基于商品房销售预测的灰色Bp神经网络方法

应用灰色理论与BP神经网络理论,提出了一种基于灰色BP神经网络(GBPNN)的商品房销售预测方法,并建立了相应的GBPNN模型和求解。结果表明该方法不仅能优化预测精度,而且是一种很好的预测问题的有效方法。     

基于遗传算法和BP神经网络的服装销售预测

本文基于BP神经网络建立预测模型,使用遗传算法对网络的初始权值及阀值进行优化,并通过某服装品牌实例验证了遗传BP网络的可行性和准确性。可将其用于服装企业进行销售预测。     

基于并联灰色神经网络的陕西省宏观经济预测

结合灰色GM（1,1）预测模型和BP神经网络2种预测模型的优点,提出了一种并联灰色神经网络模型,并用该模型对陕西省宏观经济进行预测.结果表明,并联灰色神经网络预测精度高于单一的灰色GM（1,1）预测模型或BP神经网络.     

基于误差校正的灰色神经网络股票收益率预测

在股票市场中,准确的股票收益率预测是市场交易各方共同关心的重要问题。由于影响股票市场的因素十分复杂,仅靠建立单一的股票收益率预测模型来提高预测精度是非常困难的。本文对当前股票收益率预测方法存在的不足进行了阐述,并提出了以误差校正来提高股票收益率预测精度的新思路。首先,利用训练样本构建灰色神经网络模型,然后对股票收益率进行初步预测;其次,引入EGRACH模型来挖掘和分析预测误差序列的内部信息,并对该序列后续点进行预测;最后,利用误差预测结果对股票收益率的初始预测值进行校正。文章以上证综合指数数据为例进行分析,结果显示,与校正前的预测精度相比,校正后的预测精度提高了9.3%,表明EGRACH的误差校正过程是有效的,也验证了该方法的可行性。     

基于灰色模型的铁路客流预测方法

铁路客流量的预测对于铁路交通业具有重要的实际意义,本文探讨应用灰色预测方法来预测铁路客流量的方法,并且通过对我国2007-2009年铁路客运量预测的实证分析,证明了此方法的可行性,并且检验了此方法的精确度,为准确预测铁路客流量提供了一种简便可行的分析预测方法.     

基于BP神经网络的产品成本预测

本文将BP神经网络理论应用于产品成本的预测,在与目前常用的其它成本预测方法进行比较后,指出了用神经网络进行产品成本预测的优势,讨论了网络的结构设计、学习算法等问题,并给出计算实例,预测结果与实际是相符合的.     

能源需求的灰色预测方法

讨论了用灰色GM(1,1)模型预测能源需求的基本方法和过程,并根据我国能源实际消费统计数据进行了实际计算.计算结果表明,灰色GM(1,1)模型可用于能源需求的短期预测.     

基于神经网络的科技进步态势预测

可以采用多元线性回归方法、神经网络方法等多种方法对城市科技进步做出预测。首先尝试利用多元线性回归方法,发现误差比较大,继而采用神经网络方法,达到了很高精度。在此基础上,对2010年哈尔滨科技进步态势进行了预测     

基于灰色模型的西藏高等教育规模预测研究

笔者根据2021年《西藏统计年鉴》的相关数据,通过构建灰色预测模型对“十四五”时期西藏自治区的高等教育发展规模进行预测。统计结果显示,西藏自治区的高等教育规模在“十四五”时期将持续稳步扩大,其中,博士研究生和硕士研究生比本专科生的增长幅度更大。笔者建议政府继续加大对西藏高等教育的财政支持力度,并鼓励社会资本参与西藏高等教育建设。政府要优化高等教育的层次结构,提高人才培养的适切度。各高校要加强师资建设,提升人才培养质量,促进西藏高等教育的内涵式发展。     

基于灰色系统理论的河南未来人口发展预测研究

以河南人口发展数为研究对象,根据相关统计资料应用年末总人口数值建立灰色动态预测模型,对未来10年河南省人口数值进行预测研究。结果表明,河南人口2010年底将超过1亿,2015年为1.03亿,到2020年将达到1.05亿,年均增加51.6万人,最后给出了一些相关建议。     

基于灰色理论的甘肃省非师范类人才有效供给预测

人才是一个地区发展的关键,甘肃地区要实现经济的高速发展离不开人才的培养.本文根据相关的数据资料,利用GM(1.1)模型对甘肃省未来4年的非师范类人才供给做出预测,为非师范类人才的管理和培养决策提供科学的依据和参考.     

