共查询到20条相似文献,搜索用时 31 毫秒
1.
本文采用Eviews及MATLAB软件建立多元线性回归模型及BP神经网络模型,探究传统多元线性回归方法与BP神经网络方法预测经济增长过程中的误差大小,为政府引导经济增长提供模型支持。 相似文献
2.
本文主要介绍了BP神经网络在现代企业经济实力评价体系中的应用方法和步骤,并介绍了BP神经网络学习算法中MATLAB的实现. 相似文献
3.
本文采用Eviews及MATLAB软件建立多元线性回归模型及BP神经网络模型,探究传统多元线性回归方法与BP神经网络方法预测经济增长过程中的误差大小,为政府引导经济增长提供模型支持. 相似文献
4.
分析了BP神经网络的结构及其算法实现流程,利用C++语言构建了BP神经网络的网络模型,并通过一个实例,展示了用面向对象来实现BP神经网络的优势。 相似文献
5.
基于遗传算法优化混沌神经网络的股票指数预测 总被引:1,自引:0,他引:1
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。 相似文献
6.
港口经济在世界经济中发挥着无穷的力量,也对港城临近区域产生了不同的影响在提供完善的交通设施等条件的同时,又使临近区域产业的积聚度与产业吸引力下降.本文按照港口对区域经济作用的空间层次性,划分了四种区位类型.通过重点分析港口经济对港城邻近地区的优势作用,探讨适合港城邻近区域经济发展的原则与模式. 相似文献
7.
8.
港口经济在世界经济中发挥着无穷的力量,也对港城临近区域产生了不同的影响:在提供完善的交通设施等条件的同时,又使临近区域产业的积聚度与产业吸引力下降。本文按照港口对区域经济作用的空间层次性,划分了四种区位类型。通过重点分析港口经济对港城邻近地区的优势作用,探讨适合港城邻近区域经济发展的原则与模式。 相似文献
9.
采用BP神经网络模型,利用MATLAB软件,通过沪深300指数2011年1月4日到2012年3月30日的开盘价、收盘价、最高价、最低价四组数据建立三层的BP神经网络模型,用前290天的数据对模型进行学习和训练,然后用后12天的数据对模型进行检测,最后对2012年3月15日的开盘价进行短期预测。结果表明,BP神经网络模型具有良好的泛化能力,在沪深300指数的预测方面有很好的预测能力,有很强的现实意义。 相似文献
10.
11.
以平衡计分卡理论为基础,建立企业ERP应用绩效评价指标体系.将BP神经网络应用于绩效评价中,以江苏某城市20家企业ERP应用数据作为BP神经网络的训练样本,用训练好的BP神经网络评价企业ERP应用的绩效,实证分析结果令人满意. 相似文献
12.
13.
本文在BP神经网络的基础上,利用2012年7月26日至2013年5月29日期间黄金期货的每日平均价与每日收盘价,对二者价格进行实际模拟和预测.模拟结果与实际相比,有较高的精度和较为稳定的预测效果,说明BP神经网络对黄金期货市场的预测是可行的. 相似文献
14.
15.
本文利用BP神经网络实现了对某电厂循环流化床烟气脱硫工艺的预测。论文简单介绍了BP神经网络,并对数据进行了分析。之后以用MATLAB7.0利用BP神经网络实现了对该数据的训练,通过确定各个影响因素的权值来实现预测的目的。 相似文献
16.
BP神经网络广泛的应用函数逼近、模式识别、分类、数据压缩等领域。给出了BP神经网络的经典学习算法——最速下降算法,并证明了该算法具有收敛到极小值的特性。最后将基于最速下降算法的BP神经网络应用于入侵检测,取得了良好的效果。 相似文献
17.
18.
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. 相似文献
19.
港城关系演变特点及对港口城市发展的启示 总被引:2,自引:0,他引:2
港城关系包括港城之间的经济关系、地理关系、管治关系与文化关系,这些关系具有多样化与复杂性特点,且始终处于动态变化之中。港口城市应准确把握港城关系演变的特点,在制定城市发展战略中,既重视港城关系,又不能夸大港口的作用,最大限度地促进新型港城关系构建。 相似文献
20.
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。 相似文献