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.     

基于BP神经网络的大学生心理障碍识别模型

随着社会竞争的日趋激烈、价值观念的多元化、人际关系日益紧张复杂化、生活节奏迅速加快、贫富差距显著拉大等,这一切都不同程度地加重了大学生的心理负荷,使其出现了种种的心理困扰。因此,关注大学生的心理发展,加强心理健康教育工作,真正把他们培养成为德才兼备、身心健康的社会主义建设者是高等教育面临的新课题。针对目前专职心理咨询员严重不足这一现象,提出了一种基于BP神经网络的大学生心理障碍识别模型,通过与计算机前沿技术“人工智能相结合,可以实现大学生心理障碍的网上自我诊断,大大减少高校心理咨询机构的工作压力。     

关于协同组合预测方法的探讨

文章在协同网络的基础上提出了一种新的组合预测方法--协同组合预测,协同网络有着深厚的数学物理基础,对比其他智能方法,如广义回归神经网络、支持向量回归、遗传算法等,结果表明:协同网络具有运算速度快,运行时间短,预测精度高等优势.     

贸易视角下的国际工程索赔预测

近些年我国的涉外工程份额不断增加,国际工程索赔逐渐成为了工程管理的重点。但我国在工程索赔的理论和实践方面研究起步还比较晚,尤其是关于国际工程索赔结果可能性预测的这方面研究涉及较少。为了使承包商可以降低自身风险并在施工索赔中掌握主动权,文章利用遗传神经网络对工程索赔进行预测,为我国的承包商在国际工程索赔上提供了一个有力的预测工具。     

基于支持向量机的非线性汇率预测分析

汇率的重要性和汇率的预测难度广为人知,随机游走模型依然占据着汇率预测领域.文章根据不同的汇率决定理论,分别利用支持向量机方法进行日元、英镑和加元汇率历史数据的回归和预测,实验结果表明货币经济学指标在汇率预测中非常重要,特别是利率指标:支持向量机方法虽然在RMSE上并不能显著优于随机游走模型,至少统计的显著性不足,但具有较好的方向预测性,可以作为投资决策的依据.     

基于数据挖掘的公司财务危机预警系统研究

一、引言财务危机是指公司无力支付到期的债务或费用。一旦财务危机无法化解,上市公司就会被戴上ST的帽子,以失败告终。为了有效化解财务危机,亟待建立适合我国上市公司的财务危机预警系统。     

基于学习矢量量化神经网络的创造力评价

剖析了创造力评价的重要意义及当前存在的问题,根据创造力评价指标及等级的数目,构建了由输入层、隐含层、输出层组成的学习矢量量化(LVQ)神经网络,用训练好的网络对测试样本进行仿真测试,仿真结果和实际情况正好相符,体现出LVQ神经网络在创造力评价中的实用性和有效性。     

基于统计相关的缺失值数据处理研究

针对数据库中存在缺失值的问题,文章建立了统计相关分析与机器学习相结合的缺失数据处理方法.首先利用统计相关性对原始数据进行分析,找出与缺失值属性相关度较大的属性,提取这些属性的已知值作为训练数据建立模型,再利用建立起来的模型估算缺失值.以UCI数据库真实的数据为例进行仿真,并对比分析了支持向量机、神经网络和决策树三种机器学习算法,实验结果表明利用相关度较大的已知属性值来训练学习,其估算值精度明显提高.     

能源安全预警研究

本文突破传统的风险预警模式,运用改进的BP神经网络方法建立中国能源安全预警模型,同时对中国2010年的能源安全状态进行了尝试性预警分析,得出初步结论中国的未来能源安全形势比较严峻,必须积极应对,及早采取措施.     

基于BP神经网络的湖北省生态足迹拟合与预测研究

本文通过BDS检验发现湖北省人均生态足迹序列存在非线性结构,进而通过构建"3-6-1"结构的BP神经网络对其进行拟合和预测,结果表明:所构建的网络能够很好地拟合人均生态足迹的走势,具有较好的预测性。用训练好的网络对湖北省2012~2016年人均生态足迹进行预测,结果显示:未来几年湖北省人均生态足迹将呈逐年增长的态势,其增长速度先升后降,即随着经济社会的发展,湖北省的生态环境呈逐年恶化趋势。政府应未雨绸缪,及早采取措施保护生态环境,以保证政策效果的及时发挥。