BP人工神经网络在信用卡评估中的应用

随着经济的不断发展,金融业在经济发展中发挥着越来越重要的作用,各商业银行的信用卡业务也在逐渐增加,对银行客户的信用评估是否合理、科学、准确,关系着银行在办理信用卡过程中承担风险的大小。通过有效的信用评估,可以大大降低银行承担的风险。该文介绍了人工神经网络(Artificial Neural Networks,简写为ANNs)、误差反向传递神经网络(简称BP人工神经网络)的网络结构和学习训练算法。并使用BP人工神经网络模型,将来自UCI Machine Learning Repository网站的三组数据输入到BP人工神经网络,通过创建不同的隐含层、设定不同输入层的神经元数及使用不同的训练方法来得到BP人工神经网络在信用卡评估的准确率及速度。结果发现,BP人工神经网络对信用卡信息的匹配和筛选具有较为理想的效果,对银行客户的信用评估有较好的推荐及参考作用,有利于商业银行在对申请信用卡用户的信用评估,及时减小了在办理信用卡过程中承担的风险,对金融风险的防控也起了重要的作用。     

ARIMA模型在山东省GDP预测中的应用

地区国内生产总值是衡量一个地区经济状况和发展水平的最优指标,其能够反映出地区的经济实力和市场规模大小。本文通过对山东省1990—2020年的GDP数据进行分析,建立ARIMA(1,1,0)模型,并对山东省今后的发展进行预测分析。研究结果表明,2021年山东省GDP总量稳步提升,预测增幅为5.7%,区域生产总值（GDP）约为77 327.9亿元。2021年山东省GDP实际值为83 095.9亿元,增幅为8.3%,可能的原因是疫情过后经济逐步恢复。     

非平稳时间序列预测模型在农产品供求量预测中的应用研究

根据实际的统计数据,建立了农产品供求量的非平稳时间序列预测模型,通过建模过程的统计检验和实例预测,阐述了模型的应用过程及适用性.     

人工神经网络在资本市场预测中的应用

多层前向神经网络在非线性建模方面的独特优势已引起经济预测学界的重视。本文概要评述了多层前向网络在经济预测方面的优越性和局限性 ,并结合有关背景着重介绍了其在资本市场预测中三个方面的应用结果 ,给出了简要评价     

基于MATLAB的回归分析模型在经济预测分析中的应用

经济预测是企业决策的前提与基础,MATLAB具有强大的数据处理和分析功能,可以方便、快捷、准确、直观地进行回归数学建模和预测分析.本文通过案例分析,运用MATLAB统计工具箱中提供的命令regress建立回归分析数学模型,并进行回归预测分析,取得很好的效果.     

神经网络在股市预测中的应用——基于BP,RBF与GRNN

本文以个股江特电机(002176)250天实际收盘价作为样本,设计BP网络、RBF网络及GRNN网络,并对各种网络在股市预测中的应用进行了比较分析。     

基于人工神经网络技术的药学专业学生考研成绩预测探究

随着信息技术的发展,探索新的学习方式、教学方法以及建设数字化校园已经成为当代教学工作的重点。随着无纸化办公的深入,越来越多的数据信息存储在服务器内,如何合理、恰当、有效地运用信息技术,从海量的数据中提取并发现有用的信息,为教育教学提供参考依据,成为当前急需解决的新问题。考试成绩是对学生学习情况的检查和评定,它从一个侧面反映了学校教育的成功与否。近年来,随着高校学生考研需求的逐年增长,学生考研成绩评估成为评价教学质量的一个重要依据。运用人工神经网络技术能构建学生考研成绩数据库,分析学生的考研成绩,找出对成绩影响较大的因素,对学生的考研成绩作出一定的预测,为学生填报志愿提供指导,提高考研录取率,这对完善学生的培养方式和提高教学质量会有很大的帮助。     

人工神经网络在湖北省地区生产总值拟和中的应用

在“十二五”背景下,湖北省作为华中地区的重要省份,发挥着不可替代的作用。地区生产总值是衡量一个省份综合经济水平的重要因素,从而备受关注。神经网络,作为复杂非线性数据处理的方法之一,相比于传统的回归分析对多元非线性关系的拟合效果更好。因而本文借助人工神经网络对湖北省的地区生产总值进行了拟合,发现,进出口、地方一般预算收入、工业总产值、投资等对其影响较大,且检验组的误差均在5%以内,拟合效果较好,另外这与凯恩斯的理论也是相符合的。本文在此基础上提出了相应的政策建议,如保持投资增长力度,调整地方收入的流向,调整政府支出比例等。     

