证券市场预测的小波神经网络模型

本文首先讨论了证券市场的各种影响因素,然后运用小波神经网络模型的非线性映射能力、模式识别能力和强容错性,提出了一种基于小波神经网络的证券市场预测的通用模型。     

基于神经网络的药品需求组合预测研究与应用

药品的市场需求预测是制药企业生产控制中的重要组成部分,具有复杂的非线性特点。本文以制药企业的药品需求预测为研究对象,通过分析药品需求的特征,建立了基于神经网络的组合预测模型。本文选择3种具有互补特征的神经网络预测方法（BP神经网络的预测方法、RBF神经网络的预测方法和GRNN广义回归神经网络）分别对药品需求进行预测,然后在此基础上使用平均绝对相对误差（MAPE）为最优准则,通过求解二次规划问题得到权重并按照一定的规则进行变权,从而建立了基于神经网络的药品需求组合预测模型,最后对该模型实际应用的精度和稳定性进行评价。实验表明,本方法能够提高预测精度、稳定性,并扩大了模型的适用范围。     

基于模糊神经网络的信贷风险组合预测

本文在对银行信贷主流测量方法进行比较的基础上,提出了基于模糊神经网络的信贷风险组合预测评估方法,该方法综合考虑了财务和非财务因素对信贷风险产生的影响,信贷风险分析结果即模糊神经网络的输出不是通常的违约与不违约两种分类,而是对应于违约风险五级分类的肃属度,从而更加逼近贷款的现实决策。     

基于BP神经网络的灰色组合预测

本文主要从建模机制方面考虑,采用灰色新陈代谢模型,新初值模型,改进离散灰色模型,对我国人口进行建模,结果表明,这三个模型都能提高模型的预测精度。最后,针对单一模型的预测方法都会存在某些不足,本文从数据挖掘角度出发,引入BP神经网络,对上面GM（1,1）的改进模型,进行组合预测,并用实例证明了这一模型的可行性。     

组合预测方法研究综述

相较于传统预测方法,组合预测在预测精度以及信息的利用上得到了很大的提高。文章将组合预测分为了线性与非线性两类,总结了5种主要的组合预测模型以及各种组合系数的计算方法,分析了组合预测未来的发展趋势。     

铁路货运量的组合预测方法研究

铁路货运量预测作为铁路运输生产的基础工作之一,是铁路企业制订正确的营销战略的前提.在现有的铁路货运量预测模型中,采用的方法不同,预测的结果也不尽相同,而组合预测方法能够结合各种预测方法的有用信息,对目标进行科学的预测.本文探讨了在非负权重条件下,线性组合预测和非线性组合预测的模型,并以历年的铁路货运量为实例进了论证,实践结果令人满意.     

基于AIW-PSO小波神经网络的上证指数预测

针对小波神经网络(Wavelet Neural Network,WNN)的学习算法的不足,采用一种自适应惯性权重粒子群优化算法(Adaptive Inertia Weight Particle Swarm Optimization,AIW-PSO)作为小波神经网络的学习算法,建立AIW-PSO小波神经网络模型对上证指数进行预测,并将预测结果传统小波神经网络模型比较。结果表明,AIW-PSO小波神经网络模型对上证指数具有更好的预测效果。     

物流企业运营成本的小波神经网络预测方法

随着我国社会主义市场经济的逐步深入,物流企业对成本控制的要求越来越迫切,为有效进行物流运营的成本控制,文章引入小波神经网络方法探索对运营成本的精确预测,根据物流运营成本的变化规律,建立了物流企业运营成本的小波神经网络预测模型,选用Morlet小波进行成本模拟,采用共轭梯度法进行迭代求解,并应用某物流企业的运营成本进行了实例分析,为物流企业进行运营成本控制提供了一种行之有效的高精度预测方法.     

