基于粗糙集理论的数据挖掘法在房地产选址决策中的应用

通过构建粗糙集BP神经网络模型,对影响房地产选址决策的指标进行约简,提取影响选址评价的主要指标因素用属性约简算法约简,将降维后的数据送入网络进行学习和训练,最后用训练好的的网络检验测试样本.模型使学习训练的速度和识别率提高了,为房地产企业在房地产选址决策中提供了一种更为有效和实用的新方法.     

基于深度置信网络的影响广西热带气旋年频数预测方法研究

以气候系统监测指数集、NCEP/NCAR高度场和海温场逐月再分析资料为基础,将影响广西的热带气旋年频数作为预报量,先利用随机森林方法通过计算袋外数据误差判断特征变量重要性的能力,进行随机森林算法(Random Forest,RF)的热带气旋年频数预报因子重要度的分析,再进一步采用由多层无监督学习的受限玻尔兹曼机和一层有监督学习的BP网络构成的深度置信网络(Deep Belief Networks,DBN),建立了基于非线性深度学习的热带气旋年频数预测模型.在预报因子、预报建模样本及独立预报样本相同的情况下,分别采用这种深度学习预测建模方法和逐步回归方法对影响广西的热带气旋年频数进行了预报试验.结果表明,采用这种基于随机森林算法的深度置信网络预测建模分析方法,对10年(2009年-2018年)独立预报样本的预报结果比逐步回归预测模型具有更高的预测精度,其预测平均绝对误差为1.30个,而逐步回归方法的预报平均绝对误差为2.05个;在预测评分上,新模型的预测评分为83.33分,高于逐步回归方法的预测评分73.68分.进一步地,应用新模型对2019-2020年热带气旋年频数进行实际业务预测也获...     

基于BP神经网络-隶属度的河流黑臭评价研究

通过建立BP神经网络-隶属度模型,解决多致黑因子间复杂作用关系,以及网络输出收敛于两等级间的模糊隶属问题,实现对河流黑臭的评价.以太原城区内与汾河交汇的河流为例,根据各条河流的黑臭情况选择黑臭评价指标,拟定河流黑臭分级标准,建立河流黑臭评价模型.从模型计算结果可知,计算结果与各支流实际情况吻合较好,表明所建模型基本合理可行、黑臭水质分级标准拟定合理.     

径流中长期预报模糊识别优化模型及应用

对水文中长期预报模糊识别方法进一步研究,基于模糊环境下的目标函数,提出了具有主观监督因子和稳定系数的模糊识别预报模型.根据已知样本的最优模糊划分建立预报模型,利用已知样本的指标和样本的最优模糊划分计算预报模型的参数,给定模型的稳定系数,再通过调整主观监督因子对预报模型参数进行优化.径流中长期预报实例的模型检验平均相对误差为7.84%.     

最优组合预测的短期气候预报建模研究

以预报量序列建立均生函数短期气候预报模型及根据500hPa月平均高度场预报因子分别建立的BP网络模型、回归预报模型为基础,用"误差绝对值和最小"作为最优准则,建立月平均降水量的短期气候组合预测模型.采用线性规划方法计算得到组合预测模型的各权系数,对这种短期气候组合预测模型的预报能力进行了分析研究,结果表明,该组合预测模型的预报精度优于各子方法,具有很好的应用价值.     

基于粒子滤波的随机元胞自动机城市用地扩张模型研究

用数据同化的方法对元胞自动机模型结构及参数进行确认和校准,包括将模型潜在模型权重和相关参数随机化处理,通过粒子滤波方法进行顺序数据同化,以贝叶斯理论为基础对系统进行更新,得出模型后验分布,以此模拟城市扩张系统随时间的变迁规则.以武汉市前川镇为例,根据经验选择5个潜在因子,按上述模型进行实验模拟,结果显示,离中心城区距离和坡度为城市扩张影响最大因子,而离道路的距离为最小影响因子.最后用系统最大似然分布模拟2013年前川镇城镇用地概率图.     

基于AHP和动量BP神经网络的工程项目承包商选择模型

运用BP神经网络技术,采用动量BP算法,构建了基于动量BP神经网络的工程项目承包商选择模型,并将AHP的评价结果作为学习样本,对BP神经网络模型进行训练和测试.结果表明,基于AHP和动量BP神经网络的工程项目承包商选择模型是可行的,该模型具有较高的自组织、自适应和自学习能力以及较强的容错功能,能够为一般的工程项目承包商选择活动提供有效的参考和依据.     

