基于组合决策树的急诊等待时间预测

文章选择华西医院急诊科为研究对象,使用CHAID、C&RT、REPTree三种决策树算法预测急诊等待时间,并通过BP神经网络对上述模型进行组合,得到组合模型.通过比较分析以上四种模型后,发现影响等待时间的关键因素主要是科室、挂号时间段、队列人数、月份,并且组合模型的预测效果最优.     

众筹项目筹资结果预测模型

众筹项目的失败率及失败成本都很高,为创业者提供预知众筹项目结果的工具具有重要价值.文章以追梦网作为研究平台,研究预测众筹项目的筹资结果.利用C＆RT、QUEST、CHAID、BP网络及径向基函数网络分别构建预测模型,对5类预测模型进行比较.实验结果表明回报方式、项目期限、分享次数以及回报执行时间是影响追梦网上众筹项目筹资结果的重要因素,而BP神经网络模型更为适用于预测众筹项目的筹资结果.     

基于首末位质量因子的BP神经网络财务风险预警模型

上市公司往往存在粉饰财务数据来美化企业经营状况的动机,这会降低财务风险预警模型预测的准确性。文章利用Benford律和Myer指数两种数据质量评估方法,构建Benford和Myer质量因子,引入BP神经网络模型,构造BM-BP神经网络财务风险预警模型;并进一步利用2000—2019年中国A股上市公司数据,评价数据质量因子对财务风险预警模型预测准确性的影响,分析新模型预测准确性的稳定性。实证分析结果显示:Benford和Myer质量因子提高了BP神经网络财务风险预警模型预测的准确性;在不同质量因子的比较结果中,包含评选指标Benford和Myer质量因子的BP神经网络财务风险预警模型具有较高的预测准确率和较低的二类误判率,稳定性良好;利用决策树算法筛选指标有效提高了新模型的预测准确性。     

基于Logistic回归和BP神经网络的财务预警模型比较

国内对Logistic回归模型和BP神经网络模型在财务预警方面已有不少实证研究,这些研究大多从预测准确度较高的角度出发,认为两个模型可以借鉴使用,但没有具体讨论模型犯第一类错误(将财务危机误判为财务正常)和第二类错误(将财务正常误判为财务危机)的概率.文章结合Logistic回归模型及BP神经网络模型的原理,选取上市公司财务数据进行实证,研究结果表明BP神经网络模型总体预测准确性较高,犯第一类错误的概率较低,对财务预警分析有一定借鉴作用;Logistic回归模型预测准确度低于BP神经网络模型,且犯第一类错误的概率远高于BP神经网络模型,因此运用该模型进行财务预警时应十分谨慎.     

几种组合预测方法对股票市场的预测效果研究

为了研究几种组合预测方法的预测效果,文章首先利用GM(1,1)、BP神经网络、支持向量机(SVM)三种单一预测方法对2008年的上证工业股指数、上证商业股指数、上证地产股指数、上证公共事业股指数作了预测,然后分别利用最优权重线性组合预测模型、基于SVM和基于BP神经网络的非线性组合预测模型对上述股指作了预测.通过对各种预测方法的预测效果进行对比分析,发现:在进行组合预测时,选择其中预测效果最好的一种方法作为二次组合预测的模型可以大大提高组合预测的效果.     

我国月度居民消费价格指数的预测方法与应用

文章用时间序列的BP神经网络和ARMA模型的方法对我国2005年1月～2011年5月的月度CPI进行了模型分析并检验了预测效果。对比分析表明,利用月度CPI时间序列的BP神经网络方法相比ARMA模型有更好的预测精度。     

湖北省城镇居民住房需求预测模型与实证

文章使用1995～2010年的湖北省宏观经济指标数据作为住房需求影响因素,分别应用BP神经网络和基于主成分分析的BP神经网络对湖北省城镇居民住房需求进行了预测和对比.研究表明基于主成分分析的BP神经网络可作为预测城镇居民住房需求的一种行之有效的方法.最后,提出了进一步研究的展望和建议.     

基于改进型小波神经网络的油价预测

为了提高油价预测的精度,文章运用主成分分析(PCA)的方法对初始数据进行预处理,同时将小波分析与BP神经网络结合构建小波神经网络(WNN),由此得到PCA-WNN预测模型.数值实验的结果表明,相比于传统BP模型和PCA-BP模型,PCA-WNN模型的预测精度更高,稳定性更好,泛化能力更强,是一种更出众的油价预测方法.     

基于人工神经网络方法的上市公司股价预测

本文从影响公司股价的核心上市公司质量出发,利用公司在各个层面的财务指标来预测股价,实现了在思想上的创新.在传统的线性模型预测的基础上,探索应用BP神经网络模型对上市公司的股价表现做出预测.     

