模糊优选和神经网络结合:保险业经营风险预警的有效方法

我国保险市场具有有效数据少的特点。基于模糊优选和神经网络的保险企业经营风险预警方法。是一种有效、科学监测保险风险的方法。它的引入和运用，为我国保险企业经营风险的动态预警提供了新的途径。     

基于最优组合预测模型的港口集装箱吞吐量预测

根据港口集装箱吞吐量非线性增长等特点,建立了三次指数平滑预测模型、灰色系统预测模型及BP神经网络预测模型等单项预测模型。鉴于单项预测模型的局限性,提出了以测试数据的预测误差绝对值加权和最小为最优化准则的最优组合预测模型,采用线性规划的方法确定最优组合的权系数。最后,给出一个实例进行应用和分析。     

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。     

基于集成学习的多式联运货运量预测模型构建

货运量精准预测是多式联运网络高效协同发展的重要基础,货运量时变性强、数据多样性缺失是实现精准货运量预测的问题所在。基于此,通过挖掘货物运输量(集装箱)的时间变化特征,构建初始相关时间特征输入集,结合斯皮尔曼相关性系数分布,采用Bagging+BP集成学习方法训练多个弱分类器,最终组合获取高精度的强学习模型。以南京龙潭港为例,对自回归移动平均模型(ARIMA)、Bagging+BP集成学习网络以及长短时记忆神经网络(LSTM)三种模型进行评价,实验结果表明,相比于其他模型,提出的Bagging+BP集成学习网络预测性能良好,有一定的实用价值。     

基于主成分分析-BP神经网络的道路客运站场布局决策研究

为解决输入变量过多所造成的BP神经网络系统效率下降问题,提出一种主成分分析-BP神经网络的道路客运站场布局决策方法。首先,利用主成分分析方法,将个数较多的原始输入变量群变换为一组个数较少且彼此独立的新输入变量;然后,将新的输入变量群作为BP神经网络的输入进行道路客运站场的布局决策;最后,以廊坊市道路客运站场布局为例验证了方法的有效性。     

基于BP神经网络的订单式供应链采购提前期研究

采购对于订单式供应链具有重要的作用,采购提前期制订的合理与否直接影响到企业生产过程和订单的顺利交割。随着市场竞争环境的供应链化,对于供应链中进行生产加工活动的企业,越来越多的生产设备、原材料等生产投入要素需要相应的配套企业来提供．这就对采购活动提出了更高的要求,采购提前期在供应链中的重要性更加突出。文章利用BP神经网络,对提前期分解,对阶段时间进行预测,以满足企业供应链采购管理发展的需要,并且通过实证说明方法的有效性。     

BP神经网络在房屋批量评估中的应用

文中基于房产税税基的批量评估,结合BP神经网络理论,构建了房地产批量评估流程及模型,运用昆明市近期已成交房屋数据对网络进行训练和测试。结果表明,可将训练成功的模型用于评估同类型大批量房屋的价格,因此,只要将不同地区房屋按地段、类型、用途进行分区,分别构建网络模型,则可对该地区的房产税进行尽快的评估。     

BP辩论模式对训练大学生思辨能力的作用

BP辩论是仿照英国议会开会议事模式的一种英语辩论形式,通过组织这种活动能够有效培养英语专业大学生分析、评价、阐述、推理、解释、自我调节的思辨能力。     

The Construction and Application of a New Exchange Rate Forecast Model Combining ARIMA with a Chaotic BP Algorithm

This article introduces a new model that combines an ARIMA with a chaotic BP (Backforward Propagation Neural Network) algorithm for exchange rate forecasting purposes, which is based on sample data collected from January 4, 2010, to October 20, 2011. The forecast of the exchange rate trend is then provided for the subsequent twenty-five days. Other models are also constructed, such as the ARIMA, BP, ARIMA, and BP algorithms, in order to evaluate the forecast accuracy. Based on our results, the combination of an ARIMA and a chaotic BP algorithm outperforms all other models in terms of the statistical accuracy of short-term forecasts.     

基于BP神经网络的企业发展内部动力测量模型研究

为了评价企业发展内部动力,采用BP网络模型,选取企业的相关数据作为训练样本,样本数据输入后系统自动学习,当误差减小到要求的范围内,系统停止学习。将BP神经网络学习算法用M atlab软件进行运算,训练企业发展内部动力的神经网络模型,以此测量和评价企业发展内部动力的主要指标,从而改进和调整企业发展内部动力的相关因素。