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。     

基于模糊神经网络的规制影响评估方法

通过对规制特征、规制影响结果特征和现有规制影响评估方法进行分析,构建了规制影响评估指标体系,并利用人工神经网络的自学习、非线性动态处理等特征建立了基于模糊神经网络的规制影响评估模型。     

人文经济地理空间的“三非”现象及其认知途径

地理事物非整数维的空间存在形式、非均匀的空间组合方式、非理想态的演变状态（简称“三非”现象），是人文经济地理空间存在与发展的常态，也是社会经济系统外在复杂性的重要体现。借鉴系统科学的研究成果，可较还原论、确定性理论更好地解释当前人文经济地理学所关注的这一空间复杂性。由此，文章梳理了自上世纪中期以来与人文经济地理研究相关的系统科学的发展历程，并以城乡过渡带为主分析了“三非”现象的内在机理、外在表象，探讨了当前中国人文经济地理学发展的局部理论困境及其解决途径。其目的就是要从非线性、系统整体性的视角，解释现实空间中看似“混乱”实则有一定规律可循的空间特征、演变态势、运行机制，进而为学界提供一个更科学、更贴近实际的认知途径。     

基于知识管理与BP网络的企业预警战略研究

知识管理理论为企业战略管理研究开辟了新的思路。明确知识和默示知识之间的转化原理为企业预警战略提供了理论基础；BP网络模型克服了传统模式难以处理高度非线性模型、缺少自学习能力等缺陷。通过建立在知识管理与BP神经网络基础上的企业预警战略模型的研究，证明BP网络模型能达到良好的战略预警效果。     

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…     

2009年广州CPI运行定量分析——基于改进的BP神经网络

当前，我国经济处于企稳回升的关键时期，支撑广州经济增长的因素有所增加，准确预见价格运行对经济决策具有十分重要的意义。鉴于BP神经网络模型具有很好地模拟非线性系统的优点，本文在对BP神经网络模型改进的基础上，运用该模型对广州2001～2008年前5个月月度CPI同比和环比指数进行了训练，对2009年广州后7个月月度和全年CPI同比和环比指数进行了预测。预测显示，月度CPI同比指数均呈稳步下降态势；CPI环比指数在8月份由负转正，11月、12月又开始进入负区间。分析显示，除非国家和广州进一步加大扩大内需等措施力度，否则2009年全年CPI同比指数将处于负区间运行，预计徘徊在95左右。     

生态经济系统发展演化与控制的理论研究

本文应用系统科学的理论和方法，对生态经济系统发展演化的涵义及其内部非线性动力学机制进行了理论探讨，并进一步导出了其最佳控制状态。最后，作者提出了生态经济系统控制的三大原则。     

区域企业群落向产业集群演化的自组织协同机制

企业群落是一个非线性复杂系统,是产业集群的初级阶段.产业集群是企业群落内的子系统在非线性相互作用下,通过激烈竞争与合作后达到协同的高效有序的自组织结构.本文从复杂性系统自组织理论的角度和协同学方法,考察和分析了区域企业群落向产业集群演化的物理过程和自组织机理,提出了区域主导产业是该系统的序参量,在演化过程中起着支配和主导作用.在一定程度上揭示了区域产业集群的生成及其演化规律.     

论生态经济系统稳态

本文论述了生态经济系统非平衡稳定态的概念、特性及其实现的途径。指出生态经济系统稳态,是非平衡的,对外全面开放、激烈竞争、充分利用涨落作用,对内协同、有序、自组织、自适应、自催化、且有非线性作用和支配性、良性运转、进展演替的耗散结构状态。生态经济系统平衡的提法应被生态经济系统稳态的概念所取代。     

RBF神经网络的研究

传统的BP神经网络存在结构复杂、计算量大的缺点,为克服BP神经网络这些缺点,我们研究更具有优势的RBF神经网络。RBF网络结构简单,是一个三层结构的网络,通过线性和非线性相结合,解决了非线性程度太高的问题。文章介绍了RBF的基本原理,学习了解RBF聚类算法的具体过程,并利用C＋＋编程语言将算法得以实现。在掌握输入样本大小的情况下,确定隐层单元个数,我们便可以通过该算法计算仿真实例,理论研究和仿真实例结果显示,RBF算法具有十分好的逼近效果。     

自组织理论及俄罗斯经济改革战略

本文作者认为．经济科学要解决转型问题,危机问题和经济增长问题．就应该吸纳自组织理论中的非线性复杂系统发展的最普遍规律,并与之融汇于一体。我们认为,自组织理论能够解答令我们感兴趣的一些问题。这里一定会是具体经济研究和普遍理论研究的结合点,这里也将是实用预测、经济模式和选择有效发展方式的科学基础。     

