基于并联灰色神经网络的陕西省宏观经济预测

结合灰色GM（1,1）预测模型和BP神经网络2种预测模型的优点,提出了一种并联灰色神经网络模型,并用该模型对陕西省宏观经济进行预测.结果表明,并联灰色神经网络预测精度高于单一的灰色GM（1,1）预测模型或BP神经网络.     

基于PSO-SVR模型的能源需求预测

本文将支持向量回归机(support vector regression,SVR)与粒子群算法(Particle Swarm Optimizat ion,PSO)相结合,选取1 985~2008年的能源需求量及其影响因素作为学习样本,利用粒子群算法对支持向量机参数进行优化,通过训练、测试得到具有良好学习与推广能力的PSO-SVR能源需求预测模型。建立BP神经网络模型,并将两者的预测值进行对比,结果表明,PSO-SVR模型预测精度优于BP神经网络模型。     

基于商品房销售预测的灰色BP神经网络方法

应用灰色理论与BP神经网络理论,提出了一种基于灰色BP神经网络(GBPNN)的商品房销售预测方法,并建立了相应的GBPNN模型和求解.结果表明该方法不仅能优化预测精度,而且是一种很好的预测问题的有效方法.     

基于BP神经网络的产品成本预测

本文将BP神经网络理论应用于产品成本的预测,在与目前常用的其它成本预测方法进行比较后,指出了用神经网络进行产品成本预测的优势,讨论了网络的结构设计、学习算法等问题,并给出计算实例,预测结果与实际是相符合的.     

人工神经网络在经济预测中的应用

研究了人工神经网络在经济预测中的应用问题,探讨了人工神经网络的时间序列预测方法.该方法采用多层前馈神经网络及BP算法,其仿真实现是以MATL AB下神经网络工具箱作为开发工具.     

灰色神经网络模型在河南省未来人口总量预测中的应用

人口预测对经济社会的发展有着非常重要的作用。本文在灰色GM(1,1)模型基础上,利用BP神经网络修正残差,建立灰色BP神经网络组合预测模型,对河南省未来人口总量进行拟合和预测。此组合模型既克服了数据的非线性关系及随机波动大对预测精度的影响,也增强了预测的自适应性。结果证明了该组合模型的优势,具有较好的预测精度,预测结果是可信的。     

时尚服装销量BP神经网络预测模型研究

本文针对传统时尚服装销量预测方法难以满足新情况下预测的需求,对神经网络技术在时尚服装销量预测的应用方法研究,如何使用在服装销量的预测上。针对某时尚运动品牌公司的具体情况,使用BP神经网络对其销量进行预测实验。从影响因素确定到建立相应的网络模型,最终在MATLAB中实现,得到预测结果。最终结果显示BP神经网络法预测,高于传统预测方法的预测精度。     

财务困境预测中BP神经网络模型应用综述

金融危机席卷全球,处于金融市场之中的企业随时面临着陷入财务困境的可能,财务困境预测模型的建立可以使公司提前预测到困境的发生,从而及早避免投资损失.随着信息技术的发展,人工神经网络预测模型开始兴起,本文重点介绍了BP神经网络模型在财务困境预测中的应用情况,并将BP神经网络模型与传统统计方法进行了比较分析.     

基于BP神经网络的上市公司财务预警研究

文章采用BP神经网络方法,以263家制造业上市公司的截面财务指标作为学习样本,并使用76家制造业上市公司作为检验样本,建立了制造业上市公司财务预警模型.研究结果表明与没有区分行业的通用预警模型相比,分行业的BP神经网络财务预警模型的预测精度有了较大提高,为广大投资者和监管机构预测公司财务状况提供了可靠的依据.BP神经网络在分析和研究我国上市公司的财务状况方面,具有广泛的应用前景.     