基于神经网络灰色Verhulst算法的CPI预测模型

为了提高居民消费价格指数的预测精度,对于呈近似S形的CPI时间序列,利用灰色Verhulst模型对其预测.构造基于时间序列的人工神经网络输入输出模式,利用BP神经网络对原始数据与灰色verhulst预测值的残差进行训练.仿真实例表明,该组合算法预测结果比单纯使用GM(1,1)模型、灰色Verhulst模型和文献[1]的总体误差要小,将神经网络引入到灰色Verhudst模型中能较好地提高预测精度.     

基于干预模型与BP神经网络集成的GDP预测

文章将干预模型与BP神经网络模型相结合,提出了基于干预模型与BP神经网络集成的GDP时间序列预测模型,并实现了算法。利用我国1978~2004年的GDP数据建立多干预变量集成预测模型,对我国2005~2009年的GDP数据进行预测,并将预测值与其他文献所建模型的预测值进行比较,预测误差明显减少,证实了所建立模型处理外部事件(如宏观经济因素、政治因素等)的有效性。     

教学质量评价与预测的人工神经网络方法

BP算法是一个用于预测与评价的很有效的算法.文章综合考虑了影响教学质量的各方面的复杂因素,采用改进的BP神经网络算法用于教学质量评价与预测,给出了神经网络的教学质量评价与预测的模型结构,并在MATLAB中仿真实现.结果表明,该评价与预测方法克服了专家评价的主观因素,得到了合理的结果,具有很好的适用性.     

基于混沌PSO优化BP神经网络的碳价预测

随着全国碳排放权交易市场的启动,碳价的预测对碳市场参与者的风险管理具有重要意义。针对BP神经网络收敛速度慢、容易陷入局部极值的弊端,结合混沌的遍历性,构建基于混沌粒子群(CPSO)算法优化BP神经网络的碳价预测模型:利用Elastic Net方法降维,筛选出碳价的主要影响因素;再用CPSO优化BP神经网络的初始权值和阈值训练模型并预测碳价,结果表明:CPSO-BP碳价预测模型的精度和稳定性明显优于传统BP神经网络、粒子群优化的BP神经网络以及果蝇算法优化的BP神经网络。     

基于时间序列ARIMA与BP神经网络的组合预测模型

文章将时间序列ARIMA模型和BP神经网络算法相结合,设计一种组合预测模型,并将其应用于实际预测中,通过实际预测检验了组合预测模型在实际预测中的有效性.研究发现,组合预测模型在预测精度方面总体上优于这两个单项预测模型,因此这种组合预测模型具有良好的预测效能.     

基于小波神经网络的经济预测研究

本文通过小波变换和神经网络的结合,建立了相应的小波神经网络经济预测模型.该模型克服了传统时间序列预测模型只能进行线性预测,避免了一些BP神经网络的固有缺陷.     

关于中国社会总体和谐度的调查分析

文章利用广度细分变量和深度细分变量对2910份问卷进行深入挖掘,通过CHAID算法决策树模型可以直接明了地锁定对我国社会和谐程度满意或不满意的人群特点。为政府机构在构建社会主义和谐社会过程中制定适宜政策提供依据。     

基于人工神经网络的企业衰败预警

文章以财务状况异常而被ST作为上市公司陷入衰败的标志,介绍了前三层BP神经网络模型预测企业衰败的理论依据和工作程序,运用可公开获得的财务数据,对企业是否陷入衰败境地进行了预测.结果表明,神经网络是一种非常有效的非线性预测工具.     

基于BP神经网络与修正GM(1,1)模型的能源消费组合预测

随着我国经济社会的进一步发展,能源需求逐步增大,且消费量的增长与多种因素相关.能源消费预测存在与多因素的关联.文章在基础GM(1,1)模型框架下,以重新累积生成累加后序列预测值的方式进行GM(1,1)的无偏化修正,并按照加权平均背景值重设进行pGM(1,1)模型修正;并以各种非线性参变量间的映射纳入组合BP神经网络的能源消费预测.结果证实,无偏GM(1,1)、pGM(1,1)模型有效降低了GM(1,1)的预测平均相对误差,再与BP神经网络组合预测,形成了较好的能源消费预测精度.     

权证定价中的神经网络方法

传统的参数模型定价方法,常常存在假设条件与现实不符的问题.神经网络方法针对该问题提供了一种全新的思路.文章利用径向基神经网络和BP神经网络对权证进行定价模拟,并用定量的指标衡量模型的优劣,研究发现神经网络方法优于传统方法,并且RBF模型优于BP模型.     

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.