演化选择理论研究新进展

当代演化经济学的发展总是和生物学有着密切的联系，其方法论要么采取生物学隐喻，要么直接将社会经济系统的发展类比于生物演化。Dawkins（1983）更是将此称为“综合达尔文主义”（universal Darwinism），认为达尔文的演化选择理论普遍适用于一切复杂、开放的系统。随着近年来演化经济学的迅猛发展，尤其是自组织理论和非线性动力学理论的兴起，演化选择理论的内核受到越来越多的挑战。     

机器学习在股价预测中的研究综述

自股票市场成立以来,人们采取不同的方法对股票价格进行研究分析,从简单的线性回归到非线性拟合,运用了多种方法进行尝试,并通过各种算法进行优化。随着深度学习的爆发,研究者们尝试使用深度学习进行股价预测的相关研究,利用卷积神经网络的特征提取能力、循环神经网络对时间序列的有效处理以及通过数据挖掘对股票数据进行分析等多种方法并取得了较好的成绩,从而使股票预测更加智能化。文章通过对股价预测研究方法的发展变化进行综述,重点关注深度学习在股价预测中的应用,最后对其后续发展进行了总结与展望。     

神经网络预测模型在A股市场预测中的应用

神经网络是由具有适应性的简单单元组成的广泛并行互连的网络，它的组织能够模拟生物神经系统对真实世界物体所作出的交互反应。BP网络是最常用的神经网络模型，在处理股价预测这种复杂、模糊、非线性的时间序列预测问题方面有其特有的优势。本文对沪深300指数1000交易日的实证研究表明，神经网络对中国股票市场具有较好的预测能力。     

相空间重构与神经网络相结合的预测方法研究

相空间重构技术与人工神经网络作为处理非线性系统问题的有效工具,文章通过介绍两者技术原理,寻求二者的结合点,提出了相空间重构与神经网络相结合的时间序列预测方法,并将其用于国际原油价格预测,经实证分析,该方法具有一定的准确性和有效性。     

基于城市创新的产业集群生态:系统关联对接与结构演化

基于城市创新形成的产业集群生态系统是一个具有开放性和远离平衡的经济、科技和社会共生发展的复杂系统。城市创新与产业集群在依存空间、创新系统、功能目标及生态特征等方面的关联对接,是集群生态系统形成与发展的基础。系统内各要素联系互动形成的"两层四群"网络结构,决定着系统功能。在非线性作用下,各要素竞争协作,形成了系统的自组织演化机制,推动了系统的演化发展。     

基于神经网络的油田开发经济可持续发展评价

文章在构建油田开发经济可持续发展能力评价指标体系的基础上,提出了一种基于三层前馈神经网络的评价方法。该方法用三层前馈神经网络建立评价指标和评价结果之间的非线性映射关系,用BP算法优化神经网络权值完成网络训练。以中国2001年—2005年的油田经济可持续发展评价为例,验证了方法的有效性和可行性。     

区域经济发展系统及系统的发展——理念及方法探寻

区域经济因其内部众多要素之间复杂的相互关系，使其整体的发展难以用传统的将各要素简单相加的线性思维方式和研究方法来把握。系统论为更科学地考察区域经济发展规律提供了理论基础。本文应用系统论的有关知识，对于区域经济发展系统的空间界定、区域经济发展系统的研究方法和内容、区域经济系统发展的概念以及区域经济系统的演化发展的基本条件、系统发展的作用力、系统发展状况和发展的阶段等区域经济系统发展的基本问题进行了尝试性的探讨。     

基于时间序列的BP神经网络预测鄂尔多斯市的GDP

国内生产总值(GDP)是制定经济发展战略、规划、年度计划以及各种宏观经济政策的重要依据,研究GDP预测方法具有重要的现实意义。在对鄂尔多斯市GDP数据序列分析的基础上,考虑到BP神经网络可以通过简单非线性函数的复合能够实现对于复杂函数的映射,本文采用BP神经网络方法来预测鄂尔多斯市的GDP,取得了较好的预测效果。     

汇率预测的神经网络方法及其比较

浮动汇率兴起以来,大量的参数方法和非参数方法被用于汇率预测,神经网络是其中的一种.神经网络方法在汇率预测中的应用有三种不同的方法:同质神经网络模型、异质神经网络模型和神经网络组合模型.本文讨论了三种神经网络预测模型的特点以及局限性,并通过时这三种方法的比较得出结论:神经网络组合模型充分考虑了汇率的线性特征和非线性特征,比同质神经网络和异质神经网络预测模型更系统、更全面,能更好地进行汇率预测.