BP神经网络算法的改进及在人侵检测中的应用

BP算法是神经网络众多算法中应用最为广泛的一种,它在函数逼近、模式识别、分类、数据压缩等领域有着更加广泛的应用。针对BP算法的缺陷,提出了几点改进措施。     

央行和商业银行视角下存款准备金率的实证分析

本文分别从央行货币政策调控目标和商业银行对存款准备金率容忍度的视角出发,利用参数法和神经网络模型对存款准备金率进行实证分析。研究发现,央行近年来多次上调存款准备金率主要是为了对抗通货膨胀以及回收货币流动性。在不考虑银行容忍度下,参数模型给出的目标存款准备金率为23%,而在考虑了存款准备金率对银行的负面影响后,根据神经网络模型得出2011年上半年合理的存款准备金率应为21.34%,与当前21.5%的实际存款准备金率相符。说明央行在货币调控时考虑到了银行的容忍度,是符合宏观审慎性原则的。而模型的敏感性分析表明,未来存款准备金率仍旧存在上调的区间与上调的可能性。     

基于案例推理的非常规突发事件资源需求预测

近年来非常规突发事件频繁发生,严重危害了人民的生命财产安全,而如何及时预测灾害发生后的资源需求成为一个重要课题。文章提出了一种精确的预测方法,将模糊集理论,神经网络Hebb学习规则和多元线性回归与案例推理法相结合。这种方法很好地解决了非常规突发事件资源需求预测这类信息不完备、不精确问题,能够比较准确的作出资源的需求预测。该模型对灾害资源需求预测具有一定的参考价值。     

BP神经网络模型在沪深300指数预测中的应用

文章探讨了神经网络模型在股指预测方面的应用,通过引入宏观经济因素,建立BP神经网络模型来对沪深300指数的走势进行中长期预测,运用MATLAB神经网络工具箱对BP模型预测的准确性和可行性进行了实证检验。     

基于PSO-GA-BP神经网络的土体参数反演

土体参数对于基坑工程数值模拟结果的精度具有重要影响,而随着施工的进行土体参数往往会发生变化,因此为了提高数值模拟的精度,有必要对土体参数进行修正。本文提出一种基于PSO-GA-BP神经网络的土体参数反演方法,该方法旨在利用神经网络的学习和优化能力,对数值模拟中的土体参数进行修正。并通过武汉市12号线中一路地铁站的基坑实际监测数据验证了该方法的准确性和可行性。结果表明：本文提出的PSO-GA-BP神经网络反演方法反演效果良好,修正后的土体参数模拟精度明显提高。     

改进的小波去噪算法与SSA预测模型在地铁监测中的应用

为了有效去除地铁形变监测信号的噪声,提高形变监测精度,提出了一种以1/2噪声幅度为阈值的小波去噪算法,对地铁形变实时监测信号进行去噪。结果表明,与硬阈值法、软阈值法和可调参数阈值函数法相比,1/2阈值函数法去噪效果更好,平均SNR为24.627dB,与硬阈值法、软阈值法、可调参数阈值函数法相比分别提高了3.15%、3.12%、1.07%;平均RMSE为0.23mm,与硬阈值法、软阈值法、可调参数阈值函数法相比分别提高了10.07%、6.47%、4.32%。采用奇异谱分析(Singular Spectrum Analysis, SSA)预测模型对监测数据进行了预测,预测精度,平均MAE为0.24mm、RMSE为0.26mm,就RMSE值而言,较BP神经网络提高了16.45%。     

基于机器学习方法的湖泊表层总氮组合预测模型

地表水体水质参数具有高度非线性和非平稳性特征。为提高水质预测的精度,以鄱阳湖湖区4个在线水质自动监测站总氮(TN)为例,引入变分模态分解(VMD)方法处理原始TN数据,得到具有不同频域的模态分量,对其中变化复杂的各高频分量,采用长短时记忆神经网络模型(LSTM)进行预测,并引入混沌麻雀搜索优化算法(CSSA)对LSTM模型的超参数进行自动率定;对周期性变化的各低频分量,采用多元线性回归模型(MLR)进行预测,再将上述各分量预测结果叠加得到水体TN的预测结果,最终提出了一种新的水质组合模型VMD-CSSA-LSTM-MLR(VCLM),并与3种单一模型LSTM、支持向量回归(SVR)和BP神经网络进行对比,验证了VCLM模型的效果。提出的模型可以作为湖区在线水质监测和水环境综合管理的有效工具。     

上市公司财务危机预警模型的交叉检验比较——逻辑回归与类神经网络模型

近年来受外部经济因素影响,部分企业不同程度发生了债务危机、现金流危机、市场危机,给企业正常运营带来了冲击。大部分危机在企业财务数据中是能够体现的,所以财务危机预警在企业财务管理中越来越重要。为建立有效的企业财务危机预警模型,本文采用过去相关研究文献常用的财务比率指标建模,然后采用逻辑回归和类神经网络模型两种不同的研究方法,来比较两者的判别和预测的正确率,为企业财务危机预警提供一种思路。     

企业风险量化评估模型

大部分中小微企业的生存发展困难重重,信用贷款这一不需要抵押的贷款形式能够有效帮助企业进行资金周转,提高企业生存能力。在信贷过程中如何量化信贷风险成为焦点问题。因此,本文建立合理的企业信贷风险量化评估模型并考虑突发事件的银行信贷政策。模型从企业实力、企业信誉及供求关系稳定性三方面评估信贷风险。针对有过信贷记录的企业,采用TOPSIS法与熵权法,根据企业经营数据以及银行评估数据对企业信贷风险进行量化评分。针对没有信贷记录的企业,通过深度学习补全银行评估数据后采用相同方法评分。最后使用贪心算法制定银行总贷款金额一定的前提下银行收益最高的信贷策略。在制定突发事件影响下的信贷策略时,充分考虑公共卫生、自然灾害等事件对不同行业以及整体经济发展带来的影响,适当放宽贷款标准,帮助中小企业解决经营问题。     

大数据时代的数量经济模型研究——以BP神经网络的中国CPI预测为例

大数据时代的来临,掀起了大数据与传统学科融合发展的热潮,探寻“大数据+数量经济学模型”的发展之路势在必行.本文运用文献计量分析,对大数据时代较有代表性的定量研究方法和模型进行分类梳理,并基于BP神经网络模型结合36个指标数据对中国居民消费价格指数(CPI)进行多元变量预测.研究表明,BP神经网络的预测结果最优.因此,未...