基于ARIMA的多元时间序列神经网络预测模型研究

文章基于ARIMA模型具备准确提取时间序列当前值、过去值及误差值之间回归关系的能力,人工神经网络具备对各种变量的感知能力强,非线性逼近、自适应、自学习性等特性,构建了一种多元时间序列预测模型,并进行了理论探讨和实证.该模型能较准确模拟和预测时间序列的变化规律,可较好满足时复杂时间序列的分析预测需求.     

基于改进BP神经网络的时间序列补缺及预测

对BP神经网络的改进方式和网络参数确定进行分析,以青海省各月份经济统计中的时间序列问题为实验对象,分别采用动量项自适应学习率法和LM-BP算法,利用神经网络完成数据补缺及数据预测。该方法无须确立时间序列模型,便捷高效。最后对两种方法的训练情况和实验结果进行了比较和分析。     

基于BP神经网络的中国火灾灰色回归组合预测模型

文章根据组合预测的理论和神经网络的非线性性和良好的函数逼近特性,提出了基于人工神经网络的灰色幂模型、多项式回归模型的中国火灾组合预测模型。此模型综合了各单一模型的有效信息,同时也融合了人工神经网络在不确定因素预测领域的优势,能够比较客观地反映火灾的发展趋势,为中国火灾预测提供合理的依据。     

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.     

基于BP神经网络的信息商品价格预测模型

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.     

时间序列神经网络预测模型

本文讨论神经网络用于非线性动态系统建模与预测的问题和方法，主要考虑了如下几个问题：（１）相关变量的选择；（２）观测数据的可预测性与模型的有效性检验；（３）运用改进遗传算法学习神经网络连接权值。本文预测建模方法已用于一个决策支持系统中，并取得了较好的效果     

集装箱吞吐量时间序列预测模型

改革开放给我国航运企业带来了机遇与挑战.在激烈的市场竞争中,航运企业必须进行科学的投资决策,合理的资源配置,以及有效的宏观管理,才能把握机遇赢得发展.对运量,运价的有效预测是进行科学决策的基本依据.笔者在运用了多种预测方法对我国某港口集装箱吞吐量历史数据建立模型以后发现,时间序列模型在处理同时具有趋势性和周期性规律的动态数据上具有独到之处.根据叠合模型的拟合结果来看,具有较好的预测效果.     

基于样条函数的时间序列预测模型

本文基于B样条函数最小二乘法的非参数回归与时间序列方法相结合,建立了时间序列的预测模型。该方法有较高的预测精确度,可以描述复杂模型,并且用实例进行了分析。     

房地产价格时间序列预测的B P神经网络方法

文章阐述了BP神经网络的原理及其改进方式,提出了一种基于BP神经网络的时间序列预测方法。研究实例表明,无论是从拟合情况,还是检测、预测情况来看,该方法都有着很高的精度,可以作为房地产价格预测的一种行之有效的方法。     

基于回归神经网络的长期电力负荷组合预测模型研究

本文研究了用逐步回归、岭回归和偏最小二乘回归方法消除变量间的多重共线性,最后得到三个回归模型。单一预测方法的结果时好时坏,需要通过组合预测来提高预测精度。本文将神经网络技术与回归模型相结合,将预测值作为输入,实际用电量值作为输出,确定神经网络的拓扑结构,最后用训练好的BP神经网络预测江苏省全社会用电量。结果显示,组合预测的精度明显高于单个模型。     

基于混合时间序列模型的粮食产量预测

粮食产量的预测是保障粮食安全的重要组成部分.文章结合河南省许昌市粮食产量的历史数据,首先建立趋势外推预测模型,并对模型进行相应的分析;然后运用趋势外推与ARIMA模型(求和自回归移动平均模型)结合起来的混合时间序列模型对趋势值和真实值之间的离差序列即残差进行分析,得到混合时间序列模型的预测结果;最后通过比较得出的混合时间序列模型预测的精度较高,可作为粮食总产量预测的有效工具之一.     

基于灰色理论与神经网络组合预测模型在交通事故分析预测中的应用

由于道路交通系统是一个复杂的非线性系统,道路交通事故的发生和变化具有一定的总体趋势性和较强的随机波动性,本文基于这些特点,建立了基于灰色理论和神经网络的组合预测模型。结果发现,     

基于BP神经网络的人口预测模型研究

将BP神经网络应用于人口预测模型研究,讨论了可行性、网络结构设计和学习算法;计算实例表明,人口预测的神经网络模型具有客观性、精度高、易操作的特点。     

基于BP神经网络的个体定税预测模型

本文研究了个体定税预测模型问题。简要介绍了BP神经网络的结构,通过分析影响个体定额定税的主要因素,提出了基于BP神经网络的个体定税预测模型。运用MATLAB7.0对样本数据进行了仿真,结果证明了模型的正确性与适用性,并对该模型进行了分析评价。     

基于ARMA-GM-BP组合预测模型及应用

文章介绍了ARMA、GM(1,1)模型并建立了ARMA-GM-BP组合预测模型;通过对中国2005～2013年(DP的预测和检验,表明该组合预测模型的拟合及测试效果比单独利用ARMA、GM(1,1)模型的效果有很大改善;最后运用ARMA-GM-BP组合预测模型,对中国2014年、2015年的GDP作出了预测.     

多种时间序列预测模型在市场营销预测中的比较

文章从科学性、可操作性角度对当今适用于市场营销预测的多种时间序列预测模型进行了归纳总结,在此基础上对2001~2010年我国二手车销售量情况进行分析并对未来年份的销售情况进行预测,同时对提出的多种模型进行精度检验。     

基于ARIMA模型的短期股票价格预测

文章选取“华泰证券”250期的股票收盘价作为时间序列实证分析数据,通过建立ARIMA模型对创业板市场股票价格变动的规律和趋势进行了预测.实证结果表明,该模型短期动态、静态预测效果较好,可以为投资者和企业在进行相关决策时提供有益参考.     

基于BP神经网络优化算法的工业企业经济效益评估

由于现有工业企业经济评价方法具有很多局限性,本文提出了一种基于BP神经网络优化算法的工业企业经济效益评估方法,该方法将企业的各项经济指标作为人工神经网络的输入,利用优化后的BP神经网络模型对企业进行评估和分析,运行时间大大缩短,同时评估结果客观准确,并以一个算例说明了该方法的实现过程,该算例表明了该方法的可行性。     

量子BP神经网络模型的理论算法与应用研究

文章提出一种量子BP网络模型及学习算法,模型基于量子学中一位相移门和两位受控非门的通用性,构造出一种量子神经元,由量子神经元构造出三层量子BP网络模型,基于梯度下降法构造了该模型学习算法.模拟油藏测井解释中测井曲线与水淹级别之间的映射关系计算时采用该模型及算法,实现了油藏测井解释中水淹层自动识别,实验结果表明该方法对解决水淹层识别问题具有良好的适应性和实用性.     

基于BP神经网络的员工素质评价模型

文章首先阐述了员工素质评价的必要性,之后详细的介绍了基于BP神经网络的员工素质评价模型,包括算法、指标、模型的结构和评价过程,最后通过评价实例来对如何使用模型作了具体的说明,并验证了该模型评价结果的准确性。