特高压输电线路工程造价预测模型研究——基于因子分析及BP 神经网络

本文在对特高压输电线路工程进行项目划分的基础上,分析识别出影响特高压输电线路工程造价的主要因素,并使用因子分析法对其中18 个主要影响因素进行度量,将得到的5 个因子作为输入、工程单位造价作为输出,构建了基于BP 神经网络的造价预测模型,以国内已建和在建的9 个特高压输变电工程中的75 段输电线路工程数据为样本进行了实证研究,结果证明预测模型对特高压输电线路工程造价进行预测具有可行性和较高的准确性,为特高压工程全生命周期内管理优化提供了一种新的思路和实现方法。     

基于BP神经网络的黄金期货价格预测

在期货市场交易策略中,用预测目标作为衡量买卖时机交易的思想,是主流思想中的重要分支之一。为解决期货价格预测问题,文章对使用BP神经网络预测的方法进行探索。笔者以黄金1305期货合约2008年5月23日到2013年4月25日收盘价共857个数据为依据,建立了可自动调节参数的BP神经网络模型,并利用该网络对收盘价和收益率序列进行了滚动预测,根据预测结果进行期货品种的买卖。依据所构造策略进行交易,在模拟交易中获得了不错的收益。     

灰色神经网络模型应用于证券短期预测研究

证券市场中存在大量的非线性及混沌现象使得许多基于证券投资理论建议的各种线性模型在对其发展进行预测时往往得不到很好的结果。利用两种非线性预测模型并充分考虑各技术指标之间的序列相关性,在灰色GM(1,1)预测模型的基础上提出了组合灰色神经网络预测模型。通过对近期深证成指及首钢股份进行短期预测和检验,结果表明了该方法具有很高的精确度及广泛的应用前景。     

灰色理论在煤炭生产成本预测中的应用研究

煤炭生产成本预测是一个非常复杂的问题 ,这是由煤矿生产的复杂性及生产成本的各组成要素决定的。煤炭生产成本不仅与煤层的赋存条件 ,水文地质情况 ,采煤方法 ,水、火、瓦斯等因素有关 ,而且与煤炭生产管理、组织和矿用材料价格关系密切。正确地进行煤炭生产成本预测对制定成本计划和生产组织 ,从而有效地提高煤炭企业的经济效益是十分有益的。众所周知 ,影响煤炭生产成本的各要素中 ,有的是已知的 ,如煤炭生产组织管理方式、采煤方法等 ,但更多的因素是未知的 ,随着采煤工作面的推进围岩的变化情况 ,水、火、瓦斯的变化情况以及矿用材料价…     

基于DEMATEL的输变电工程造价影响因素研究

为满足外部对标国家能源局造价分析和内部公司造价精益化管理需要,各级电网公司在工程项目投资方面改变以往粗放的投资管理模式,全面提升造价服务于电网建设的能力和水平,引领工程造价管理的创新。     

基于改进BP神经网络的蜂窝纸板缓冲特性模型

本文利用BP神经网络在非线性建模方面的特殊优势,建立了蜂窝纸板缓冲特性的神经网络模型,并通过动态调整权值改进了BP神经网络的收敛速率。用MATLAB软件进行仿真试验,结果表明:蜂窝纸板的神经网络特性模型能较好地模拟实际的蜂窝纸板缓冲特性,可用于缓冲包装设计。     

基于灰色模型的国际能源需求预测

本文在阐述全球能源需求现状的基础上,采用灰色预测法对全球2012～2015年的石油、天然气、煤炭、核能、水电、可再生能源和总的一次能源的需求量进行了预测,并分析了未来全球能源的需求趋势、需求结构和需求增长速度等方面的特点.据此,提出了我国未来能源开发和利用的建议,包括科学开发勘探能源,提高能源利用效率,加大可再生能源的开发和利用,建立能源战略储备和加强国际合作、减少能源消费量等.     

基于DEA和BP神经网络基金最优增长率预测

DEA是一种广泛运用于相对绩效评估的系统分析方法.以基金的期初单位净值、单位费用和标准差三个指标作为输入,单位净值增长率作为输出,通过DEA计算出24支封闭式基金从2001年到2006年的最优投入和产出.进一步用BP神经网络来拟合最优投入与产出的函数关系,通过加入各年宏观经济变量,使得训练出的神经网络可以用于对最优户出的预测.文中预测出2007年的各基金单位净值增长率,并与前35周的实际运营结果进行对比,得出了预测中单位净值增长率高的基金,实际运营中相对效率也较高的结论.     

基于BP神经网络的乡镇污水处理厂建设成本估算模型研究

污水处理设施建设是深化供给侧结构性改革“三去一降一补”政策中“补短板”的重点任务,持续推进乡镇污水处理设施建设是改善农村人居环境、提升农村基本公共服务水平、建设美丽乡村的重要举措。为研究目前乡镇污水处理厂建设成本结构的情况,文章选取我国某地区乡镇污水处理厂数据样本为研究对象,对乡镇污水处理厂的建设年份、日处理能力、处理工艺、运行参数、出水标准、建筑工程成本、安装工程成本、设备购置成本、总成本费用等参数进行综合分析,同时使用MATLAB建立BP神经网络模型,以期为乡镇污水处理厂建设成本快速估算提供数学模型参考。经过验证测试,在准确采集项目的特征元素、科学的训练模型方法的前提下,使用BP神经网络建立模型,估算项目的成本是可行的。     

