基于BP神经网络的我国制造业产业安全预警研究

运用灰色系统模型、线性回归模型等方法预测制造业产业安全各评价指标,将所得预测值同历史数据相结合,建立三层BP神经网络。在此基础上,对我国制造业产业安全未来状况进行了系统预警。结果表明,未来我国制造业产业安全状况良好,只需做轻度防范。     

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RBF网络的成都市失业预警模型

通过建立径向基神经网络模型，借助成都市1997年-2005年的失业数据，对成都市的失业状况进行分析，最终依据扩散指数对成都市失业率进行综合评价和预警。经过数量化的研究，将为有关部门制定相关政策提供有效依据。     

基于PSR模型的云南省生态安全评价研究

对区域生态安全水平评价可以为环境监管提供理论基础,促进区域内经济与环境的协调发展.基于云南省2007—2019年生态安全数据,运用压力(Pressure)-状态(State)-响应(Response)模型,结合"十四五"生态文明建设的绿色指标,构建生态安全评价指标体系对全省及各州市生态安全水平做出综合评价;同时,与西南地区其他省份横向对比,进一步分析云南省生态安全变化趋势.结果表明:近10年间,因工业污染物造成的生态压力使云南省生态安全水平出现过短暂下降,但总体上有所提高.基于此,对云南省生态安全监管提出如下建议:建设省内生态监管平台,以便对生态安全水平进行实时监管与动态预警,改善省内生态发展不平衡状况;着重建设云南省特殊生态区并加强农村生态环境保护工作,提高省内生态经济产业比例.     

粗糙集—遗传优化神经网络构建与企业财务危机预警研究

基于双重混合神经网络技术的财务危机预警研究是未来财务危机预警理论的重要内容,比如粗糙集与遗传算法双重数据挖掘技术做为基于神经网络的财务危机预警系统的前置装置,优化后模型能有效降低模型训练时间和提高系统的预测精度。     

基于网络搜索指数和EMD-ARIMA-BP组合模型的游客量预测——以张家界为例

科学的客流量预测有利于完善旅游安全预警体系和优化旅游资源配置体系。为进一步提高游客量预测的准确度,提出一种基于网络搜索指数的EMD-ARIMA-BP组合模型,以探究互联网时代旅游消费者出行行为规律。该模型首先对网络搜索行为数据进行指数合成,其次利用EMD算法对游客量和网络搜索数据进行去噪处理,最后将ARIMA模型和BP神经网络进行组合,对游客量进行预测。实证分析以张家界为例。研究发现：（1）运用网络搜索数据预测旅游消费者出行行为切实可行,接近于实时的网络数据可以大幅提升预测的时效性;（2）经过EMD去噪算法对游客量与网络搜索行为数据进行去噪处理后,游客量的预测精度有较大程度提高;（3）基于网络搜索指数和EMD-ARIMA-BP组合模型的预测误差显著低于ARIMA模型和BP神经网络等基准模型。     

现金流量预警指标视角下的BP神经网络模型实证检验研究——来自2007—2012年沪深两市ST公司的数据分析

文章针对现金流量指标的国内外研究动态,从财务危机预警角度构建现金流量预警指标体系;并选取2007年-2012年沪、深两市A股79家ST公司及79家非ST公司作为训练样本,用样本公司被ST前1年、2年、3年的数据对指标进行筛选,将BP神经网络模型预警结果与样本的实际结果进行比较。研究结果表明：BP神经网络模型t-1年、t-2年、t-3年的预测精度依次下降,但t-3年财务预警模型对训练样本的预测精度仍能达到79．22％,对检验样本的预测精度也能达到78％。     

基于模糊优选和神经网络的保险企业经营风险预警系统构建

论述基于模糊优选和神经网络的保险企业经营风险预警方法的理论依据,阐述组成我国保险企业经营风险预警系统的三个重要环节:基于BP神经网络的风险预警指标预测子系统、基于模糊优选理论的风险测评子系统和基于模糊优选BP神经网络的风险报警子系统三个子系统的构建原理,并通过实例分析证明该方法有效、可行。     

