非线性经济预测中的神经网络方法评述

文章对非线性预测中的神经网络方法的研究与应用现状进行评述,尤其讨论了我国近年来的发展情况,为我国该方面的研究者提供参考.     

基于混沌特性参数的股指神经网络建模及预测

文章针对嵌入维数较高的混沌时间序列很难在相空间中找出一种映射关系来预测其变化趋势,提出基于序列的混沌特性参数建立RBF神经网络预测模型。该模型以相空间中的各个相点作为输入,通过高斯函数的多次复合来逼近复杂的映射关系。以具有混沌特性的上海证券交易所股指时间序列为例对模型进行了验证。结果表明,该模型具有较好的预测能力和预测精度。     

山东省房地产泡沫的实证研究

文章以房地产泡沫问题为中心,通过分析供求平衡关系和房地产泡沫的本质构建泡沫预警指数,并基于1998~2009年的数据,对山东省房地产泡沫情况进行实证研究。研究结论是:在2010年,虽然青岛、济南等一线城市的泡沫度略有降低,但济宁等二三线城市的泡沫度在增加,致使总体上山东省房地产泡沫度依然较大,仍有明显过热趋势,隐藏着较大危机。     

城市物流发展状况的评价与预测

在建立物流发展评价和预测指标体系基础上,应用主成分分析法,对我国36个大中型城市物流发展状况进行评价分析;并以广东佛山市为例,探讨神经网络技术在城市物流发展预测方面的应用。     

影响国际石油价格因素解析

为深度解析影响国际油价波动的主要因素,针对世界油价体系中最具代表性的三种油价(W TI,BR ENT,OPEC油价),根据现代时间序列分析的单位根检验、协整分析和格兰杰因果关系检验,选取了具有世界油价风向标作用的BRENT油价进行建模。针对油价波动复杂多变的特点,选择建立了GRN N人工神经网络模型,并采用现代启发式优化算法中的遗传算法进行网络优化训练。模型结果表明世界石油市场价格是生产主导型的,石油储备可以缓冲石油价格波动,美元汇率的波动将推动美元计价的石油价格波动。模型结果与历史数据相符,模型为分析未来油价变动及宏观经济决策提供了依据。     

神经网络在顾客满意度测评中的应用

将神经网络应用于顾客满意度的测评中,与传统的顾客满意度测评模型所采用的偏最小二乘法相比,神经网络方法能够更好地反映出各个变量之间的复杂关系,尤其是非线性关系,因而有更高的拟合精度。     

基于模糊神经网络的交合分析改进方法

为了克服传统交合分析法(CA)存在的总体效用模型可能会失效及没有较好反映评价问题内在复杂作用关系和没有考虑到专家主观判断不准确性的缺陷,本文借鉴从定性到定量综合集成的复杂系统分析方法论,应用模糊神经网络技术,提出一种基于模糊神经网络的交合分析改进方法。该方法能够比较有效地近似反映出复杂系统蕴含的、难以为专家识别的内在复杂作用机理,因而是一种能够适应各种系统评价问题的一般性、普适性方法。数值验证的结果表明,应用基于模糊神经网络的交合分析改进方法得出的待评价对象排序结果明显好于传统CA法。这说明该方法不但是科学的,而且是比传统CA法更为有效的。     

基于Dropout CNN的滚动轴承故障诊断研究

针对滚动轴承故障特征很难提取及传统故障诊断方法准确率偏低的问题,提出一种基于Dropout的改进卷积神经网络(Dropout CNN)结构,可以无需预先提取滚动轴承振动信号的故障特征,直接端到端的实现滚动轴承故障诊断。该方法以振动信号为监测信号,使用傅里叶变换生成振动 信号频谱图,以此作为整个系统的输入,利用卷积神经网络强大的特征提取能力可以自动完成故障特征提取以及故障识别。试验结果表明该方法平均诊断准确率 高达99.5%。该方法实现了大量样本下滚动轴承不同故障类型的故障特征自适应提取与故障状态的准确识别。     

基于非线性分位数回归模型的多期VaR风险测度

多期VaR主要受到持有期及波动率两个变量的影响,并且其影响模式(线性或非线性)的确定对于准确地进行VaR风险测度至关重要。非线性分位数回归模型,能够克服线性分位数回归模型只能揭示多期VaR及其影响因素之间线性依赖关系的局限,从而提高多期VaR风险测度的准确性。结合波动模型与两个非线性分位数回归方法:QRNN和SVQR,给出了多期VaR风险测度的三类方案:波动模型法、QRNN+波动模型法、SVQR+波动模型法。选取3个股票价格指数作为研究对象,考虑了6种不同形式的波动模型,得到了18个多期VaR风险测度方法进行实证比较,结果表明:波动模型选择影响到多期VaR风险测度效果;SVQR+波动模型法略优于QRNN+波动模型法,并且两者显著优于波动模型法。     

基于神经网络模型的家族企业诚信研究

以多指标为基础的多输入GA-BP神经网络模型,可以准确地评价企业诚信,能起到保护家族企业隐私、减少相关风险、预防家族企业出现诚信危机的作用。进一步证明GA-BP神经网络有着BP神经网络非线性映射与自主学习的能力,具有运算速度快、预测精度高的优点;解决了BP神经网络收敛速度慢和忽略最优解问题,使得GA-BP神经网络在仿真能力、误差水平、收敛精度及迭代次数等方面都优于BP神经网络,为家族企业诚信研究与诚信危机预测提供了一种可行有效的方法。