安全事故现状与趋势分析方法研究

包括安全生产事故预防、控制在内的安全生产监督管理工作需要客观把握安全生产的现状并准确地判断其总体发展趋势。本文基于我国安全生产事故快报数据,对近年安全生产现状做出季节性等分析,并为短期安全生产形势变化的预测与判断不仅提出了三个可行的ARIMA-BP、ARIMA-RBF以及ARIMA-GRNN非线性组合模型而且进一步基于RBF,对前述三个模型再次进行非线性组合,给出了一种新的双重非线性组合趋势分析方法。实证结果表明,双重非线性组合能够较为精确地预测安全生产事故的发展趋势,可以为安全生产事故的预防、控制和应对提供管理和决策支持。     

基于能力的公司规划与信息系统规划战略关系实证研究

本文基于第五代战略管理理论--"资源能力现",研究影响公司规划(BP)与信息系统规划(ISP)战略关系的关键因素,并采用结构方程模型,利用中国企业调研数据进行了实证分析.结果表明外部市场环境主要影响信息系统规划的战略地位,而形成公司独特能力的企业内部环境,才是BP-ISP战略关系的重要影响因素,它直接决定着IT投资的效益.     

时尚服装销量BP神经网络预测模型研究

本文针对传统时尚服装销量预测方法难以满足新情况下预测的需求,对神经网络技术在时尚服装销量预测的应用方法研究,如何使用在服装销量的预测上。针对某时尚运动品牌公司的具体情况,使用BP神经网络对其销量进行预测实验。从影响因素确定到建立相应的网络模型,最终在MATLAB中实现,得到预测结果。最终结果显示BP神经网络法预测,高于传统预测方法的预测精度。     

BP－ISP战略一致性研究述评

随着IT应用的广泛和深入,信息资源的利用和规划与企业目标的联系更加密切,如何有效实现企业规划(BP)和信息系统规划(ISP)的匹配问题成为企业界和学术界共同关注的主题.文章界定了BP-ISP战略匹配的涵义和研究范围,系统回顾了自1970年以来的发展历程,并且评述了目前战略匹配研究的三个主要研究方向,同时探讨了相关的主流研究方法,为企业IT应用以及相关研究指明了方向.     

人工神经网络在预测集成中的应用研究

本文在分析预测技术的基础上 ,提出了集成时间序列预测与因果预测的人工神经网络模型 ,并用实例进行了分析验证 ,证明该模型在许多性能方面优越于单一模型。     

基于BP人工神经网络的学术期刊组合评价

在学术期刊评价中，组合评价得到了广泛应用，但组合评价方法和多属性评价方法均可用于组合评价问题，从而加剧了组合评价的复杂性，这种现象被称为组合评价悖论。为了解决这个问题，文章提出采用BP人工神经网络进行组合评价的思路，基于JCR2017经济学期刊，分别采用主成分分析、因子分析、TOPSIS进行单一评价，然后采用BP人工神经网络进行组合评价，并对评价效果进行分析。研究结果表明：组合评价悖论是学术评价中面临的新问题；BP人工神经网络是一种全新的组合方法，具有充分尊重单一多属性评价方法、精度高的优点，很大程度上解决了组合评价悖论问题；BP人工神经网络让评价重点重新回归到多属性评价，避免了评价方法过度技术化；BP人工神经网络组合评价不适合小样本。     

基于蚁群BP神经网路算法的六维力传感器解耦研究

针对传统BP神经网络在六维力传感器解耦训练过程中,由于其初始参数的选取不确定性导致神经网络出现震 荡、收敛速度缓慢和陷入局部极值等问题,提出一种基于蚁群BP神经网络算法并应用于六维力传感器解耦研究。该算 法利用蚁群算法在种群寻优方面的优越性,通过局部和全局信息素更新相结合的方式更新信息素,提高蚁群算法搜索的 效率,为BP神经网络提供一组最优的训练初始参数,网络收敛速度得到很大地提高,同时局部极值和震荡等缺点也有一 定的改善。实验仿真结果表明,在六维力传感器神经网络模型训练过程中,达到同样的目标误差,基于蚁群BP神经网络 算法的迭代次数Ⅳ比传统算法少50%,运行时间r快60%。这说明蚁群BP种经网络算法在六维力传感器解耦研究中 有着很好的应用效果。