神经网络在经济预测中的应用

人工神经网络由于具有大规模并行模拟处理、非线性动力学和网络全局作用,以及很强的自适应 人工神经网络由于具有大规模并行模拟处理、非线性动力学和网络全局作用,以及很强的自适应、自学习和容错能力等等一些特点,成为一种强大的非线性信息处理工具。而经济系统中广泛存在着非线性、时变性和不确定作用关系,神经网络应用于经济预测就显示出了它的巨大魅力。     

基于神经网络的国库现金流预测

人工神经网络（Artificial Neural Networks，ANNs），亦称神经网络（NNs），是模拟生物神经网络进行信息处理的一种数学模型。神经网络理论起源于20世纪40年代，历经多年发展，应用领域越来越广，特别是在人工智能、自动控制、计算机科学、信息处理、机器人、模式识别、CAD／CAM等应用方面都有重大突破，     

基于云模型的混合量子神经网络算法及其仿真研究

在云模型、量子算法、神经网络算法等理论研究的基础上,设计了一种以量子比特神经元为信息处理单元的多层量子神经网络——基于云模型的混合量子神经网络算法。在标准数据集上进行的实验仿真表明:混合量子算法具有量子算法轨迹行为性能的优势;同时该混合算法可将提取的特征输入到量子神经网络中对数据集进行分类。该算法改进了量子神经网络的损失函数,提高了误差分析性能。最后,通过仿真实验验证了该混合量子算法在收敛速度和鲁棒性等方面均优于量子神经网络算法。     

基于遗传神经网络的企业人力资源结构预测

以企业人力资源结构为研究对象,将企业人员分为管理人员、科技人员和普通员工,根据这三类人员的影响因素,利用遗传算法的全局寻优能力,构造了预测人力资源结构的遗传神经网络模型(GANN),并以ZC集团公司为实例,对其人力资源结构进行了预测。结果表明,该文建立的遗传神经网络模型对描述管理人员、科技人员分别占总职工比重与其影响因素的非线性关系方面具有较高的精度和应用价值。     

世界石油价格的长期趋势预测

由于世界石油价格具有的波动性、非线性以及非平稳性,如果直接利用ARIMA模型,不但会因为求积降低预测模型的精度,而且在长期的预测上也将趋于收敛;如果直接以神经网络模型进行预测,虽可以任意精度近似任意的动态系统,但仍有一些不易解决的难题。如,难以确定神经网络的隐层节点数,存在过学习现象,训练过程中存在局部极小问题等。     

AGA参数优选的SVR模型及其在经济系统预测中的应用

支持向量机已经被成功应用于解决非线性回归和时间级数等问题。文章运用自适应遗传算法对支持向量回归进行最优参数设置,得到一种新的预测模型——AGASVR模型,并且将该模型应用于经济系统的和预测。实验结果表明,提出的模型相对神经网络模型、小波神经网络模型和灰色系统模型而言,运算精度高,是一种有效的经济系统预测方法。     

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。     

以VPN设备构建市县乡统计网络

泰安市统计局于2007年6月利用VPN设备构建了市县乡统计网络，市县网间实现了高速实时双向互联，带宽可达2M，效果接近专线连接；乡镇可通过互联网快速、方便地接入统计内网，完成各种网上统计业务。两年来，这一网络平台运行稳定，为县乡统计机构提供了网页浏览、邮件传递、网上直报等功能，满足各项网上统计业务的需要，特别是在经济普查中，利用这一网络平台完成了大量经普数据的分散录人工作，充分验证了这一网络平台的可靠性能。另外，利用VPN设备构建网络仅需一次性投资，与专线连接相比，每年节省大量的专线租赁费用（泰安市每年节省7万元专线租赁费，而VPN设备投入约7万元），在统计系统有很大的推广应用价值。     

基于神经网络的不良资产价值评估

一、人工神经网络结构的描述 神经元是神经网络的基本处理单元.一般是多输入对单输出的非线性器件,其非线性特性可用于阈值值型、分段线性型和Sigmoid型函数近似,图1是典型的单层线性阈值元件图.     

几种组合预测方法对股票市场的预测效果研究

为了研究几种组合预测方法的预测效果,文章首先利用GM(1,1)、BP神经网络、支持向量机(SVM)三种单一预测方法对2008年的上证工业股指数、上证商业股指数、上证地产股指数、上证公共事业股指数作了预测,然后分别利用最优权重线性组合预测模型、基于SVM和基于BP神经网络的非线性组合预测模型对上述股指作了预测.通过对各种预测方法的预测效果进行对比分析,发现:在进行组合预测时,选择其中预测效果最好的一种方法作为二次组合预测的模型可以大大提高组合预测的效果.     

