基于BP神经网络的安徽省城市旅游竞争力关键因素识别

首先建立安徽省城市旅游竞争力评价指标体系,利用人工神经网络模型中的BP算法,以安徽省各城市为训练样本对网络进行训练学习,待网络训练好之后,则用来对影响各旅游城市竞争力的关键因素进行识别。通过分析,识别出各旅游城市的关键因素,如合肥市关键因素为空气质量达标率、工业废水排放量等;芜湖、宣城和池州市关键因素为固定资产投资率、接待旅客总数等,安庆市关键因素为人均GDP、固定资产投资率等,黄山市关键因素为每万人拥有高校的学生数等。     

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 神经网络的唐山房价预测

2014年以来,全国房地产市场形势错综复杂。虽然大多数城市房价继续上涨,但相对去年高歌猛进的涨势,今年上半年的房价上涨温和,涨幅明显收窄,环比下降的城市数不断增多。未来房价的走势众说纷纭,结合唐山市的具体情况,利用B P神经网络对唐山2014年的房价做出预测。     

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BP神经网络的钢铁企业清洁生产评价方法研究

对钢铁企业进行清洁生产评价是衡量钢铁企业清洁生产状态和水平,也是对钢铁企业推行清洁生产过程进行调控的依据。在建立钢铁清洁生产综合评价指标体系的基础上,本文提出了一种基于BP神经网络的综合评价方法。该方法建立多指标综合评价模型,采用隶属度函数对评价指标进行了描述。不仅具有自学习、自适应、自组织功能,而且避免了评价过程中的人为失误,达到客观评价的目的。     

基于BP算法的神经网络信用风险度量实证研究

理论与实际相结合,应用神经网络技术,构建了一个基于BP神经网络技术的信用风险评价模型,对我国传统的信用风险分析方法进行改进,克服了以往我国信用风险度量中存在主观随意性的特点,为我国信用风险度量模型的建设拓宽了思路,丰富了我国信用风险体系建设中的度量方法.     

基于BP神经网络的模拟电路故障诊断研究

本文介绍BP神经网络在模拟电路故障诊断中的应用,对电路中的软故障进行诊断。对选定的待测电路在元件存在容差的条件下,仿真验证了BP神经网络应用于模拟电路故障诊断的可行性。     

基于BP神经网络模型的中国石油需求预测研究

石油需求量预测对编制石油产业发展规划具有重要意义。为了合理预测中国石油需求量,将1965—2014年中国国内生产总值、人口数量、产业结构及技术进步4个分量作为输入向量,石油需求量数据作为输出向量,建立中国石油需求预测的BP神经网络模型,利用Matlab软件的神经网络工具箱对BP神经网络模型反复训练,发现当隐含层节点数为17、学习率为0.1、训练次数为8次、训练精度为0.001时得到的效果最好。最后运用所确定的BP神经网络模型对2015—2024年中国石油需求数据进行了预测。     

基于BP神经网络的煤矿沉陷补偿模型

煤矿开采沉陷补偿以往传统的做法是专家评估的方法。把现代数学方法与煤矿沉陷补偿评估相结合提出新的模式,将BP神经网络理论应用于煤矿开采沉陷补偿评估预测中,在与目前常用的评估方法进行比较后,指出了用神经网络进行煤矿沉陷补偿预测的可行性和优势,讨论了网络的结构设计、学习算法,以及运用实例来进行验证。     

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。     

基于遗传算法和BP神经网络的信用风险测量模型

随着新巴赛尔协议的推出,信用风险测量问题越来越受到重视。在西方发达国家,商业银行的信用风险管理测量技术已比较成熟,继传统的比例分析、主观分析之后,统计方法得到广泛的应用,如判别分析和logit回归分析等。自从20世纪80年代末期以来,人工智能技术如神经网络、专家系统等也被应用于商业银行信用风险测量中。目前,该领域应用最多的就是BP神经网络,但其固有的一些缺点,如易陷入局部极小点,会影响预测效果。但可以利用改进的遗传算法对BP神经网络进行优化,实验证明效果非常好。     

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神经网络的函数逼近的MATLAB实现

BP神经网络由于它的学习能力和非线性特性,使其能够对非线性函数进行很好的逼近。通过对BP神经网络结构和MATLAB软件及其BP神经网络工具箱的应用研究,利用BP神经网络工具箱设计BP神经网络,用于对非线性函数的逼近,通过网络的训练、测试达到了预期的效果。     

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。     

基于BP神经网络的多元化战略选择方法研究

在构建企业多元化战略选择决定因素指标体系的基础上,用BP神经网络建立了企业多元化战略选择模型。通过我国家电行业8家企业数据的验证表明该方法是可行的。     

基于BP神经网络的乡村公路工程造价模型研究

以乡村公路的路基工程为例,就如何利用BP神经网络来建立乡村公路工程造价模型进行了研究。在应用BP神经网络时,收集了合适的实例样本数据,并通过对模型进行训练、检验和修正,获得了较好的预测结果。结论表明,应用BP神经网络可有效解决乡村公路的工程造价估算问题。     

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神经网络的农户小额信贷信用风险评估研究

利用2009年杨凌区三家农村信用社的实地调研资料进行了农户小额信贷信用风险评估的实证研究,对指标变量分别进行正态性检验、差异性检验和多重共线性检验,利用MATLAB7.0软件建立了8—14—1结构的BP神经网络农户信用风险评估模型。模型对训练集样本的总体判别正确率为100%,对测试集样本违约类农户的预测正确率达90%,总体正确率达84.09%。准确度较高,能够为农村信用社识别农户信用风险提供较好的依据。     

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。