共查询到20条相似文献,搜索用时 46 毫秒
1.
文章将粒子群优化算法用于神经网络预测模型的学习训练,并且将这种方法用于股票预测中.实验结果表明,基于粒子群训练的神经网络学习算法更易于实现,且准确率较高. 相似文献
2.
改进粒子群优化算法及其在CVaR模型中的应用 总被引:1,自引:1,他引:1
文章基于CVaR模型进行投资组合优化,并利用粒子群算法对其进行求解.在具体应用过程中,为克服粒子群算法易陷入局部极值的缺陷,对算法进行了改进,并与标准粒子群算法(PSO)和遗传算法(GA)进行了比较,结果表明,改进后的算法应用于CVaR模型是行之有效的,且优于标准粒子群算法和遗传算法. 相似文献
3.
基于改进粒子群优化算法的物流配送中心选址技术 总被引:2,自引:0,他引:2
文章同时考虑客户和物流规划部门的利益,构建了物流配送中心地址优化的双层规划模型。提出了一种改进的粒子群优化算法,分别求解双层规划模型的上层模型和下层模型。仿真实例表明了本文方法的可行性和有效性。 相似文献
4.
5.
第三产业发展趋势的预测对于国家或地方政府制定宏观政策有着重要的意义。为更加准确的进行第三产业的预测,从多角度选取指标利用信息墒理论合成综合指标,建立灰色神经网络对其进行预测,实证分析表明灰色神经网络比单一的灰色预测模型和传统BP神经网络预测模型拟合和预测能力要好,说明了模型适应成都第三产业发展趋势的预测。 相似文献
6.
7.
基于粒子群优化算法的应急资源调度研究 总被引:3,自引:1,他引:2
科学合理地开展应急资源调度,最大限度地发挥有限的应急资源的价值,是应急管理中的一项重要工作.文章构建了多种应急资源需求约束、应急时间约束、应急救援成本约束等多约束条件下的突发事件应急资源调度模型,并运用粒子群优化算法对模型进行求解,从而实现应急救援资源的高效利用与合理调度. 相似文献
8.
一种灰色改进模型在农业经济预测中的应用 总被引:1,自引:1,他引:0
农业经济预测对于农业经济的长远发展有着重要的作用,关系到农业产业布局,农业产业结构调整等一系列问题。文章针对农业经济的特点以及现有研究的不足和缺陷,提出了一种灰色改进模型——灰色群建模对农业经济进行预测。实例分析结果表明,从预测精确程度、合理性和实用性等方面来看,灰色群建模都更加适合于农业经济预测研究。 相似文献
9.
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. 相似文献
10.
为了解决舰船纵摇运动灰色预测问题,文章通过对灰色系统理论建模杌理的分析,从离散的角度出发,建立了光滑性数据序列的差分模型,并与其原GM(1,1)模型进行比较,最后用指数序列验证了差分模型预测的有效性,精度较高,该模型同样具有较好的实用性与有效性.研究结果表明可以将文章的模型作为原模型的近似形式加以利用. 相似文献
11.
12.
目前研究的模糊C均值聚类算法(FCM)面临的最重要问题是初始值随机选取,导致其容易陷入局部最优,同时影响运算速度.而灰色预测GM(1,1)模型在形成预测公式时对初始值的选取也没有合理有效的方案.针对以上问题,文章提出坐标密度法,确定初始聚类中心,对FCM算法进行改进;接着提出运用改进的FCM求取GM(1,1)中数据的聚类中心,并把聚类中心作为初始值的方法;通过与已知算法进行比较验证了其可行性和有效性. 相似文献
13.
基于BP神经网络的信息商品价格预测模型 总被引:4,自引:0,他引:4
从信息商品价格的特点和BP神经网络的功能出发,借助样本训练集和改进的BP算法提出了基于BP神经网络的信息商品价格预测模型,并对模型的泛化精度进行了讨论,最后进行了仿真实验. 相似文献
14.
15.
16.
基于混沌PSO优化BP神经网络的碳价预测 总被引:1,自引:0,他引:1
《统计与信息论坛》2018,(5):93-98
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。 相似文献
17.
Regression analysis is one of methods widely used in prediction problems. Although there are many methods used for parameter estimation in regression analysis, ordinary least squares (OLS) technique is the most commonly used one among them. However, this technique is highly sensitive to outlier observation. Therefore, in literature, robust techniques are suggested when data set includes outlier observation. Besides, in prediction a problem, using the techniques that reduce the effectiveness of outlier and using the median as a target function rather than an error mean will be more successful in modeling these kinds of data. In this study, a new parameter estimation method using the median of absolute rate obtained by division of the difference between observation values and predicted values by the observation value and based on particle swarm optimization was proposed. The performance of the proposed method was evaluated with a simulation study by comparing it with OLS and some other robust methods in the literature. 相似文献
18.
19.
动态随机一般均衡模型中涵盖无法直接观测的变量,同时跨方程约束涉及复杂的非线性关系使方程的解析估计难以实现。在贝叶斯框架下识别动态随机一般均衡模型,基于状态空间方法建立度量方程和状态转移方程,采用辅助粒子滤波预测条件后验分布,建立贝叶斯误差带描述宏观经济变量脉冲响应函数的动态特征。实际数据分析验证了贝叶斯识别方法的有效性。 相似文献