基于主成分分析的PSO-BP算法在GDP和CPI预测中的应用

GDP增速与CPI指数具有复杂的时间序列和非线性特征。鉴于BP神经网络算法有良好的非线性拟合能力,但容易陷入局部极小值的特点,提出了基于主成分分析的PSO-BP算法。该方法主要通过主成分分析方法对输入变量进行降维,利用PSO算法良好的全局寻优能力对BP算法的权值和阈值进行优化,从而避免BP算法陷入局部极小值。最后运用模型对GDP增速和CPI指数进行拟合预测。实验结果表明:该模型比PCA-BP模型和PSO-BP模型具有更高的拟合精度和更小的均方误差。     

国家社保基金收入预测的PCA&BP模型

采用1989-2005年数据,利用主成分分析(PCA)与BP神经网络算法对我国社保基金收入进行拟合及预测分析.结果表明,与回归模型相比,PCA&BP模型具有更高的预测精度,相对误差为-0.22%.     

基于神经网络房地产价格指数的预测研究

研究表明,房地产价格指数常表现为非线性,要对它进行预测就必须利用一种能模拟非线性的模型。从理论上讲,神经网络能够无限逼近非线性函数,所以本文便尝试采用神经网络模型作为预测的模型。本文具体运用的是基于误差反向传播算法的多层前馈网络(BP神经网络)和径向基函数(RBF)神经网络。首先利用BP神经网络对采集到的中国房地产价格指数进行训练和模拟,最后进行预测,并比较预测结果和真实值,发现误差比较大,一方面是因为选取的样本数据少,另一方面是因为BP神经网络本身具有缺陷。为了克服BP神经网络预测的缺陷,本文接着运用RBF神经网络对选取的数据进行训练和模拟,用训练好的网络来进行预测,得到的预测结果与真实值相比较,误差很小,而且RBF神经网络的运行速度要比BP神经网络快很多。经过比较可以得出RBF神经网络用于经济预测可以达到很好的效果。     

基于神经网络房地产价格指数的预测研究(续)

研究表明,房地产价格指数常表现为非线性,要对它进行预测就必须利用一种能模拟非线性的模型。从理论上讲,神经网络能够无限逼近非线性函数,所以本文便尝试采用神经网络模型作为预测的模型。本文具体运用的是基于误差反向传播算法的多层前馈网络(BP神经网络)和径向基函数(RBF)神经网络。首先利用BP神经网络对采集到的中国房地产价格指数进行训练和模拟,最后进行预测,并比较预测结果和真实值,发现误差比较大,一方面是因为选取的样本数据少,另一方面是因为BP神经网络本身具有缺陷。为了克服BP神经网络预测的缺陷,本文接着运用RBF神经网络对选取的数据进行训练和模拟,用训练好的网络来进行预测,得到的预测结果与真实值相比较,误差很小,而且RBF神经网络的运行速度要比BP神经网络快很多。经过比较可以得出RBF神经网络用于经济预测可以达到很好的效果。     

Spark平台下基于优化BP神经网络模型的接触疲劳剩余寿命预测

针对海量监测数据背景下传统方法难以实现对机械装备/零部件状态的可靠诊断与预测等问题,以自主研发的滚动接触疲劳试验装备为依托,提出了一种Spark平台下基于优化BP神经网络模型的接触疲劳剩余寿命预测方法。引入基于指数衰减的周期性学习率改进BP神经网络优化模型,结合并行化技术构建了Spark平台下基于优化BP神经网络的接触疲劳剩余寿命预测模型。结果表明:基于Spark的优化BP神经网络模型能够实现剩余寿命预测,相比传统BPNN模型和SVR模型,预测精度分别提高了4.67%和9.18%,均方根误差分别降低了0.122和0.708,且模型具有更快的收敛速度。     

基于改进的神经网络模型预测气象灾害经济损失——以广东省台风灾害为例

以广东省台风灾害为例,利用遗传算法改进BP神经网络形成GA-BP神经网络模型,将台风最大风力、台风最大风速、受灾人数、转移安置人数和农作物受灾面积5种变量作为致灾因子,进入神经网络模型,并作为GA-BP神经网络输入数据对直接经济损失进行预测。结果表明:在物价调整前GA-BP神经网络模型和单一BP神经网络模型的平均相对误差分别为17.30和22.86,物价调整后两者的平均相对误差分别为6.27和12.51,这意味着只有将各年份台风灾害直接经济损失调整到同一物价水平上,才能达到最优结果,且GA-BP神经网络模型的预测结果始终优于单一BP神经网络模型;鉴于GA-BP神经网络模型的适用性和参考价值,有关政府部门可在气象灾害发生后,采用该方法对灾情数据进行预测,提升政府在灾情统计方面的时效性,进而在应急财政投入方面迅速作出反应。     

基于BP神经网络模型的中国石油需求预测研究

石油需求量预测对编制石油产业发展规划具有重要意义。为了合理预测中国石油需求量,将1965—2014年中国国内生产总值、人口数量、产业结构及技术进步4个分量作为输入向量,石油需求量数据作为输出向量,建立中国石油需求预测的BP神经网络模型,利用Matlab软件的神经网络工具箱对BP神经网络模型反复训练,发现当隐含层节点数为17、学习率为0.1、训练次数为8次、训练精度为0.001时得到的效果最好。最后运用所确定的BP神经网络模型对2015—2024年中国石油需求数据进行了预测。     