模糊遗传规划方法在预测深部开采岩体移动中的应用

运用模糊(Fuzzy)系统理论,给出了地下深部开采岩体移动变形预测分析的Fuzzy模型,对岩体移动参数采用遗传规划(GP)方法进行确定,进而形成了模糊遗传规划方法.用工程实测数据对遗传规划网络进行了训练,并用测试样本对GP模型进行了测试,证明了模型的预测性能是令人满意的.通过工程实例计算分析表明,采用本文提出的模糊遗传规划方法所获结果符合工程实际.     

利用Elman神经网络模型评估广东热带气旋灾情

热带气旋灾情评估是防台减灾工作的重要环节.介绍的Elman神经网络的基本原理,并将Elman神经网络应用于广东省热带气旋灾害经济损失评估中.选取14个评估因子,选用1998²008年影响广东的36个台风作为数据样本,再运用主成分分析法降维处理,构建了基于Elman神经网络和基于BP神经网络的评估模型,分析结果显示,基于Elman神经网络模型的评估结果均方误差为0.953,平均误差率为17.76%,优于BP神经网络.研究的模型可实际应用于广东省实际热带气旋灾害经济损失评估,为防台减灾工作提供决策信息.     

承压水漏斗动态研究的BP网络模型及其研制中的若干问题

结合BP网络在承压水漏斗动态规律研究中的应用,对BP网络模型研制中监控样本的设置、样本数据的规范化处理、网络权重和阈值的初始值的确定、训练函数的选择等问题进行了研究与实践,所提出的方法及有关结论具有普适性,为BP网络的广泛应用提供了可借鉴的方法.     

小微企业信用风险评估的IDGSO-BP集成模型构建研究

针对传统BP神经网络在小微企业信用风险评估实际应用中,随机初始权值和阈值导致网络学习速度慢、易陷入局部解以及运算结果误差较大等缺陷,借助群智能萤火虫(GSO)算法,提出一种基于改进离散型萤火虫(IDGSO)算法的BP神经网络集成学习算法的小微企业信用风险评估IDGSO-BP模型。该模型以BP神经网络为基本框架,在学习过程中引入离散型萤火虫算法,优化设计神经网络的网络结构与连接权值,得到一组相对合适的权值与阈值,再进行新一轮网络训练,以“均平方误差最小”为评价准则,产生网络的输出结果,以此建立小微企业信用风险评估模型。其仿真实验结果表明,该模型在收敛速度及运算精度方面较传统BP神经网络模型、遗传GA-BP模型及连续GSO-BP模型有较明显优势。因此,IDGSO-BP模型可以有效提高小微企业信用风险评估的准确性。     

基于BP神经网络的动态稳健参数设计

传统的动态稳健参数设计方法(田口方法)虽然在工业生产实践中展现了极大的方便,但是其本身也存在较大的改进空间.当调节变量不存在时,传统的田口方法难以实现;此外,田口方法只能根据所选取的参数水平得到最优参数组合,而这种所谓的最优结果有时并不符合实际的需要.首先构建BP神经网络模型,利用训练后的BP神经网络获得参数设计中质量特性、噪声因子以及各参数间的动态关系;然后,利用超拉丁方抽样,计算信号与特性参数间的斜率,并由此将动态稳健参数设计的寻优问题转化为相应的非线性规划问题;最后,利用次序二次规划(SQP)算法解决并优化动态稳健参数的设计。此外,我们选取了一个简单的数据案例对本文提出的方法的有效性进行了说明.     

基于二次优化BP神经网络的期货价格预测

针对BP算法存在的不足,结合神经网络、遗传算法和主成分分析的优点,提出基于二次优化BP神经网络的期货价格预测算法.初次优化采用主成分分析法对网络结构进行优化,第二次优化采用自适应遗传算法对网络参数进行优化,将经过二次优化后建立的BP神经网络模型用于期货价格预测.经仿真检验,用新方法建立的模型对期货价格进行预测,在预测的精度和速度方面都优于单纯BP神经网络模型.     

