电网工程主材价格波动相关性分析模型研究

<正>电力工程主要原材料价格随经济态势和市场供需情况变化而波动,并影响下游行业的工程造价水平。通过多层感知器神经网络对原材料数据与电网工程主要材料数据的算法分析,评估原材料价格波动对相应的钢芯铝绞线、角钢塔、电力电缆价格的影响,为准确编制项目概预算,合理开展招投标管理提供辅助参考。     

水中悬浮隧道施工风险分新的BP神经网络模型

基于BP神经网络理论模型,对水中悬浮隧道施工中各项风险指标进行辨识、量化和评价,进而对其施工总体风险进行分析,得到施工风险的量化参考指标,为水中悬浮隧道施工风险管理提供有效的风险分析工具。     

能源产业安全的微观基础战略选择

国家能源安全中的一个关键环节是能源产业安全,而微观基础战略的选择对能源产业安全而言是至关重要的.从微观传导机制理论和能源产业安全的角度出发,利用神经网络(BPNN)模拟能源企业的战略实施过程和实施效果,并以30个国家能源产业的421家企业为例进行计算,揭示了能源企业现今较多采用的成长型战略和价值型战略的主要影响因素、实施重点及对能源产业安全的显著不同影响,证实了价值型战略对能源企业和国家的能源产业安全是有利的,从定量的角度为能源企业制定适于长期发展的,有利于国家能源安全的企业经营战略提供了参考.     

基于BP神经网络的中医辩证模型构建方法

[目的]以太阴风湿表证辨证模型为例,探讨中医辨证模型构建方法。[方法]以江西中医药大学中医门诊规范化培训改革试点基地的“岐黄中医门诊规培系统”中2600例中医电子病历为样本数据,在中医理论指导下创建医案症状关键字词典,训练词向量模型,将其作为BP神经网络的输入,将2080例医案作为训练数据,剩余520份病例作为测试数据。[结果]该辨证模型的准确率为88.29%。[结论]本文利用BP神经网络技术,构建了太阴风湿表证的系统中医辨证模型,准确率较高,为名老中医智能辨证提供了一条新的途径,值得推广。     

深度学习神经网络能改进GDP的预测能力吗?

目前国内外复杂的经济形势加大了预测GDP的难度,因此,如何有效地预测GDP是值得研究的重要理论与现实问题。有鉴于此,本文构建了既具有宏观经济理论基础又符合中国宏观经济特征的指标体系,并构造了一个用于GDP预测分析的LSTM模型,将之与BVAR模型进行对比研究,以科学地判断LSTM模型是否能够提升GDP预测的精确度。研究结果表明：第一,本文选择的扩展指标能够提升BVAR模型与LSTM模型的GDP预测能力;第二,相比于BVAR模型,LSTM模型能够更好地挖掘扩展指标对GDP的非线性影响,从而提升短期GDP预测能力。鉴于LSTM模型强大的自我学习能力、良好的泛化能力以及较好的模型可调节性,LSTM模型在GDP预测领域具有广阔前景。     

基于深度学习的期权价格预测研究

期权作为一种高杠杆的金融衍生品,拥有出色的套利和对冲性能。传统的无套利期权定价方法,包括Black-Scholes期权定价模型、Merton模型和Heston模型,他们的诞生均具有严格的假设条件,同时使用随机过程拟合期权价格走势。然而,由于实际期权市场与上述严格的假设条件具有较大差异,因此传统的无套利期权定价方法无法还原实际市场中的期权定价过程。由此,本文着眼于数据驱动方法,采取深度学习算法来模拟期权定价过程。本文选取上证50ETF期权的数据,在传统无套利的Black-Scholes期权定价理论基础上,利用深度学习中的BP神经网络及LSTM神经网络模型对欧式期权定价进行可行性研究。本文建立两个期权价格预测模型,并利用这两个模型分别对期权价格进行预测,用MSE、MAE和R-squared这三个模型评价指标来描述不同模型的预测精度。实证结果表明,LSTM模型的预测精度在预测上证50ETF期权价格时具有显著优势。     

应用BP神经网络评估房地产企业股权价值的可行性研究

股权价值评估概述资本结构理论认为,企业的资本主要由债务资本和股权资本构成,债权人和股东是企业资金的主要供给方。股权是相对于股东而言的权利要求,是股东以持有股票的方式对上市公司进行投资,作为公司所有者所享有的权益,股权具有可转让性。股权价值与债务价值构成了企业的整体价值。     

提高收费车道全车牌识别率方法探讨

全车牌自动识别是智能交通系统的重要组成部分,也是收费系统防止作弊(司机换卡)的重要手段,更是全自动收费方式的高速公路收费系统必须解决的关键问题。通过对感光芯片的处理取得图像,并从图像中提取车牌图像,依次进行灰度变换、二值化和字符分割等操作后取出相应的字符图像并送入识别,通过识别算法将字符结果输出。     

基于BP神经网络和小波降噪的沪深300股指期货价格预测

本文在小波去噪的基础上构建了BP神经网络模型,选取了具有代表性的沪深300股指期货来进行价格预测,并对去噪前后的预测结果进行了对比,发现小波去噪后的BP神经网络模型对股指期货价格的预测效果更佳,为短期投资者们提供了一定的决策依据。     

“一带一路”沿线国家风险、双边投资协定与中国OFDI区位选择——基于PLS-PM与BP神经网络模型的实证研究

构建包含政治军事风险、经济金融风险和社会文化风险的“一带一路”沿线国家风险指标体系,采用偏最小二乘通径模型和BP神经网络技术实现了风险测度与预警。基于2014—2019年“一带一路”沿线49个国家数据,建立扩展的投资引力模型,运用动态面板系统GMM估计,实证分析东道国风险、BIT对中国OFDI区位选择的影响。研究发现：总体上看,中国OFDI主要流向了风险较高的国家,在政治军事和社会文化维度表现为风险偏好,而在经济金融维度上风险规避的特征明显。非商业趋向和非市场动机使得中国OFDI能够包容一定的国家风险。签订BIT可以促进中国对“一带一路”沿线国家的OFDI,在中低收入国家对投资者的保护作用更强。此外,中国OFDI的区位选择存在“异质性偏好”,中低收入国家风险对中国OFDI的影响程度显著高于高收入国家,不同收入水平国家的市场规模、资源禀赋、技术和税负对中国OFDI的影响也有所不同。