免疫进化算法和神经网络在建立财政收入预测模型中的应用

通过对历史数据的数学处理,采用人工神经网络的方法建立财政收入预测模型。针对前向网络BP（Baek-propagation Algorithm）算法——梯度下降搜索方法的不足,提出用免疫进化算法来训练BP模型网络参数。利用福建省1990-2004年的财政收入数据建立神经网络预测模型,并用2005、2006年的数据进行预测预报检验。结果表明：采用免疫进化算法建立的神经网络财政收入预测模型,模拟和预测精度高,具有实际应用价值。     

基于BP神经网络的税务稽查研究

税务稽查实质上是一个分类问题,可以通过BP神经网络进行数据挖掘的分类和问题预测.在分析BP神经网络原理的基础上,利用税务系统中的纳税人申报数据,建立基于BP神经网络的分类模型,对纳税人进行诚实纳税和非诚实纳税的评估、分类.模型分类准确度达到预期效果,表明该方法能够提高税务稽查部门的工作效率和效果.     

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BP神经网络的重庆市房价验证与预测

利用2000—2014重庆市人均地区生产总值、总人口数、房地产开发投资等相关数据,建立BP神经网络模型,通过与实际数据进行比较和误差分析,验证该模型在房价预测中的有效性。并预测重庆市2015、2016年的房价,以期给政府部门制定房价宏观调控措施提供参考依据。     

基于灰色BP神经网络的员工需求预测

人员配置直接影响企业的生产经营活动,一份科学合理的员工需求预测对企业的作用不言而喻。以某制造业为研究对象,搜集整理2005—2017年数据。利用SPSS做相关性分析,选取固定资产、开发支出等6项员工需求影响因素。运用灰色BP神经网络理论,预测未来3年员工需求。结果表明：灰色BP神经网络比灰色预测模型具有更高的精确度;虽然灰色BP神经网络具有较高的精确度,但其结果受参数影响较大,如何确定参数则是未来研究的一个方向;灰色BP神经网络的预测结果对企业招聘、员工关系管理等模块具有一定的指导意义。     

党政机构微博在突发事件中传播效果的影响因素及策略

在分析铁路货运量预测方法的基础上，针对标准BP神经网络的不足，提出改进的BP神经网络预测模型。首先,利用动态陡度因子来改变激励函数的陡峭程度，以此来得到更好的激励函数响应特征以及更好的非线性表达能力；其次，利用附加动量因子，通过对以前经验的积累，既降低了神经网络对误差曲面的局部细节敏感特性，又较好的遏制了神经网络易于限于局部最小的缺陷；最后，采取改变学习率的方法，给定一个较大的学习率初始值，在学习的过程中学习率不断减小，网络最终趋于稳定。改进BP算法既可以得到更优的解，还能够缩短训练时间。利用全国铁路货运     

基于BP神经网络的期权定价模型

运用BP神经网络的方法,根据S&P 500看涨期权的金融数据,利用一步预测法对期权定价做预测.通过其自主的学习机制以及大量的样本训练网络,提高了判断精度,使得对期权的估测更加准确.并运用Matlab的神经网络函数和数学分析的知识对期权定价进行模拟预测,预测价格的结果与市场的真实价格较为接近.     

基于BP神经网络的中小企业信用评价研究

利用因子分析法建立了我国中小企业信用评价财务指标体系,据此构建了单隐层结构的BP神经网络,并以2006年100家ST和非ST上市公司为训练样本,详细考察了隐含层结构和网络训练函数对BP神经网络辨识性能的影响,最终得到了具有较快收敛速度和较高准确率的BP神经网络。在此基础上,以2006年财务数据为研究样本,对102家上市中小企业进行了信用评价。结果表明,各中小企业之间的信用评价结果存在较大的异质性,说明采用BP神经网络进行信用评价具有较高的可操作性。     

基于支持向量机的中长期电力负荷预测研究与应用

采用一种新的机器学习方法——支持向量机,建立了中长期电力负荷预测模型.阐述了支持向量机的基本内容,对影响电力负荷诸多因素的样本集进行了标准化处理和主因素分析(PCA).采用Libsvm训练了数据集,并与灰色预测GM(1,1)模型、多元线性回归模型、模糊ISODATA聚类模型和BP神经网络进行对比.结果表明,此算法有更高的准确性,可为电力负荷预测提供有效依据.     

基于PSO算法优化RBF神经网络的基金净值预测研究

为了更精确地对基金净值进行预测,针对基金净值变化具有非线性和随机性等特点,提出基于粒子群优化RBF神经网络的基金净值预测模型。利用具有全局寻优的PSO算法对RBF神经网络的参数进行优化,并用经PSO算法优化的RBF神经网络对基金净值进行预测分析。仿真实验结果表明:与使用BP神经网络和RBF神经网络的基金价格预测方法相比较,PSO算法优化的RBF神经网络能够准确地预测基金价格的变化趋势,具有较高的预测精度,对于用户选择基金有着非常重要的意义。     

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。     

基于国民经济大系统下的铁路货物运输量预测方法的研究

铁路运输是一个复杂的系统 ,国民经济对其有巨大影响。本文在国民经济对铁路运输影响的定性分析基础上 ,选取了国内生产总值指数、第二产业比重、原煤产量、钢产量、港口货物吞吐量、基本建设投资、铁路市场份额、铁路货运量 8个指标作为影响因素指标 ,运用BP神经网络模型建立它们与货运量之间的联系 ,并依此对铁路的货运量进行预测 ,取得了满意的结果     

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％。