基于回归神经网络的长期电力负荷组合预测模型研究

本文研究了用逐步回归、岭回归和偏最小二乘回归方法消除变量间的多重共线性,最后得到三个回归模型。单一预测方法的结果时好时坏,需要通过组合预测来提高预测精度。本文将神经网络技术与回归模型相结合,将预测值作为输入,实际用电量值作为输出,确定神经网络的拓扑结构,最后用训练好的BP神经网络预测江苏省全社会用电量。结果显示,组合预测的精度明显高于单个模型。     

家电业上市公司营运资本政策与盈利能力关系研究

以家电业上市公司为研究对象,选取2007-2011年间家电业上市公司为样本,利用这些公司的相关财务数据对家电业上市公司的营运资本政策和盈利能力之间的关系进行了分析.通过系统聚类分析方法确定家电业上市公司的综合营运资本政策,采用营业利润率、基本每股收益两种指标度量不同营运资本政策下的企业盈利能力,总结了我国家电业上市公司营运资本政策的特点以及盈利情况.     

基于BP神经网络的江苏用电量预测模型研究

本文应用贝叶斯正则化算法优化BP神经网络,通过多维经济数据(国内生产总值、固定资产投资总额、人均收入)与用电量的相关分析,来确定网络的拓扑结构,建立用电量的人工神经网络模型.用从江苏统计年鉴和江苏省电力局取得的17年数据为输入、用电量为输出来训练建立好的BP神经网络,经仿真表明该神经网络能很好地解决用电量多影响因素之间的不确定性和非线性,模型的预测精度较高,对合理的制定用电计划不仅有一定的理论意义,更具有巨大的实用价值.