共查询到20条相似文献,搜索用时 46 毫秒
1.
2.
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。 相似文献
3.
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. 相似文献
4.
基于BP神经网络的产品成本预测 总被引:23,自引:1,他引:22
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. 相似文献
5.
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. 相似文献
6.
7.
8.
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. 相似文献
9.
10.
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。 相似文献
11.
基于GRA和PCA的BP神经网络应用研究 总被引:3,自引:0,他引:3
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。 相似文献
12.
13.
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。 相似文献
14.
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。 相似文献
15.
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%。 相似文献
16.
17.
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。 相似文献
18.
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。 相似文献
19.
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. 相似文献