基于径向基神经网络的盐水中CO_2溶解度模型

确定盐水中CO_2的溶解量对CO_2地质封存潜力和外溢风险评估至关重要,经典溶解度模型建立在热力学平衡定律上,具有一定的限制性,而RBF径向基人工神经网络具有很强的泛化能力,能够关联复杂变量之间的映射关系.利用收集到的实验数据建立了RBF神经网络用于预测盐水中CO_2的溶解度,和之前已经建立的BP神经网络模型对比,将实验数据、RBF神经网络模型、BP神经网络预测结果、PR-DUAN模型以及亨利定律计算值做了对比,为确定盐水中CO_2的溶解度提供了一种新的RBF神经网络预测模型.     

生猪市场价格风险预警的GRNN建模及其实证研究

为了对生猪市场价格风险进行预警,根据我国2009年1月-2011年8月14个指标的32组样本数据,建立了广义回归神经网络(GRNN)预警模型,其中训练样本29组,测试样本3组.训练样本和测试样本的均方根误差、平均绝对误差(AAE)和相关系数都非常接近,说明建立的模型具有较强的泛化能力和鲁棒性,测试样本的AAE为0.0062,平均相对误差为2.3%,说明建立的GRNN模型具有很高的预测精度,可用于我国生猪市场价格风险预警研究和实际预测,并为政府有关部门指导生猪生产和进行市场调控提供决策依据.     

神经网络在复杂自相关预测过程中的应用及对比研究

由于PM_(2.5)日均浓度值受外界多重复杂因素的影响,其较强的自相关性使得时间序列模型ARIMA构建难以实现,因此,给出高映射能力的非线性神经网络预测模型,并分别建立基于BP神经网络和GRNN神经网络的预测模型,进行PM_(2.5)浓度预测实验.结果表明,BP神经网络回检过程和检测过程存在不稳定性,预测残差波动较大,而GRNN神经网络检测残差呈完全U型,回检过程和检测过程较稳定,并且GRNN神经网络回检数据拟合度、预测数据精度和运算速度均优于BP神经网络,建模过程更为方便,易于实际应用.     

基于GRNN模型的鲜猪肉市场日度价格预测与实证研究

应用广义回归神经网络(GRNN)模型对上海市某区菜市场2011.3.1-2014.3.25期间鲜猪肉的日度价格(合计732组数据)进行建模预测研究,用逐步减小光滑因子值的办法确定其合理值范围.建模结果表明:训练样本、检验样本和测试样本(简称三类样本)的均方根误差和平均绝对误差非常接近,模型具有较强的泛化能力,绝大部分三类样本的误差都在土0.33元范围内,最大相对误差都小于3%,平均百分比相对误差小于0.45%,预测未来10日鲜猪肉价格的最大绝对误差为0.14元,最大相对误差为0.82%,平均百分比相对误差为0.44%,表明建立的GRNN模型具有很好的鲁棒性、可靠性和较高的预测精度,可用于上海市某区菜市场鲜猪肉日度价格的实际预测,为政府和有关物价部门进行市场调控提供决策依据.     

择优RBF神经网络下切削率的优化

本文通过择优RBF(径向基函数,Radial Basis Function)神经网络对影响切削加工过程的切削参数进行建模,对切除率进行拟合预测;提出松弛误差作为衡量网络精度的指标,使RBF选择最优的分布密度,从而有效提高RBF神经网络的拟合预测能力;并将择优RBF的拟合和预测结果与BP的相应结果进行了比较,结果显示择优RBF神经网络的拟合和预测精度大大优于BP神经网络.     

基于径向基函数神经网络的流程企业供应链预测仿真

本文在比较预测方法的基础上，采用径向基函数（RBF）神经网络技术建立流程企业供应链预测模型，进行了实例预测仿真，并将预测结果与BP网络的预测结果进行了比较。结果表明，RBF网络误差小于BP网络，其中平方根RBF网络的预测仿真误差最小，而BP网络的误差最大。     

交通流灰色RBF网络非线性组合预测方法

针对智能交通系统的开发,提出一种基于灰色GM(1,1)模型和RBF网络非线性组合的短时交通流预测方法.该方法采用三层结构的RBF网络将两种单一预测方法(灰色GM(1,1)模型和RBF网络)进行了非线性组合.利用实测数据对组合方法进行了仿真实验,结果表明:非线性组合模型的预测准确性高于单独的RBF网络预测的准确性;组合模型发挥了两种单一方法各自的优势,是短时交通流预测的有效方法.     

精神疾病患者经济负担分析及预测

对某精神疾病的专科医院患者数量及费用进行分析,采用径向基函数(RBF)神经网络模型对精神疾病患者的看病费用进行拟合及预测,并比较该预测模型与BP神经网络的预测效果.将贵州省某精神类疾病的专科医院2015年1月-2016年12月医院HIS系统中的病人处方数据作为训练集,建立BP模型、RBF神经网络模型.分别对2017年1月1日-2017年1月16日病人用以精神类疾病看病费用情况进行预测.RBF神经网络模型均能够较好地拟合和预测精神类疾病患者看病费用,可以为医院管理者了解本院精神病患者看病费用的变化趋势提供依据,为制定精神病患者疾病负担的相关政策提供数据支撑.     