混沌时间序列及其在我国GDP（1978-2000）预测中的应用

混沌经济时间序列的预测方法研究是混沌经济非线性动力系统的重要内容。本文利用混沌动力学原理,通过混沌时间序列的相空间重构,运用局域预测方法,建立了预测模型。并用其确立的混沌动力学模型对1978～2000年我国GDP进行了预测。把此预测结果与实际值进行了比较,结果证明误差较小。同时还将此预测结果与用指数平滑法建立的预测模型的预测结果相比,结果表明混沌时间序列建立的模型其短期预测效果更好。     

BP神经网络与RBF神经网络在股价预测中的应用

本文利用神经网络对股票走势进行分析和预测,构建了两种神经网络预测模型,通过对以往历史数据的学习,找出股市发展的内在规律,用以预测未来的走势。     

技术经济预测方法在施工项目成本中的应用

施工项目成本预测是施工项目成本管理中的重要一环,也是首先要做的工作,成本如何预测,运用什么方法预测,对于成本的预测准确度来说是至关重要的,只有针对工程项目本身的特点去选择合理的预测方法,才能使成本预测的准确性提高。     

关于企业产品销售量的模糊预测

本文在分析了各种产品销售量预测模型的基础上,提出了采用模糊预测法的建议,剖析了模糊时间序列预测模型的基本算法,应用实例验证了模型的有效性。     

基于人工神经网络的软测量研究

随着现代科技的不断发展,现代工业过程除了要用常规测量技术获取检测参数,还需要得到大量与过程操作和控制密切相关的而用常规测量技术难以获取的检测参数。为此,现代工业过程大多采用软测量技术。而基于人工神经网络的软测量是近年来研究最多、发展很快和应用范围很广泛的一种软测量技术。本文主要致力于对工艺流程复杂,机理不甚清楚或者物性参数难以获得的过程,研究基于人工神经网络的软测量方法。     

粮食产量的人工神经网络预测方法的应用研究

粮食产量预测是农业经济管理中的一个重要环节,本文以小麦产量预测模型为例论述了应用于全国粮食产量预测的神经网络模型建立的关键步骤和指标分析选取的方法,并在模型参数优选的基础上用此方法用历史数据进行了预测分析.预测结果表明,该模型可提高粮食产量预测准确性,有效性,实际的预测结果分析说明了该方法的先进性和可行性.     

时间序列分析模型在我国GDP中的应用

由于多种因素可以影响到GDP的增长,虽然可以通过经济增长理论知道GDP的增长是由于资本存量、劳动力数量、技术进步等因素,一些GDP的增长还可能会受到例如自然灾害、天气状况等不可预测因素的影响。因此,时间序列模型成为预测GDP增长的有效工具。本文以我国1978年至2008年的31个GDP年度数据为例,运用时间序列分析中的ARIMA(0.1.1)模型,通过识别、估计、诊断等过程,结合统计软件SAS实证分析了数据的变化情况,得到了误差较小、短期预测较为准确的满意结果。     

经济时间序列的非线性组合建模与预测方法研究

基于模糊系统在紧立集中能够任意逼近非线性连续函数的特性,本文提出了一种基于Takagi-Sugeno模糊规则基的非线性组合预测新方法,以克服线性组合预测方法在解决非平稳时间序列组合建模问题所遇到的困难和存在的不足,并采用相应的遗传算法确定模糊系统的参数及模糊子集的划分。理论分析和大量的应用实例表明:该方法具有很强的学习与泛化能力,在处理诸如经济时间序列这种具有一定程度不确性的非线性系统的组合建模与预测方面有很好的应用价值。     

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。     

基于小波网络的经济时间序列预测模型

本文在小波网络的基础上,利用经济类时间序列的特点,建立通用的经济预测小波网络模型.该网络的权值由广义递推最小二乘法来学习,尺度参数和平移参数通过稳定的Davidon最小二乘法获得.并利用此模型对我国工业发电量加以预测.实际预测结果表明了该模型的先进性和可行性.     

马尔科夫经济预测理论在房地产市场营销中的应用分析

从我国房地产现状可分析出房地产市场营销的系统特征,基本上是一种动态的营销理念,以马尔科夫理论为基础滚动预测房地产市场,能够确保房地产样本在抽取前期达到定量预测的目标,这种定量预测方针能够与房地产市场营销有机相结合,保证营销机制的合理稳定、正确理性。通过实践可知,马尔科夫经济预测理论在长期市场预测中没有明显波动,但是该方法能够有效指导短期市场预测,其结果较为精准。因此,状态转移矩阵滚动次数足够多,该理论也能接受长期市场的预测要求。