高速公路尾撞事故预警

为对高速公路尾撞事故进行有效预警,提出一种宏观交通流尾撞事故预警模型。首先考虑不同车辆类型制动反应时间的影响,建立空余安全间距模型,以空余安全间距■为尾撞事故临界条件,建立尾撞事故预警模型,依据车辆类型（液压或气压）计算不同车辆比例下制动反应时间的取值范围,确定其置信区间,通过所允许的平均制动反应时间最大值对交通流状态进行预警分级并确定等级概率;然后利用长短时记忆神经网络模型对预警特征参数交通流量q、速度v_s进行预测;最后通过实例验证,将预测数据代入尾撞事故预警模型,得到不同车辆类型比例下预警等级的概率,且概率值远大于50%,验证了尾撞预警模型的适用性,对预警等级较低且概率较高的情况及时进行管控,减少多车连环追尾事故的发生。     

基于GMDH神经网络法的中小板上市公司ST分类预测研究

预测上市公司的上市状态对投资者与其他利益相关者至关重要.选取2019年1月1日至3月31日我国中小板116家上市公司的86个财务指标数据,运用GMDH神经网络法对ST公司和非ST公司进行分类预测,预测正确率达到78.26％.进一步采用1:1配对原则(43家ST公司和43家非ST公司)对中小板上市公司进行ST分类预测,预测正确率大幅提高,达到88.24％.由此发现,基于GMDH神经网络法的中小板上市公司ST分类预测具有较好的预测表现.     

补偿模糊神经网络在煤矿安全预警中的应用

为了实现煤矿安全预警的及时、准确和有效,预防和减少煤矿事故的发生,采用补偿模糊神经网络理论,设计了一种包括＂影响因素-综合评价＂的二级神经网络结构,其中影响因素级由5个、综合评价级由1个,总共6个子补偿模糊神经网络构成。该结构有利于对影响安全问题的原因进行深入分析,评价更客观。通过实际应用,验证了该模型的实用性和有效性。     

以广义回归神经网络预测共同基金报酬

鉴于近年来许多相关文献成功地运用广义回归神经网络进行财经方面的预测,以及国内共同基金净值之预测与报酬率评估。通过搜集国内基金资料,以灰关联分析法进行各基金投资绩效分析,挑选投资绩效良好的共同基金作为投资标的;再以广义回归神经网络建立预测模型,与灰预测模型、多元回归模型进行预测能力及报酬率的比较分析。5种预测绩效评价指标、5组数据交互验证散布图及报酬率分析表明:广义回归神经网络在预测能力及预测报酬率上均有很好的表现。     

基于优化BP神经网络的营销风险衡量与控制

营销风险是由营销环境等因素的不确定变化带来的,营销风险衡量是营销风险管理的核心。文章提出了基于改进BP神经网络的营销风险评价方法。这种方法的步骤包括建立营销风险评价指标体系,并进行FA指标处理;构建BP神经网络模型,以实例训练模型,并验证此方法的可行性。在此基础上,用概率法划分五个营销风险等级,并根据企业承受营销风险的能力及风险管理水平,采取相应的预警控制措施。     

神经网络与领域知识结合的纳税评估预警模型

纳税评估是一项重要而复杂的工作。针对目前尚无十分有效的纳税评估预警模型的情况,提出了将神经网络和领域知识结合建立纳税评估预警模型的方法,利用基于神经网络的方法选出有涉税疑点的企业,在领域知识的指导下结合统计分析方法,解决了预警模型无疑点指向性的问题。通过建立行业的纳税评估预警模型,并进行验证分析,表明该方法是可行的。     

基于希金斯可持续成长模型的企业财务危机预警实证研究

基于2003年至2007年中国A股市场新增ST公司样本及配对样本的前三年数据,本文对Higgins模型综合指标进行单变量分析,证实了该模型的预警可行性;然后根据四项因素驱动指标分别运用多元判别、逻辑回归、神经网络和最小二乘支持向量机方法建立预警模型进行回判和外推,以考察希金斯可持续成长模型是否能够用于企业财务危机预警。研究表明,四项因素驱动指标在ST前两年具有较高的分类准确性,Higgins模型能够为开发标准化预警指标体系提供参考。     

基于房屋普查数据的震害预测方法

提出了一种利用人工神经网络模型并以房屋普查数据为震害影响因子的震害预测方法.以建筑物的结构类型、层数、高度、建设年代、用途、现状质量等几个简单参数对城市、建筑物进行分类,并在此基础上进行建筑物的震害预测工作.根据震害因子的选取及网络对样本的训练效果建立一个人工神经网络模型,通过此模型对震害实例的预测结果进行分析,证明了此模型的实用性.利用房屋普查数据进行震害预测工作为研究快速震害预测方法提供了一个新的思路.