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BP神经网络模型的房价敏感性分析

为分析和测算房价,受供给和需求两方面相关指标的影响和敏感程度,本文采用BP神经网络,研究了供需相关指标的不确定性变动引起的房价变动趋势。研究表明：房价对银行贷款额度和国民经济增速最敏感,对当年施工面积和建材价格弱敏感,而对居民消费价格指数和人均可支配收入不敏感。对最敏感性指标,应从差别化信贷、拉动消费抑制投资入手;对弱敏感指标,应加大保障性住房的建设力度,完善土地市场体系,推进房地产税收改革,改善住房供应结构;对不敏感指标,应切实提高居民收入水平。本文根据房价对相关指标变动的敏感性程度,指导选择调控指标先后次序,用以提高管控的精度和住房市场供需要素调控的有效性,促进房地产市场健康运行。     

基于BP神经网络的建设工程造价预测方法

阐述了神经网络的基本概念、基本结构和算法原理,建立了基于BP神经网络的工程造价预测模型,并根据模型结合MATLAB神经网络工具箱对程序进行设计,最后通过案例分析对其具体应用作了详尽阐述。研究表明使用BP神经网络来进行工程造价预测是完全可行的。     

基于灰色BP神经网络的商品房销售预测

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BP神经网络模型的中国乳业发展规模预测

文章简要分析了BP神经网络的结构和学习过程,然后以1978—2009年的中国乳业规模发展数据为基础,以奶牛年末存栏数（千头）、奶牛养殖业产值、畜牧业总产值等三个变量作为输入、中国奶牛产量作为输出,采用MATLAB2009a中的BP神经网络工具箱构建了基于BP神经网络的中国乳业发展规模预测模型。研究结果表明：未来十年中国原奶产量将大幅度增长,乳业规模将迅速扩大,原料奶生产无组织管理已不适应乳业经济的迅猛发展,“十二五”期间必须转变原料奶总量的增长方式。研究成果对于奶牛养殖业管理部门、养殖业者科学合理地规划奶牛养殖规模具有重要的参考价值。     

基于BP神经网络的我国煤炭消费和碳排放量预测

利用1994~2013年历年的煤炭消费和碳排放量数据,将BP神经网络方法应用于我国煤炭消费和碳排放量的预测,通过预测值和实际值的对比分析,预测了2014~2020年的煤炭消费量和碳排放量,预测结果表明:未来几年煤炭消费和碳排放量依旧呈递增趋势,且增长率均不会出现太大的变动。     

基于BP神经网络的校园用水预测模型

校园人口密集,用水量大,对某一栋教学楼或某一区域的定量用水预测,对于发现用水异常、合理下达用水指标有实际意义.本文利用BP神经网络,结合校园用水的特点,建立校园用水预测模型,并以实际数据进行验证,证明其有效性.     

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.     

基于小波和模糊BP神经网络的金融股票市场预测

为了提高金融股票价格预测的准确性,在分析了金融股票价格时间序列的特点和规律的基础之上,采用一种小波分析和模糊BP神经网络联合建立的时间序列预测模型,对中国石油股票价格进行了预测研究。结果表明基于小波分析和模糊BP神经网络联合建立的时间序列预测模型具有良好的自组织性和自适应性,有很强的学习能力和抗干扰能力,基于小波分析和模糊BP神经网络对金融股票价格进行预测是行之有效的。     

基于BP神经网络的供应链绩效评价模型

应用平衡计分卡理论为供应链绩效建立平衡计分卡,可以从财务,客户满意度,内部业务流程,学习、成长性四个方面构建供应链绩效评价指标体系。利用BP神经网络建立供应链绩效评价模型,该模型能较好地避免传统方法人为选取权值和相关系数过程中的主观性和不确定性。     

基于BP神经网络专家系统的财产保险公司全面风险预警系统研究

为了克服传统的偿付能力监管所隐藏的风险因子考虑不周以及保险统计数据匮乏等的弊端,借鉴国内外权威保险监管机构和专家学者的最新研究成果,尝试提出了我国财产保险公司全面风险预警指标体系;利用BP神经网络和专家系统相结合的方法,构建了我国财产保险公司全面风险预警机制并进行了实证分析。结果表明,利用BP神经网络专家系统对财产保险公司进行全面风险预警,具有极高的预测精度和较强的鲁棒性。     

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。     

中国的高房价问题:基于供求均衡原理的分析

运用经济学中最为基本的供求均衡原理分析了中国的房价问题。表明中国的高房价现象是价格规律在房地产这个由于刚性的制度条件所决定的市场上的反映——当需求增加不能引致供给量的相应增加时,价格就成为唯一能释放这种压力的渠道;就像计划经济注定了是短缺经济,指责其中的某些主体需要为普遍的短缺局面负责是没有道理的一样,面对高房价,类似的指责同样也是站不住的,且这样做只会导致把解决问题的注意力转移到错误的方向上。     

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。     

BP神经网络天线方向图获取方法研究

焦平面阵列成像体制是实现无源毫米波实时成像的主要途径。焦平面体制存在馈源偏焦的问题,导致成像系统的点扩展函数(PSF)具有空变特性。为研究毫米波焦平面阵列成像点扩展函数的空变规律,提出采用BP神经网络生成偏焦位置的空变方向图。通过分析天线方向图数据的特点,研究了BP神经网络的结构形式和输入输出数据格式的设计方法,并通过实验方法确定了网络的隐层形式。实验结果表明,采用双隐层BP神经网络生成的方向图可以达到99.75%的精度。     

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。