我国高校债务风险动态预警模型研究

目前,高校负债日趋严重,所面临的债务风险受到广泛关注,如何对高校债务风险进行动态预警尤为重要。文章综合考虑影响高校债务风险的各种因素,选取了10个财务指标和4个非财务指标,利用样本数据,运用主成分分析法算出主成分的综合得分,分别运用模糊隶属度与BP-神经网络分析法,对高校债务风险综合评价比较。实例验证主成分-BP-神经网络分析模型更优。     

四川北部山区输电线路工程可研投资估算模型研究

四川北部山区输电线路工程具有独特性。一种简洁有效的可研投资估算方法和模型在理论上和实际工作中都意义重大。神经网络的非线性、自学习的特点,非常适合建立输电线路工程的投资估算模型。模型选取电压等级、线路长度、导线截面等8个输入变量,建立三层神经网络结构,用收集的训练样本训练神经网络模型,测试样本测试模型。测试结果表明模型效果良好。模型使用者无需掌握过多技术细节,适合于投资发展部门估算,前景良好。     

P2P网贷个人信用风险评估模型研究——基于混合果蝇神经网络的方法

P2P网贷在爆发式增长的同时,也面临着重大的信用风险,个人信用评估是降低信用风险的重要方法。根据P2P网贷自身的特点,对影响P2P网贷借款人信用风险的因素进行分析,引入互联网信息领域特有的风险因素,建立了P2P网贷个人信用风险评估指标体系。基于该指标体系,考虑P2P网贷中"软信息"较多、"硬信息"缺失的特点,提出了基于BP神经网络的信用评估模型。为了提高BP神经网络的收敛速度和精度,将改进的果蝇优化算法作为BP神经网络的学习算法,对神经网络的权重进行训练。通过"人人贷"平台收集的样本数据进行实验验证。结果表明:改进果蝇神经网络评估模型比传统BP神经网络模型有更强的学习能力和预测能力,是P2P网贷个人信用风险评估的有效方法。     

基于孤立点消除合理选择训练样本的物流预测

为了提高物流需求的预测精度,提出一种基于消除孤立点合理选择训练样本的物流预测(IFCM-RBFNN)。首先采用密度方法识别和剔除原始物流需求数据中的孤立点,消除孤立点对聚类结果的不利影响;然后采用模糊均值聚类(FCM)算法对物流需求数据进行聚类,选择最优训练样本集;最后采用RBF神经网络建立物流需求预测模型,并采用仿真实验对其性能进行测试。仿真结果表明,相对于对比模型,IFCM-RBFNN提高了物流需求的预测精度,预测结果更加可靠。     

市场情绪对股票走势的影响分析及预测

为探究投资者情绪对股票走势的影响,利用R软件的爬虫技术将人们对股票市场的看法抓取下来,将文本中的隐含情绪分为积极、消极及中性3种类别,并依此构建情绪得分作为市场情绪量化的结果.利用单位根检验等方法对上证指数与投资者情绪的因果关系进行探究并建立VAR模型.为更好地判断市场情绪对股票走势的影响程度,分别构建加入情绪得分前后的BP神经网络模型对上证指数收益率进行预测,比较两个模型的优劣,从而发现当股票预测模型加入市场情绪指标后误差更小,预测更为准确.     

矿井通风三维可视化系统及优化

系统建立了三维仿真框架,建立了三维空间属性模型和非空间属性模型,分别对空间数据和非空间数据进行储存和管理。并建立了Hardy-Cross迭代模型和离散反馈型神经网络模型优化通风网络模型。并以C#语言来实现系统的功能。     

浅谈选煤厂建设投资估算影响因素及改进措施

本文对选煤厂建设工程投资估算中影响准确性的因素进行了分析,并结合BP神经网络理论基于Matlab软件对选煤厂带式输送机及栈桥单位工程进行了数值模拟,通过对比数值模拟结果与概算指标估算结果,详细阐述了可以提高选煤厂建设工程投资估算准确性的几点建议。     

电梯故障诊断中神经网络技术的应用

随着城市高层建筑的不断增加,电梯已经成为了人们最为重要的垂直交通工具。电梯标志了人类的物质文明,然而在实际生活中电梯由于故障问题给人民造成的损失也是巨大的,传统的人工仪器诊断准确率过低,这就要求有更好的故障诊断技术来保证电梯的可靠性。文章介绍了电梯的运行原理,引入了依托于人工智能的神经网络技术,详细介绍了电梯故障诊断中不同的网络应用类型,它的网络结构与基本原理并且简单的介绍了两种新兴的神经网络模型。     

基于RBF神经网络与德尔菲法的小微企业估值方法研究

近年来,在大众创业的热潮下,一大批初创企业纷纷成立起来,其中大部分都是创新型小微企业。在这些创新型小微企业的运营过程中,企业的管理、融资以及并购事项都与企业的估值密切相关。但遗憾的是,目前创新型小微企业的估值在实务中仍然缺乏准确性与客观性,有许多亟待提升与改进的地方。本文在结合经典文献与实务调查的基础上,选取了12个指标作为小微企业估值的影响因素,并提出了以德尔菲法和RBF神经网络相结合的小微企业估值方法,结合新三板数据进行实证分析,验证了模型的有效性与可行性,为小微企业估值提供了一种新思路。     

基于深度信念网的公共自行车租赁单站点调度需求量研究

目前公共自行车租赁的合理调度对提高公共自行车的使用效率至关重要,其关键在于对未来公共自行车的需求量进行精准的预测.通过多层受限玻尔兹曼机来实现自主学习特征;然后再用学习好的特征来实现BP神经网络对单站点借车频次随时间分布的规律进行预测.实际需求曲线与预测曲线拟合良好,证明了本文提出的预测的方法有效可行.