灰色神经网络模型在河南省未来人口总量预测中的应用

人口预测对经济社会的发展有着非常重要的作用。本文在灰色GM(1,1)模型基础上,利用BP神经网络修正残差,建立灰色BP神经网络组合预测模型,对河南省未来人口总量进行拟合和预测。此组合模型既克服了数据的非线性关系及随机波动大对预测精度的影响,也增强了预测的自适应性。结果证明了该组合模型的优势,具有较好的预测精度,预测结果是可信的。     

基于修剪平均的神经网络集成时序预测方法

由于复杂时序存在结构性断点和异常值等问题,往往导致预测模型训练效果不佳,并可能出现极端预测值的情况。为此,本文提出了基于修剪平均的神经网络集成预测方法。该方法首先从训练数据中生成多组训练集,然后分别训练多个神经网络预测模型,最后将多个神经网络的预测结果使用修剪平均策略进行集成。相较于简单平均策略而言,修剪平均策略不容易受到极值的影响,能够使集成模型获得鲁棒性强的预测效果。在实证研究中,本文构造了两种神经网络集成预测模型,分别为基于修剪平均的自举神经网络集成模型(Trimmed Average based Bootstrap Neural Network Ensemble, TA-BNNE)和基于修剪平均的蒙特卡洛神经网络集成模型(Trimmed Average based Monte Carlo Neural Network Ensemble, TA-MCNNE),并采用这两种模型对NN3竞赛数据集进行预测,结果表明在常规和复杂数据集上,修剪平均策略比简单平均策略具有更好的预测精度。此外,本文将所提出的集成模型与NN3的前十名模型进行比较,发现两种模型在全部数据集上均超过了第6名,在复杂数据集上的表现均超过了第1名,进一步验证本文所提方法的有效性。     

基于Matlab的BP神经网络煤炭需求预测模型

煤炭是中国的基础能源,支撑着国民经济的高速发展。在未来的一段时期,煤炭的基础能源地位不会改变。要合理利用煤炭资源,保证我国经济的健康发展,煤炭需求的预测必不可少。近年来煤炭需求的预测存在一定的不足,精度较低。本文基于Matlab技术的双隐层BP神经网络对煤炭需求进行模拟分析,通过实际数据检验和实证分析,预测了未来五年的煤炭需求量。     

基于BP神经网络的零售产品销量预测方法

在研究某IT企业零售产品历史销售数据和影响其产品销量主要因素的基础上,建立了一个基于BP神经网络的IT零售产品的销量预测方法。不必考虑影响因素之间的相互关系,结合具体销售数据,探寻该方法所建模型对于销量预测的准确性影响。结果表明,采用该方法进行IT零售产品的销量预测误差较小,可利用该模型对于总体销量进行预测来指导销售。     

用灰色模型方法预测我国物价变价趋势

在分析物价上涨影响因素基础上，提出适合预测物价上涨问题的灰色模型，并以１９９５年的物价变化趋势为例进行了预测，所得结果与政府的实际目标是相符合的。     

灰色模型在中国股票市场预测中的应用

股票价格和股价指数的准确预测有利于投资者获得高额的市场回报和政府对市场的有效监管.本文将灰色模型应用于股票市场,构成灰色预测模型,对未来时刻的股票价格及股价指数的阳变和阴变周进行预测.实证研究表明,将灰色系统理论应用于股票市场,对股票价格及股价指数进行预测是完全可行的、合理的,而且达到了较高的精确度.     

基于离散时间灰色幂模型的新能源汽车销售量预测

准确预测新能源汽车市场的发展趋势,对于行业的发展规划和中国能源战略目标的实现具有重要现实意义。为此,本文在现有两类灰色幂模型的基础上,利用累加数据的幂指数数据进行直接建模,提出了一种含多参数的改进灰色幂模型,从而可以反映系统历史值与时序因素对系统当前值的非线性作用。此外,根据灰导数的信息覆盖原理,给出模型的差分形式和派生离散形式,记为DTGPM,并给出了模型的时间响应式函数,避免了传统灰色幂模型复杂的积分求解过程。进一步,利用启发式算法对DTGPM模型的幂参数进行优化,并通过仿真试验和实例验证分析了模型的预测有效性。最后,对新能源汽车的市场销售量进行预测,预测结果显示,中国的新能源汽车销售量会在2022年达到473万辆,并预计在2025年超过千万辆,销售量占汽车新车总销量的23.5%。     

BP神经网络与RBF神经网络在股价预测中的应用

本文利用神经网络对股票走势进行分析和预测,构建了两种神经网络预测模型,通过对以往历史数据的学习,找出股市发展的内在规律,用以预测未来的走势。     

二重趋势性季节型电力负荷预测组合灰色神经网络模型

对于具有增长和波动二重趋势性的季节型电力负荷,首次提出了季节型负荷预测的组合优化灰色神经网络模型,研究了同时考虑两种(非线性)趋势的复杂季节型负荷预测问题,说明了此优化模型分别优于两种单一发展趋势负荷预测模型,给出了电力负荷预测的应用实例,为季节型电力负荷预测提供了一种新的、有效的方法。