量为2．8m／min，但回采邻近煤层3#（A＋B）层右一走向面时，瓦斯涌出量达到52m／min，3#层与4#层层间早期为33m。可采层以下50m范围内为煤层底板活跃压带，因此在回采4#层时必须考虑下邻近层3#瓦斯将大量涌入到4#层回采工作面，势必造成工作面瓦斯超限而威胁安全生产等问题。所以采用何种方法抽放瓦斯能够提高抽放效果，达到采面瓦斯治理的目的，是摆在我们面前的首要问题。     

基于并联神经网络的项目投资风险预测

本文在对项目投资风险因素分析的基础上,建立了一套能够模拟专家进行评价的神经网络模型。该模型不仅可以模拟专家对项目投资风险进行综合评价,而且可避免评价过程中的人为失误。仿真实验表明,采用该方法预测项目投资风险是可行的。     

基于经理人特征的财务报告舞弊识别模型的改进研究——来自中国上市公司的实证检验

运用RBF神经网络模型,以我国证券市场上因披露虚假会计信息而遭到证监会或财政部处罚的上市公司为研究样本,根据聚类原理,采用留一法交叉验证,分别对已有研究成果总结的22个特征构建的财务报告舞弊识别传统模型和引入经理人特征并整合后的31个特征构建的财务报告舞弊识别改进模型进行检验,结果表明,从训练误差和预测精度两个参数来看,引入经理人特征后的改进模型较传统模型的舞弊识别能力有所提高。     

基于BP神经网络技术的GDP预测方法

在一般的经济预测中,通常采用回归分析方法建立模型对GDP进行拟合,但由于经济系统的复杂性,许多回归模型尤其是线性回归模型难以达到要求的精度。本文采用BP神经网络方法建模,利用其自学习和非线性的突出特点,对GDP进行研究,并得到了对2009年我GDP较为满意的预测结果。     

基于MTS-Bagging神经网络集成的企业财务危机预测

在Bagging分类器集成算法的基础上,利用马田系统实现特征选择,提出MTS-Bagging分类器集成方法,并对4个UCI数据集进行数值分析。将MTS-Bagging神经网络集成方法应用于企业财务危机预测,利用2003—2008年我国330家上市公司的财务数据建立企业危机预测模型。实证结果表明,利用MTS-Bagging神经网络集成方法对财务危机的预测精度不仅优于单一分类器,也优于Bagging集成算法。