基于BP神经网络的煤矿突水预测系统的设计

BP神经网络是一种具有自适应、自学习、高度非线性的神经网络,只要有对应的输入输出数据样本,无需了解其内部的具体逻辑关系,就可以根据新输入得到相应输出。将神经网络用于突水的预测,使用一组实际数据作为样本,对神经网络进行训练,测试,得到一个能够进行突水预测的网络。     

基于SSA优化BP神经网络的农村公路造价预测研究

针对目前农村公路造价估算存在的问题,结合神经网络和麻雀搜索算法各自的特点,提出基于麻雀搜索算法(SSA)优化BP神经网络的造价预测模型.结合农村公路造价的影响因素,利用已建农村公路造价资料,运用MATLAB软件进行仿真实验,并将SSA—BP算法预测结果与BP、RBF神经网络预测结果进行比较.     

BP神经网络对烟草销售量预测方法的改进研究

针对烟草销售量传统预测方法的不足,本文结合实际,应用BP神经网络模型对其进行了改进:把实际误差看作一组序列,进行逼近模拟,作为一个单独量加入最终结果,提高了预测的精度.本文的思路和方法可推广到其他社会经济数据序列的预测中去.     

基于BP神经网络对矿井瓦斯涌出量的预测

为了更加准确地预测出矿井瓦斯涌出量,设计出基于留一法交叉验证BP神经网络的瓦斯涌出量预测模型.其中,采用了交叉验证的办法对BP神经网络的测试集与训练集进行优化,并选取了影响瓦斯涌出量的13个因素作为预测指标,将每一次交叉验证的测试集组成新的数据集合.通过测试集预测瓦斯涌出量,得到决定系数为0.978,优于传统神经网络的...     

电网工程造价管理成效评价模型构建

造价管理关系到电网工程整个寿命周期的资金、进度等各个方面.加强造价管理一方面可以为工程顺利完工提供保障,另一方面可以助力企业降本增效,提高投资效率.为更有效、多角度地反映工程造价管理问题,更好地识别影响工程造价管理的责任主体,电网企业深入研究造价管理成效评价指标,构建造价管理成效评价模型.     

BP神经网络在药品销售预测中的应用

目的对药品销售情况进行科学的分析和预测,为合理制订药品采购计划提供参考。方法利用BP神经网络的数据分析、统计、对非线性数据进行拟合等功能,对药品未来的销售量和销售趋势进行分析和预测。结果BP神经网络仿真预测的药品销售量与实际销售量无显著性差异。结论BP神经网络在预测药品未来销售量上具有实际应用价值,为合理制订药品采购计划,降低药品流通成本提供参考依据。     

基于多元线性回归与BP神经网络分析的失业预测建模实证研究

本文首先构建失业综合指数及其测算指标体系,用来客观地反映失业状况;其次通过文献研究、发放问卷调查等分析方法,并在考虑数据可获得性、可靠性等前提下,初步整理出影响失业的相关因素,以2000~2012年各季度对应的数据,对失业综合指数及其影响因素进行多元线性逐步回归分析,从中筛选出影响显著的因素,构建失业综合指数预测模型。同时基于线性相关分析筛选的结果,构建BP神经网络预测模型,同样对失业状况进行预测,并与多元回归预测模型的预测结论进行比较,结果发现后者预测性能高于前者。     

灰色神经网络在轴承故障预测中的应用

为提高旋转机械中滚动轴承故障预测的精度,提出灰色神经网络预测模型。利用训练样本数据,使用灰色神经网络模型完成训练过程;基于已训练好的模型对未来时间点的运行状态进行拟合,实现轴承的故障趋势预测。相比采用单一的BP神经网络预测模型,该组合模型具有较高的精度,对轴承故障趋势预测有一定的现实意义。     

基于BP神经网络的黑龙江省煤炭产业发展前景分析

运用BP神经网络模型对黑龙江省煤炭市场需求进行了预测,并采用生产收入弹性、需求收入弹性和需求生产弹性差值对黑龙江省煤炭产业发展前景进行了综合分析,分析结果表明,黑龙江省煤炭产业在未来几年具有良好的发展情景和广阔的市场需求。     

基于灰色预测模型的上海市实际利用外资预测

经济预测的模型有很多种,但通常需要大量的统计数据为基础。而灰色预测所需的历史数据少且预测的结果准确性高。基于灰色预测模型作上海市实际利用外资额的预测,预测结果与上海市2002~2008年的统计年鉴数据进行验证,平均误差在2%以内,精确度相对可靠,因而灰色模型预测为该宏观经济预测提供了一种可行性选择。     

基于BP神经网络的天然气集输管道结垢趋势预测方法研究

随着国内油气田开采进入中后期,天然气集输管道内的含水率逐渐升高,而采出水中存在大量的成垢离子,在管道的运行过程中,由于管道沿线温度、压力等条件的变化,极易在管道内结垢,降低管道的输送效率,甚至堵塞管道,造成严重的安全隐患。因此,文章为了探究天然气集输管道中的结垢趋势,基于BP神经网络,建立、训练和测试天然气集输管道结垢趋势预测方法,并通过结合现场实际结垢情况,进一步验证了该方法。该方法的应用,可以更加快速、有效的预测天然气集输管道结垢趋势。