基于小波分析与支持向量机的人民币汇率预测

利用支持向量机方法对汇率进行预测是金融市场研究领域一个重要的研究课题.结合小波变换与支持向量回归,提出一个三阶段时间序列预测模型.先以离散小波框架将汇率序列分解成不同尺度的多个子序列,揭示蕴含在预测变量内的信息,并对各个子序列进行时间序列分析,再以支持向量回归为工具,以这些子序列为预测变量建构支持向量回归模型,最后将各个序列的预测结果进行重构,得到预测结果.实证结果显示,该模型的预测效果较之BP神经网络与单纯的AR-SVM模型更优,证明基于小波分析与支持向量机相结合的预测模型可以为人民币兑美元汇率提供比较准确的预测.     

基于网络搜索指数和EMD-ARIMA-BP组合模型的游客量预测——以张家界为例

科学的客流量预测有利于完善旅游安全预警体系和优化旅游资源配置体系。为进一步提高游客量预测的准确度,提出一种基于网络搜索指数的EMD-ARIMA-BP组合模型,以探究互联网时代旅游消费者出行行为规律。该模型首先对网络搜索行为数据进行指数合成,其次利用EMD算法对游客量和网络搜索数据进行去噪处理,最后将ARIMA模型和BP神经网络进行组合,对游客量进行预测。实证分析以张家界为例。研究发现：（1）运用网络搜索数据预测旅游消费者出行行为切实可行,接近于实时的网络数据可以大幅提升预测的时效性;（2）经过EMD去噪算法对游客量与网络搜索行为数据进行去噪处理后,游客量的预测精度有较大程度提高;（3）基于网络搜索指数和EMD-ARIMA-BP组合模型的预测误差显著低于ARIMA模型和BP神经网络等基准模型。     

基于小波神经网络的S&P500短期走势预测

将小波神经网络应用于S&P500短期走势预测,应用从1998年3月20日至1999年4月26日S&P500的每周数据,建立小波神经网络预测模型.训练后的小波神经网络不仅能准确地拟合S&P500的历史数据,而且能较精确地预测未来的短期走势.结果表明S&P500的小波神经网络预测模型比神经网络模型更为优越.     

基于EMD-BP神经网络的我国棉花期货价格预测方法研究

为提高非线性和非平稳性的棉花期货价格的预测能力,该文采用基于EMD的BP神经网络预测方法,对原始序列进行分解,产生多个平稳序列imf,然后对每个imf进行预测,把预测结果相加得到原序列的预测值。实验结果表明,基于EMD的BP神经网络预测方法优于单纯BP网络预测。     

基于遗传神经网络的股价波动预测

对价格、成交量特征样本序列分别进行小波包分解,将其小波包系数单支重构能量值共同作为样本波动的本质表征,结合遗传神经网络进行股票价格波动预测。对沪市股票上海汽车(600104)、宝钢股份(600019)进行实证研究,结果表明,该模型具有收敛速度快和预测精度高的特点。     

基于小波神经网络的油泵故障诊断

依据小波神经网络技术的各种优点，提出采用三层BP小波神经网络构造故障诊断模型，对油泵进行故障监测和诊断。该故障诊断方法对神经网络训练、故障特征参数提取和对应神经网络状态输出等均实现了数据库管理，对油泵多种常见故障取得了满意的诊断效果，不仅具有特征自动提取以及较强的自学习和自适应功能，而且操作维护简便。研究结果表明：信号的小波分析和神经网络识别的融合将为油泵状态监测与故障诊断系统的建立提供新的方法和更简便的途径；对油库安全维护与故障诊断具有重要意义。     

小波包变换在股市预测中的应用研究

应用小波包变换对股市预测进行了研究,提出了股市预测的小波包方法。首先将股指时序进行小波包分解,并对分解后得到的各部分进行混沌判别,以确定其混沌特性;然后对各部分分别建立混沌模型进行预测;再将混沌模型预测的结果进行小波包重构,则得到原始时序的预测结果。对上证综指日收益率进行了单步预测和多步预测研究,效果很好。     

基于RBF网络的股市混沌预测

根据股票市场具有动荡混沌的特性,以相空间重构理论和神经网络技术为基础,构建出股票价格短期预测的网络模型.用某股票的实际收盘价作为观测数据,通过训练RBF神经网络得到预测数据.结果表明,用径向基神经网络预测股价是可行的和有效的.     

小波神经网络应用于电子政务信息系统安全风险评估

针对电子政务信息系统风险评估的复杂性和不确定性,作者提出了小波神经网络评估方法,建立了小波神经网络评估模型,最后采用Matlab7.1工具进行了仿真实验,并分别从网络的收敛速度、训练精度和训练效果上与BP神经网络算法作了对比。结果证实该方法有效克服了传统方法中人为分配权重带来的主观性,使评价结果更科学,更合理。     

适于目标检测的宽带回波信号去高频方法

运用变换的方法进行雷达回波信号压缩前,为了减少变换系数的数据量通常要对信号进行去高频处理.针对宽带雷达回波信号小波变换系数数据量大、传统小波算法去高频容易产生漏警和虚警的特点,分析了经验模式分解(EMD)中各内模函数的特性,提出了一种基于EMD算法的宽带数字信号去高频方法,并将其应用于雷达回波宽带数字信号去高频处理,运用脉冲压缩技术比较了该方法和传统小波方法去高频效果.实验表明,该方法不仅有利于宽带数字信号的数据压缩,而且在减少信号高频成分的同时,能较好地保留信号中的目标信息.     

