基于神经网络的企业经济效益评价方法

企业经济效益评价在现代企业管理中具有重要地位,如何客观准确地对企业经济效益,选择正确合理的评价方法就尤为重要。文章应用神经网络模型,在“学习”以往这些样本的基础上作惯性的思维进行评价,把目前较为流行的数据挖掘中的神经网络模型应用于企业经济效益评价当中,以期取得一些有益的结果。     

应用混合神经网络和遗传算法的期权价格预测模型

隐含波动率是指在市场中观察的期权价格所蕴涵的波动率.提出了一种加权的隐含波动率作为混合神经网络的输入变量,建立了混合神经网络和遗传算法相结合的期权价格预测模型,通过遗传算法来优化神经网络的结构和获得隐含波动率的权重.在对香港金融衍生品市场的实证中表明,本文模型在预测结果上要优于传统的Black-Scholes模型.     

基于灰色神经网络的第三产业发展趋势的预测模型

第三产业发展趋势的预测对于国家或地方政府制定宏观政策有着重要的意义。为更加准确的进行第三产业的预测,从多角度选取指标利用信息墒理论合成综合指标,建立灰色神经网络对其进行预测,实证分析表明灰色神经网络比单一的灰色预测模型和传统BP神经网络预测模型拟合和预测能力要好,说明了模型适应成都第三产业发展趋势的预测。     

基于Borda序值和RBF神经网络的知识链风险预警

文章首先阐述了知识链风险的概念及种类;其次,利用Borda序值法,对知识链中各种风险作了量化评估,并将知识链风险分为第一模块风险和第二模块风险两大类,其中第一模块风险是对知识链影响较大的重要风险,第二模块风险是对知识链影响较小的相对不太重要的风险,以便据此确定知识链风险预警的重点;最后,在对RBF神经网络进行分析的基础上,给出了应用RBF网络对知识链风险预警的具体过程。     

基于灰色理论和神经网络的公司财务预警模型

通过合理选取财务风险预警指标,基于函数变换的GM（1,1）模型和神经网络建立了动态财务预警模型。实证研究结果表明,该财务预警模型能够有效反映企业财务状况的发展趋势,从而为财务风险预警提供了新的研究方法。     

基于RBF模型和可公度法的股指时间窗口期研究

股指时间窗口期对投资者选择投资时点极为重要。本文以我国上证综合指数渡浪曲线底部和顶住时间窗口期为研究对象,利用可公度法和RBF神经网络模型分析自1991年以来的上证综合指数的特性并对其底部和顶住的时间窗口期进行预测。     

基于BP神经网络的创业板上市公司IPO定价研究

在总结我国IPO定价演变过程的基础上,对创业板上市企业的IPO定价的理论基础进行了研究,明确新股上市时必须审时度势,并提出了“势”和“势价”的概念。通过分析BP神经网络的原理和算法,得出基于BP神经网络算法的创业板IPO定价方式可以有效地解决这种IPO定价需涉及的非线性、非平衡和动态的数学问题,并搭建了该算法的应用框架,确定了输入层的参数和节点数,结合具体训练细节,按照BP神经网络训练和IPO定价流程图编程运行,可以算出有效的创业板上市IPO定价。     

基于模糊神经网络加工误差补偿控制的研究

误差补偿技术已被公认为是一种比较经济而有效的方法,并在机械加工制造中的许多领域得到应用.轮廓误差是影响机械加工精度的主要因素,它直接影响着工件的加工精度.目前主要有两种方法对轮廓误差进行补偿控制:一种是减小单轴的跟踪误差来提高数控机床加工精度;另一种是对多轴实施协调控制,在不改变各轴位置控制环的前提下,根据单轴的跟踪误差来向各轴提供附加的误差补偿以减小轮廓误差.由于轮廓误差的形成是各轴运动误差综合作用的结果,因此采用多轴运动协调控制进行误差补偿的方式更加合理.     

AOD精炼铁合金终点预测模型的建立

智能控制技术在冶金终点检测和终点控制中得到广泛应用,特别是神经网络技术,采用径向基函数神经网络(RBF)构成的神经网络控制方案可以有效地提高系统的精度、自适应性和鲁棒性。选用RBF神经网络建立冶炼终点温度和碳含量的预测模型,可以为后续的控制模型提供有价值的控制信息,通过终点控制模型计算所要补吹的氧气量以及补加的冷却剂量,以达到冶炼终点温度和碳含量的精确命中。仿真分析表明,RBF神经网络应用于冶炼终点温度和碳含量预测模型的建立,具有一定的预测精度。     

储层粒度神经网络预测模型研究

国内外多年的研究表明,储层粒度特征值（d50）、非均质系数（d40=d90）是防砂设计的基础。常规获取粒度分布 范围的方法主要有激光粒度测试法（LDA）与筛析法（SA）,两种方法均需要通过岩芯粒度测试来获取数据,而在制定 开发井的完井防砂措施时往往没有实际开采层位的岩芯,只能参照探井粒度数据进行设计,从而导致较大的误差。针 对该问题,从测井的角度出发,开展了储层粒度与多种测井曲线的响应关系的研究,采用神经网络技术,建立了探井伽 马、密度测井项与实测粒度特征值三者样本库,训练出满足工程需要的学习网络,进而结合开发井测井资料,获得了整 个粒度纵向分布剖面,为防砂分层设计提供准确的基础数据支撑。目前,该方法在中国海上多个油田的分层防砂优化 设计中获得了成功应用,预测误差可控制在10% 以内。