企业领导者绩效诊断与预测

本文总结了企业领导者绩效的影响因素、建立了企业领导者绩效评价的指标体系,并利用贝叶斯网络方法建立了企业领导者绩效诊断和预测模型,给出了对模型进行学习的方法和利用模型进行诊断和预测推理的方法。     

综合模糊认知图与BP神经网络的建模方法新探

文章介绍了模糊认知图的基本原理、推理机制及非线性赫布学习算法,然后综合考虑BP神经网络与基于非线性赫布学习算法的模糊认知图,提出了一个新的建模方案,并以股市股价预测问题为例对其进行了检验。研究结果表明:模糊认知图与BP神经网络方法的结合,不仅弥补了传统神经网络模型不具有解释性的缺陷,而且提高了模型的学习效率。     

电子政务绩效的评价模型

一、评价模型原理及结构以系统成本、系统效益、系统质量三个准则来进行指标层的构建,经过预处理后,数据分类到各自的参数子空间,作为神经网络的输入,评价等级作为网络输出,网络通过不断学习,归纳出内在的对应关系。单个神经网络融合输出往往不稳定,     

原油价格改进型神经网络预测方法

为了提高基于神经网络的国际原油价格预测性能,文章提出一种改进型变参数神经网络原油价格预测方法.该方法利用经验模式分解(EMD)对原油价格序列进行分解得到多个内蕴模式(IMF),对于每个IMF进行变参数的前向神经网络训练,将每个IMF下预测的结果进行综合,从而得到预测的原油价格.实证结果表明,相比已有的基于EMD和神经网络的预测方法,本方法的预测效果有一定的改善.     

基于粗糙集-CPN网络的客户价值预测

利用人工神经网络与粗糙集理论的优势互补,将粗糙集用于优化客户价值的指标结构,CPN神经网络用于预测,提出并建立一种粗糙集与CPN神经网络相结合的客户价值预测模型,并依此模型进行了实例验证。     

观点

《变结构非线性协整系统的预测方法》——经济系统由于受国家政策、科学技术等多种因素的影响,普遍具有非线性和变结构的特征。针对变结构非线性协整的分段线性特点。可以利用水平变结构协整向量均衡校正模型来解决它的变结构非线性协整问题。对于包含多个变结构区间的水平变结     

基于混合神经网络和混沌理论的居民消费价格指数预测研究

文章对我国居民消费价格指数进行了混沌识别,结果表明其具备混沌特性;结合神经网络和混沌理论,提出了一种将混沌理论和神经网络相结合的居民消费价格指数预测模型,利用重构相空间的嵌入维数确定神经网络的结构,算法与设计相对简单.     

完善和发展我国多样化财务会计报告体系的思考

21世纪企业重组、购并行为、集团公司的大量涌现需要大量准确的基础数据和相关信息作支撑,而要完成这样复杂的信息流、资金流、物流、工作流及时准确地传递信息,传统会计报表管理手段是难以做到的;另外电子计算机技术的发展,网络以及信息传递快速性、信息处理的集中性、信息的共享性的特点,对企业会计     

基于贝叶斯网络的高新企业融资风险评估模型

尽管高新企业有着非常好的发展前景,但融资难仍是高新企业发展面临的难题.基于贝叶斯网络构建了一种高新企业融资风险评估模型,能够将各种信息纳入同一网络结构,能够通过正向或者是逆向的推理来得到网络其他节点的后验概率.借助于非线性规划论的约束变尺度优化法建立融资结构优化模型,从而探讨出最为合理的企业融资结构.     

神经网络方法在农业经济预测中的应用

一、引言科学的预测是正确地作出决策的前提。预测的方法有多种 ,但基本上分定性和定量两大类。一般来说 ,又可把定量预测方法大致分为时间序列分析和因果关系研究两大类。预测的准确性是人们所关心的问题。虽然在目前的情况下要求预测结果准确无误是做不到的 ,但是为了提高预测精度 ,将各种预测方法进行比较研究 ,探讨各种方法的适用范围和能力 ,是一件有理论价值和现实意义的事情。神经网络方法有许多引人注目的特点 :对不完全信息、带躁音的信息具有良好的适应性 ;对非线性输入输出关系的学习更显优越性。它为复杂农业系统建模与预测提供…