基于混沌时间序列分析的股票价格预测

根据股票市场是非线性动力系统的假设,利用混沌理论对混沌时间序列的分析方法,提出了股票价格预测方法。同时利用重构相空间的嵌入维数和延迟时间分别确定经向基函数模型网络的结构和训练样本对,对实际的股票时间序列预测结果表明,该方法能有效地进行短期预测,并与前馈神经网络模型相比,可得到较好的预测结果,因而在股票时间序列预测中有广泛的实用价值。     

现金流量预警指标视角下的BP神经网络模型实证检验研究——来自2007—2012年沪深两市ST公司的数据分析

文章针对现金流量指标的国内外研究动态,从财务危机预警角度构建现金流量预警指标体系;并选取2007年-2012年沪、深两市A股79家ST公司及79家非ST公司作为训练样本,用样本公司被ST前1年、2年、3年的数据对指标进行筛选,将BP神经网络模型预警结果与样本的实际结果进行比较。研究结果表明：BP神经网络模型t-1年、t-2年、t-3年的预测精度依次下降,但t-3年财务预警模型对训练样本的预测精度仍能达到79．22％,对检验样本的预测精度也能达到78％。     

复方降脂中药活性筛选平台建立的研究

利用BP神经网络强大的预测功能，解决中药性味归经与药效评价的关系问题。研究证明：BP神经网络模型在一定误差范围内揭示中药的性味归经与其降脂药效之间的关系，可用于降脂中药药效的预测中，为降脂药物的选择提供依据，为中药降脂药效评价提供一种科学、客观、简洁的方法。     

以广义回归神经网络预测共同基金报酬

鉴于近年来许多相关文献成功地运用广义回归神经网络进行财经方面的预测,以及国内共同基金净值之预测与报酬率评估。通过搜集国内基金资料,以灰关联分析法进行各基金投资绩效分析,挑选投资绩效良好的共同基金作为投资标的;再以广义回归神经网络建立预测模型,与灰预测模型、多元回归模型进行预测能力及报酬率的比较分析。5种预测绩效评价指标、5组数据交互验证散布图及报酬率分析表明:广义回归神经网络在预测能力及预测报酬率上均有很好的表现。     

畜产品价格定量预测方法评析

通过文献研究,本文归纳出定量预测畜产品价格的方法模型主要有回归模型、Box-Jenkins方法和VAR模型以及神经网络模型。没有明确的证据显示某一种方法或模型一定优于另一种方法或模型。在畜产品价格预测中,如果需要得到较为精确的预测结果,可供借鉴的做法是采用两种以上的方法或模型进行比较,或者进行组合。     

基于房屋普查数据的震害预测方法

提出了一种利用人工神经网络模型并以房屋普查数据为震害影响因子的震害预测方法.以建筑物的结构类型、层数、高度、建设年代、用途、现状质量等几个简单参数对城市、建筑物进行分类,并在此基础上进行建筑物的震害预测工作.根据震害因子的选取及网络对样本的训练效果建立一个人工神经网络模型,通过此模型对震害实例的预测结果进行分析,证明了此模型的实用性.利用房屋普查数据进行震害预测工作为研究快速震害预测方法提供了一个新的思路.     

股票指数模糊随机预测与灰色预测实证比较研究

灰色预测和模糊随机预测是两种不同的对股票指数进行预测的方法。灰色预测模型出现的较早,模糊随机预测模型是近年来才被应用在对股票指数的预测当中。为了找出能够更加准确和能够得到更接近于真实值的较优预测模型,分别依据灰色预测模型和模糊随机预测模型,以2009年全年的每日60分钟沪深300指数为样本进行了实证研究。研究发现,采用模糊随机预测模型得到的预测结果中有71%比采用灰色预测模型得到的预测结果更接近于真实的股票指数。研究结果表明,在对股票指数实时预测准确度方面,模糊随机预测模型优于灰色预测模型。     

神经网络在企业流动资金需求量预测中的应用

文章在对流动资金需求量预测的传统方法进行分析的基础上 ,指出了神经网络方法的适用性。在技术分析的基础上 ,建立了神经网络的预测模型 ,并进行了实证分析     

基于人工神经网络的公路软基沉降预测模型

基于人工神经网络理论，提出了根据前期沉降观测资料进行沉降预测的人工神经网络模型，并用于汕汾高速公路预压荷载却荷时间预报、研究表明，所建议的模型较传统沉降预测模型具有显著的优越性，应用前景广阔。