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。     

一种改进的灰色BP神经网络光伏出力预测方法

光伏出力的准确预测对于光伏发电系统的大规模应用具有重要意义。针对光伏出力预测描述自然规律困难及传统灰色模型预测精度不高等问题,提出了一种基于改进的灰色BP神经网络光伏出力预测方法。利用模糊c均值聚类(FCM)的方法将数据分类,选择与预测日最为接近的一类作为样本,利用灰色GM(1,1)预测模型得到预测数据。将灰色模型预测结果与相对应的日最高、最低温度作为BP神经网络的输入,以对应的实测数据为输出训练得到最终的预测模型。采用江苏某光伏电站的实测数据验证,结果表明该模型在预测精度上有一定的提升。     

苹果产量的神经网络预测模型

在介绍神经网络预测方法的基础上 ,采用 BP神经网络技术对我国未来若干年的苹果产量进行预测 ,并将其结果与灰色系统 GM(1,1)的预测结果进行比较分析 ,表明该方法预测效果比传统的预测方法好 ,可以用来对水果等经济作物的产量进行中短期预测。     

基于支持向量机的中长期电力负荷预测研究与应用

采用一种新的机器学习方法——支持向量机,建立了中长期电力负荷预测模型.阐述了支持向量机的基本内容,对影响电力负荷诸多因素的样本集进行了标准化处理和主因素分析(PCA).采用Libsvm训练了数据集,并与灰色预测GM(1,1)模型、多元线性回归模型、模糊ISODATA聚类模型和BP神经网络进行对比.结果表明,此算法有更高的准确性,可为电力负荷预测提供有效依据.     

基于灰色关联度的GM(1,1)-BP神经网络组合模型研究

改革开放以来,我国居民消费水平保持较快发展态势,准确预测未来居民消费水平能更好地掌握国民经济发展趋势,为政府相关部门制定战略规划和产业政策提供参考。为此,基于灰色关联度建立了GM(1,1)-BP神经网络组合模型,对2000—2016年居民消费水平进行模拟,并对比分析GM(1,1)模型、BP神经网络模型、灰色组合模型模型的预测误差。仿真结果表明,基于灰色关联度的GM(1,1)-BP神经网络组合模型能进一步提高预测准确性。     

科学数据时间序列的预测方法

针对传统的时间序列分析方法预测科学数据效果较差的特点,提出了一种结合自组织神经网络和灰色理论的时间序列预测方法。该方法利用度量时间序列相似性距离函数,将时间序列按照其变化规律分成不同的类别,并在GM算法中针对白化参数进行优化,对科学数据时间序列进行自组织聚类,针对各类别采用灰色理论建立预测模型。试验表明,该模型适合科学数据的变化特点,提高了预测精度。     

基于BP神经网络的组合预测及在电力负荷的应用

分析了电力负荷预测的意义及预测原理，并以传统方法证明了组合预测的优越性．在经典预测方法线性回归和现代预测方法灰色模型的基础上，通过BP神经网络进行组合预测，分别应用单一模型和以计算机为工具的组合模型对上海市年电荷用量进行预测．通过分析和比较验证了该组合算法的有效性，     

运用GA-BP神经网络研究时间序列的预测

神经网络能以任意精度逼近非线性函数,以神经网络为基础的时间序列预测模型能很好地反映信息的非线性发展趋势。该文在分析传统BP网络缺点的基础上,用具有良好全局搜索能力的遗传算法来改进神经网络。详细讨论了GA算法的优化神经网络初始权值和阈值的思想和理论。在阐述预测方法同时,用具体例证分析了GA-BP网络预测的性能和特点。结果表明,基于GA-BP神经网络在预测精度和适应性方面高于传统的BP神经网络。     

基于曲率模态和神经网络的结构损伤诊断

基于神经网络算法，利用曲率模态参数对框架结构损伤定位和定量识别问题进行了研究和实例分析，分别用两种网络对结构损伤进行诊断，并用灰色理论对结构损伤进行了预测。结果表明，灰色理论能成功地对结构损伤进行预测，神经网络适用于此类损伤无规律对象问题的诊断。     

基于神经网络的投资基金周净值预测

利用神经网络理论的辨识特性,建立了基金周净值预测的BP神经网络预测模型.通过对具有代表性的投资基金“基金金泰”的实证分析,表明该模型具有很好的非线性反映能力和学习能力,能准确预测基金周净值的变化趋势和上升与下降趋势的转折点,为预测基金净值未来走势提供了一个有效的方法.