基于小波的灰色动态组合模型及其在变形预测中的应用

针对GM(1,1)模型对随机波动性较大的数据列拟合较差,预测精度低的缺点,提出了基于小波理论的灰色动态组合模型,结合实测数据的研究表明,该模型预测精度远高于单一的灰色模型。     

基于人工神经网络组合的消费预测

消费是宏观经济发展的重要环节。文章通过把线性预测与神经网络的非线性预测相结合，并把这种“复合”预测的结果作为单项方法的预测值再次利用神经网络确定组合权重进行进一步的预测，结果表明取得了不错的效果，可以为把握消费增长的趋势．扩大消费需求的规模提供数据依据。     

基于BP神经网络的铁路货运量组合预测

在介绍了BP神经网络及组合预测的基础上分别采用灰色预测法、S曲线以及指数函数对昆明市铁路货运量的历史数据进行了单项拟合预测,再利用BP神经网络对三项拟合预测结果进行了组合预测.结果表明,基于BP神经网络的组合预测方法比单一预测方法在预测精度上有很大提高,验证了该方法的有效性.     

基于小波神经网络的标高金预测方法研究

<正>自2000年《中华人民共和国招标投标法》实施以来,建设项目招投标活动日趋普及,目前比较推行的评标方法——经评审的最低投标价法,即能够满足招标文件的实质性要求,并且经评审的最低投标价的投标人     

基于神经网络的光伏短期出力预测

本文分析了光伏发电设备的输出功率与影响天气的因素之间的相关性,影响天气的因素包括辐照度、温度、湿度、天气类型和季节。其次,在此基础上,分析了小波神经网络的相关理论,完成了小波神经网络的预测模型设计,而后,提出了一种基于气象因素寻找相似日的方法,并基于光伏电站的历史气象信息创建了特征向量,并通过计算灰色关联度来确定预测日相似日的样本集。最后,将相似日算法和小波神经网络创建光伏电站的短期电力预测模型。预测结果表明,基于神经网络的预测模型在一定程度上有参考利用价值。     

基于小波神经网络的军用物资消耗量预测模型

为解决军用物资消耗问题,设计了基于小波神经网络的军用物资消耗量预测模型,运用MATLAB仿真实现算例,并对小波神经网络的预测值进行检验。结果表明:该模型能有效消除现实环境中的不确定因素对军用物资消耗预测的影响,控制预测值和实际值之间的误差,实现对军用物资消耗量相对准确的预测。     

基于灰色神经网络的咸宁市财政收入预测研究

在介绍灰色神经网络模型原理的基础上,以湖北省咸宁市为例,利用灰色神经网络模型预测出2011-2014年咸宁市财政收入,由于灰色神经网络模型考虑了多指标的共同作用,具有更好的预测效果。     

自组织组合预测方法及其应用

本文基于自组织数据挖掘的理论与方法，提出了自组织组合预测法，与一些常见的组合预测方法比较，该方法不仅改善了对数据样本的拟合精度，而且显著提高了模型的预测能力。实证分析证实了这一结论。     

基于BP神经网络的企业财务危机组合预警研究

本文根据组合预测比单项预测具有更高预测精度的原因,采用基于BP神经网络的非线性组合的预测新方法,构建财务危机预警模型,并进行实证研究.通过与Fisher判别分析模型和Logistic回归模型的预测结果对比表明,组合预测方法有效提高了预测精度,具有很好的适用性和优越性.     

基于小波神经网络的人脸识别算法研究

利用小波神经网络建立了人脸识别算法,并且利用MATLAB软件编制的仿真程序,进行了仿真分析,仿真结果表明,该方法具有较高的人脸识别精度。     

基于BP神经网络的货运量预测方法

总结了常用的几种定量预测方法,并指出其在实际应用中的不足。而人工神经网络自身具有鲁棒性、容错性、有表示任意非线性关系的能力和学习能力等特性,为预测技术提供了一种新的思想和方法。最后把这种预测方法应用于物流预测取得了满意的结果。     

基于小波分析方法的非线性时间序列模型及其应用

本文主要探讨了非线性时间序列中的异方差双门限自回归模型(DTARCH)的门限和延时的小波辨识方法,并利用相应的股市数据对此模型进行了实证分析。