基于PSO_Trainlm BP模型的图像去噪研究

针对在使用BP模型进行图像去噪时,模型存在的对初始权阈值敏感、易陷入局部极小值和收敛速度慢的问题.为了提高模型去噪效率,提出采用改进粒子群神经网络模型进行图像去噪.首先运用改进粒子群算法对BP神经网络权阈值进行初始寻优,再用trainlm BP算法对优化的网络权阈值进一步精确优化,随后建立基于粒子群算法的BP神经网络去噪模型,并将其应用到图像去噪研究中.仿真结果表明,新模型结合了粒子群算法的全局寻优能力和BP算法的局部搜索能力,减小了模型对初始权阈值的敏感性,有效防止了模型陷入局部极小值的可能,提高了图像去噪模型的速度和质量.     

数据挖掘在房地产价格预测中的应用研究

通过基于数据挖掘理论的粗糙集和神经网络的研究,用属性约简算法约简并提取了影响房地产价格的主要指标因素,对降维后的数据进行网络学习和训练,最后用训练好的的网络检验测试样本.方法使学习训练的速度和识别率提高了,为房地产价格预测提供了一种更为有效和实用的新途径.     

Convergence of Online Gradient Method with Penalty for BP Neural Networks

Online gradient method has been widely used as a learning algorithm for training feedforward neural networks. Penalty is often introduced into the training procedure to improve the generalization performance and to decrease the magnitude of network weights. In this paper, some weight boundedness and deterministic con- vergence theorems are proved for the online gradient method with penalty for BP neural network with a hidden layer, assuming that the training samples are supplied with the network in a fixed order within each epoch. The monotonicity of the error function with penalty is also guaranteed in the training iteration. Simulation results for a 3-bits parity problem are presented to support our theoretical results.     

智能制造模式下基于改进BP-ARIMA组合模型产品需求预测方法

为有效预测智能制造模式下的不确定性需求,提出自回归移动平均模型ARIMA和改进BP神经网络的组合模型,对预测数据中包含线性规律的Lt以及非线性规律的ε_t进行模拟和分析,以解决预测有效性和精度问题.通过数据样本构建,对ARIMA模型结构进行辨识,确定p,d,q参数,并对模型进行诊断和检验;在此基础上进行需求数据一次预测;通过连接权值的修正降低BP神经网络学习误差,并对一次预测结果与原需求数据样本存在的误差进行二次预测.实例数据分析表明:组合模型的预测精度较ARIMA模型有显著提高,因此组合预测模型在预测效果上具有合理性和有效性.     

Supply chain performance evaluation with data envelopment analysis and balanced scorecard approach

One of the most complicated decision making problems for managers is the evaluation of supply chain (SC) performance which involves various criteria. Though vast studies have been recorded on supply chain efficiency evaluation via balanced scorecard (BSC) approach, these studies do not focus on the relationships between the four perspectives of BSC approach. The present paper is an attempt focusing on these relationships, especially the returnable ones. To do so, at first, all relationships between the four perspectives of BSC were determined and then the DEMATEL approach was employed to obtain a network structure. This network structure was then used to create a network DEA model. Since it was not possible to calculate the efficiency evaluation score by BSC, the data envelopment analysis (DEA) model was used for such an evaluation. Moreover, after reviewing different tools to evaluate the performance of supply chain, a new approach, relying on network DEA with BSC approach, was generated. Finally, this model was applied in the Iranian food industry to evaluate its supply chains efficiency and the results proved the high efficiency of the model designed. The findings could be used in various evaluation processes in different industries.     

基于一类优化BP神经网络模型的中国廉租房条件(家庭贫困)界定研究

建立家庭情况界定评价指标体系,通过采样居民家庭经济状况,建立优化BP神经网络用于计算贫困指数、贫困级差数实现家庭贫困界定,运用软件鉴定结果,并将原理推广到其他评价方法.     

MEA-BP模型在遥感影像分类中的应用研究

遥感影像分类作为遥感技术的一个重要应用,对遥感技术的发展具有重要作用.针对遥感影像数据特点,在目前的非线性研究方法中主要用到的是BP神经网络模型.但是BP神经网络模型存在对初始权阈值敏感、易陷入局部极小值和收敛速度慢的问题.因此,为了提高模型遥感影像分类精度,提出采用MEA-BP模型进行遥感影像数据分类.首先采用思维进化算法代替BP神经网络算法进行初始寻优,再用改进BP算法对优化的网络模型权阈值进一步精确优化,随后建立基于思维进化算法的BP神经网络分类模型,并将其应用到遥感影像数据分类研究中.仿真结果表明,新模型有效提高了遥感影像分类准确性,为遥感影像分类提出了一种新的方法,具有广泛研究价值.