正交尺度小波网络及在非线性经济系统预测中的应用

本文提出一种用正交尺度函数代替RBF网络中的激活函数的小波网络，给出相应小波网络学习算法；并以天津市国内生产总值为样本进行宏观经济模拟预测，预测结果表明该模型预测误差低于普通BP网络。     

基于GAAA-RBF神经网络的工程估价方法

利用遗传-蚁群混合算法(GAAA),对RBF神经网络的主要结构参数中心矢量、基宽向量和网络权重进行组合优化,建立了GAAA-RBF神经网络组合算法的工程估价模型.将55个工程造价案例,随机抽取10个作为预测样本,剩下的45个作为训练样本.通过与相同结构的RBF神经网络相比较,结果表明算法克服了RBF神经网络易陷于局部极值、搜索质量差和精度不高的缺点,改善了RBF神经网络的泛化能力,收敛速度快,输出稳定性好,提高了工程造价的预测精度.     

最优组合预测模型的构建及其应用研究

由于证券价格是随机游走的,在证券定价研究中RBF神经网络模型、灰色GM（1,1）模型、ARIMA模型不具备时效性,通过对上述三个模型进行综合分析,结合三者中有用的信息集合,构建一个最优组合预测模型．在此基础上选取了深发展A在2007年全年的收盘价作为研究样本对这四个模型进行实证研究,研究结果发现,最优组合预测方法对证券价格进行预测具有很好的预测精度和很高的可靠性．     

A COMPARISON OF FORECASTING MODELS OF THE VOLATILITY IN SHENZHEN STOCK MARKET

Based on the weekly closing price of Shenzhen Integrated Index, this article studies the volatility of Shenzhen Stock Market using three different models: Logistic, AR(1) and AR(2). The time-variable parameters of Logistic regression model is estimated by using both the index smoothing method and the time-variable parameter estimation method. And both the AR(1) model and the AR(2) model of zero-mean series of the weekly closing price and its zero-mean series of volatility rate are established based on the analysis results of zero-mean series of the weekly closing price. Six common statistical methods for error prediction are used to test the predicting results. These methods are: mean error (ME), mean absolute error (MAE), root mean squared error (RMSE), mean absolute percentage error (MAPE), Akaike's information criterion (AIC), and Bayesian information criterion (BIC). The investigation shows that AR(1) model exhibits the best predicting result, whereas AR(2) model exhibits predicting results that is intermediate between AR(1) model and the Logistic regression model.     

基于关联分析广义回归神经网络模型在艺术陶瓷定价中的应用

通过提取对陶瓷企业定价的影响因素,采用了灰色关联度分析法,构造了陶瓷企业定价的评价模型,得到了各个因素之间的灰色关联度,从而确定各因素对陶瓷企业定价影响的关键因素,结合广义回归神经网络模型,采用组合输入向量建立陶瓷定价的组合广义回归神经网络预测模型.实例表明:模型比其它模型的预测值更加精确,并且算法能应用到其它数据处理中,具有较广泛的适应性.     

基于ARIMA模型与神经网络模型的股价预测

了解并掌握股价运行的规律是许多投资者和学者所关注的领域,采用了ARIMA模型和BP神经网络对百度、阿里巴巴两支股票的收盘价进行建模与预测,并对比了两模型的预测精度,结果表明两种预测模型都达到比较理想的预测精度和短期预测可行的效果.     

基于FOA-RBF神经网络的外贸出口预测

应用果蝇优化算法对径向基神经网络扩展参数的优化方法进行研究,给出了一种以标准误差计算公式为味道判定函数,以此确定最优的径向基函数的扩展参数值的方法,并建立了相应的预测模型.应用该预测模型对黑龙江省外贸出口额进行预测,结果表明:预测模型的预测精度优于径向基神经网络,从而证明了方法的有效性.     

基于IGRA-ISVD约减和RBF的森林火灾消防直升机需求预测模型

针对森林火灾消防直升机需求预测问题,提出了一种基于改进灰色关联分析(IGRA)和改进奇异值分解(ISVD)约简的径向基函数(RBF)神经网络预测模型.首先,基于既有研究梳理了森林火灾消防直升机需求预测指标体系;然后,在改进灰色关联分析和奇异值分解方法的基础上,分别对消防直升机需求预测数据信息进行属性约简和维度约简;最后,利用约简预测数据信息对RBF神经网络进行训练,进而构建消防直升机数量预测模型.案例分析和对比分析表明了本文所提方法的可行性和合理性.     

基于季节性RBF神经网络的月度市场需求预测研究

本文提出一种季节性神经网络预测模型,对具有季节性变化的产品月度市场需求进行预测.在Matlab语言环境下,用傅立叶周期分析法得到时间序列的周期长度;借鉴嵌入理论,提出了确定季节性神经网络输入维数的策略;利用计算机程序搜索,确定最优参数;通过合理插值,重构样本集.仿真实验表明,该模型的预测精度明显高于其他几个常用的季节预测模型.