考虑动态多时段借还车需求的城市自行车租赁系统规划模型

目的/意义气温、降雨量和风力等天气因素对共享单车骑行量构成了非线性影响,而传统的多元线性回归模型以及基于时序的预测模型,由于其对非线性关系表达能力不足,预测结果往往存在较大误差。 设计/方法在单车价格等经济因素以及市场竞争态势等相对稳定情况下,结合用户潮汐骑行规律和地理空间兴趣点数据构建了基于BP神经网络的天气因素对共享单车骑行量的预测模型,并利用成都市某区域内摩拜单车骑行与天气数据,分别训练了“逐日”和“逐时”为单位的BP预测模型。 结论/发现对比实验结果表明,基于BP神经网络的预测模型具有更高的预测准确度,实验结果还表明不同兴趣点在不同时刻的骑行量受温度和降雨量的影响程度差异较大。研究结果为共享单车公司实现基于天气因素的单车骑行量预测提供了科学方法,并且为单车数量的精准投放与回收提供了依据。     

关于非对称Hopfield神经网络的稳定性

根据矩阵特征值分布范围，讨论了连续时间Ｈｏｐｆｉｅｌｄ神经网络模型的渐近稳定性，给出了目前最优的结果，这对于实际网络设计有重要的指导作用。     

基于SOM人工神经网络的客户资源分类方法研究

客户关系管理是近几年来管理学的重要研究课题,有效的客户关系管理是企业提高其核心竞争力的关键手段。客户资源分类是进行客户关系管理的重要前提。本文提出了一种利用SOM人工神经网络进行客户资源分类的方法。该方法充分利用了SOM人工神经网络的自组织映射的特点,并结合客户资源分类的特点,对不同的分类目的采用不同的网络结构,在实践中取得了较好的效果。     

深基坑变形影响因子分析及预测方法研究

影响基坑变形的因子有很多,有主要因子和次要因子。根据实际工程经验以及相关资料,在较为全面地总结所有影响基坑变形因子的基础上,结合层次分析法,筛选出主要影响因子,建立一定的量化标准。将影响因子作为输入层,构建基于主要影响因子的BP神经网络。结合天津市中国铁建国际城1D地块深基坑工程,选出围护结构发生明显变形的各时间段,建立17×106的训练数据,采用黄金分割法对隐含层的节点数进行筛选,以4 m,8 m,12 m,16 m处的变形数据为目标层进行训练和仿真。最后,对其它测斜点的变形进行预测,精度满足要求,验证了这种影响因子选择和样本选择方法的有效性,对基坑变形预测有一定的应用指导意义。     

基于 BP 神经网络的唐山房价预测

2014年以来,全国房地产市场形势错综复杂。虽然大多数城市房价继续上涨,但相对去年高歌猛进的涨势,今年上半年的房价上涨温和,涨幅明显收窄,环比下降的城市数不断增多。未来房价的走势众说纷纭,结合唐山市的具体情况,利用B P神经网络对唐山2014年的房价做出预测。     

企业信息化经济效益评价指标体系研究

科学的评价指标体系是企业信息化经济效益评价的前提,本文分析了已有的指标体系存在的不足,设计了一套新的指标体系,解决了固定指标权重和行业适应性差的问题,利用BP神经网络处理非线性复杂系统问题的能力,研究了指标值的量化处理方法和权重的动态调整,为企业信息化经济效益的评价提供了客观的评价标准。     

基于BP神经网络的建设工程造价预测方法

阐述了神经网络的基本概念、基本结构和算法原理,建立了基于BP神经网络的工程造价预测模型,并根据模型结合MATLAB神经网络工具箱对程序进行设计,最后通过案例分析对其具体应用作了详尽阐述。研究表明使用BP神经网络来进行工程造价预测是完全可行的。     

ANN技术在切削加工中的研究现状

本文简要介绍了人工神经网络的特点，对人工神经网络在切削加工中的研究和应用现状进行了综述。重点阐述了利用人工神经网络对切削加工过程进行智能化监控、对切削加工过程中刀具状态进行检测以及利用人工神经网络对切削加工状态进行预测、预报等三个方面。最后对人工神经网络在切削加工中的应用前景进行了展望。     

房地产价格评估方法前沿动态及其应用研究

房地产评估活动是市场主体决策与交易行为达成的重要环节,正确有效的评估活动基于并依赖于科学合理的评估方法的运用。在系统梳理了房地产评估中的各类方法后,在比较和剖析传统评估方法局限性的基础上,对人工神经网络法、特征价格法、空间分析法、模糊逻辑法及自回归单整移动平均法（ARIMA）等前沿评估方法及其原理进行介绍,并通过相关案例引用及实证分析揭示其应用性,力争为客观评价房地产价格提供有效评估工具和奠定坚实理论基础。     

基于BP神经网络的我国煤炭消费和碳排放量预测

利用1994~2013年历年的煤炭消费和碳排放量数据,将BP神经网络方法应用于我国煤炭消费和碳排放量的预测,通过预测值和实际值的对比分析,预测了2014~2020年的煤炭消费量和碳排放量,预测结果表明:未来几年煤炭消费和碳排放量依旧呈递增趋势,且增长率均不会出现太大的变动。