基于商品房销售预测的灰色Bp神经网络方法

应用灰色理论与BP神经网络理论,提出了一种基于灰色BP神经网络(GBPNN)的商品房销售预测方法,并建立了相应的GBPNN模型和求解。结果表明该方法不仅能优化预测精度,而且是一种很好的预测问题的有效方法。     

基于GRA和PCA的BP神经网络应用研究

运用BP神经网络方法对复杂系统建模的过程中，经常遇到指标多、历史数据不足而降低网络泛化能力的情况。为了提高神经网络的泛化能力，本文从简化网络规模的角度出发，运用灰色关联分析法和主成分分析法对原始数据集做降维预处理，达到减少神经网络输入节点个数的目的。将由此建立的预测模型应用于我国粮食产量的预测，与一般的BP神经网络模型和基于主成分的BP神经网络模型相比，该预测模型明显简化了网络结构，提高了预测效率，同时较大地提高了预测精度。     

用BP神经网络预测桩的轴向极限承载力

利用神经网络的BP算法,对低应变动测法所得到的五个基本参数进行学习,预测单桩的轴向极限承载力。神经网络的预测结果与静载试验实测值基本相吻合,为快速预测单桩轴向极限承载力提供了一个可行的参考方法。     

人才环境及基于神经网络的陕西经济发展预测模型研究

利用多层前馈神经网络的反传算法(BP算法),在建立陕西人才环境评价指标体系的基础上,采用MATLAB软件建立了人才环境与经济发展关系的神经网络模型,映射出各年人才环境指标与人均GDP指标之间的函数关系,此BP神经网络可以成功地根据陕西人才环境指标对经济发展进行预测。     

基于遗传算法和BP神经网络的服装销售预测

本文基于BP神经网络建立预测模型,使用遗传算法对网络的初始权值及阀值进行优化,并通过某服装品牌实例验证了遗传BP网络的可行性和准确性。可将其用于服装企业进行销售预测。     

基于神经网络的备件库存风险级别预测

本文提出了一种基于神经网络的备件库存风险级别分类方法,在对备件的供货来源、重要性、易损程度、标准化程度、供货周期等指标进行模糊评价的基础上,建立了多层前向神经网络模型,利用BP训练算法,确定神经网络模型的连接权系数。将某测井服务公司100种备件的历史数据作为样本,进行了BP训练仿真,并利用模型预测了该公司60种备件的库存风险级别,预测结果与实际结果的符合率为84%。     

基于神经网络模型的家族企业诚信研究

以多指标为基础的多输入GA-BP神经网络模型,可以准确地评价企业诚信,能起到保护家族企业隐私、减少相关风险、预防家族企业出现诚信危机的作用。进一步证明GA-BP神经网络有着BP神经网络非线性映射与自主学习的能力,具有运算速度快、预测精度高的优点;解决了BP神经网络收敛速度慢和忽略最优解问题,使得GA-BP神经网络在仿真能力、误差水平、收敛精度及迭代次数等方面都优于BP神经网络,为家族企业诚信研究与诚信危机预测提供了一种可行有效的方法。     

基于BP网络的股票预测模型分析

股票市场是一个不稳定的非线性的动态变化系统。股票的价格受多种因素的影响,呈现出非线性的变化规律。在股票价格的预测模型中,BP神经网络具有一定的优越性。它具有很强的学习能力、自适应能力,可以无限地逼近非线性函数。本文通过实例,证实了利用BP神经网络可以对股票进行短期的预测,具有较强的网络泛化能力。     

基于模糊RBF神经网络的软土地基沉降预测研究

目前软土路段的地基沉降是国家高速公路保护研究的重要内容，软土路基沉降预测的精度要求是准确进行维护的必要前提。本文通过运用模糊RBF神经网络，结合了输入指标的模糊性，同时又利用了RBF神经网络的全局性和非线性的计算优点，对预测精度有了一个更好的提高。最后通过实例运算，证明了该方法的有效性，同时与BP神经网络进行对比，证明了该方法的精确性，为软土地基预测提供了一种更为精确的理论方法。     

基于正相关关联规则挖掘分析的客户需求权重预测

为预测经营活动中的客户需求,提出一种基于正相关关联规则的数据挖掘模型.挖掘统计数据的频繁2_项集并对挖掘结果剪枝处理,按照特征需求重要性大小,计算得出重要客户需求,再运用BP神经网络进行需求权值预测.实例表明该方法可减少关联规则数量和挖掘工作量,对需求的预测具有现实意义.     

应用BP神经网络模糊推理的资源城市主导产业评价

确定主导产业是决定资源城市产业转型成败重要因素,为了能够更有效地评价主导产业,文中引入BP神经元网络技术,结合模糊逻辑和专家意见法进行主导产业的评价.其中为了提高BP神经网络的准确性,结合资源城市的特点,对国内外产业选择指标进行了分析比较、归纳并确立了评价指标体系.最后以实例验证了应用BP神经网络结合模糊逻辑和专家意见法进行主导产业的评价的准确性.