自组织理论和BP人工神经网络在税收预测中的应用研究

针对BP人工神经网络的结构特性,提出了将自组织理论与BP人工神经网络相结合的思想,不仅解决了输入待定的神经网络输入维数难确定的问题,而且加快了神经网络的收敛速度,增强了神经网络的适应能力.并将新建立的模型应用到税收预测中,得出了比常规经济学模型更优的效果.     

BP神经网络在农机总动力预测中的应用

准确的预测黑龙江省农机总动力,可为黑龙江省的农业机械化发展趋势和农机产品市场分析提供理论指导,为制定黑龙江省农业机械化发展规划和预测近阶段农业机械化发展水平提供参考依据.利用黑龙江省1980-2007年农机总动力数据,运用标准BP神经网络和改进BP神经网络模型进行预测,预测结果表明,改进BP神经网络模型比标准BP神经网络模型在预测精度、运行时间、学习次数等方面更具优越性.     

基于神经网络的期货市场预测及模型实现

通过对期货市场的研究,尝试用人工神经网络预测期货行情走势.介绍了如何将期货市场与改进的BP网络有机结合起来构造适合期价预测的模型,并应用Matlab工具,设计一个具有较强通用性的人工神经网络模型,在降低重复开发的同时,为更多潜在的用户提供一个适合各自需求的人工神经网络.通过实例证实运用神经网络进行期货价格预测相对于传统的经济预测方法具有更好的精确性.     

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.     

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.     

基于回归BP神经网络误差分级迭代法的逐时气温预测方法研究

气温预测是天气预测中的一项主要内容,由于气温的影响因素多而复杂,要想达到精细化预测目的,仍是十分复杂的科学难题.当前学术界的一般方法是假设数学模型对温度物理过程进行研究,建立了BP神经网络模型、温度与相对湿度之间的回归模型,最终在回归模型的基础上通过改进的BP神经网络建模,即利用BP神经网络误差分级迭代法建模,通过历史温度进行逐时气温预测,全样本误差达到0.617℃.     

BP神经网络在铁路客运市场时间序列预测中的应用

铁路客运市场受多个因素的影响，而且这些作用多是非线性的。时间序列预测实质上是实现一个非线性映射。由于具有任意个隐层节点的前馈神经网络可以以任意精度逼近一个连续函数，因此，目前得到普遍应用的是采用BP算法的多层前馈神经网络。本探讨用人工神经网络的反向传播(BP)算法研究铁路客运市场的时间序列预测。数值计算结果表明该方法预测精度较高，方法简单易行，为铁路客运市场预测研究提供了新的途径。     

基于BP神经网络的回转切削钻机凿岩速度预测

为了对回转切削钻机凿岩速度进行预测,采用BP神经网络方法,对胜利露天矿钻机的钻进参数进行分析,选择钻进参数中的轴压、转速、回转压力作为BP神经网络模型的基本特征量,建立了回转切削钻机凿岩速度的BP神经网络模型.研究结果表明:凿岩速度的BP神经网络模型具有极强的非线性逼近能力,预测结果均达到预期要求,具有良好的泛化能力,能真实地反映出凿岩速度与特征量间的复杂非线性关系.     

基于BP神经网络误差函数优化算法的武器装备承制商信用评价模型研究

信用评价是选择武器装备承制商的重要手段.以国标为基础,结合承制商具体情况确定了信用评价指标体系.分析了传统信用评价方法的不足,对经典BP神经网络的误差函数进行优化,优化后的网络模型收敛速度更快,预测精度更高.构建BP神经网络武器装备承制商信用评价模型,仿真实验表明武器装备承制商信用评价可以选用BP神经网络模型.     

BP神经网络在企业经营绩效评价中的应用

对企业经营绩效的评价主要采用线性和非线性两类评价模型,非线性评价模型能够更好地对经济现象进行仿真,评价结果客观、准确,更加具有实际参考价值。本文从考核投入产出效率的角度出发,选取基本财务指标构成评价体系,在此基础上,建立基于误差逆传播人工神经网络(BP神经网络)的高新技术企业绩效评价模型。以医药行业2003年度22家上市公司财务数据作为神经网络的训练和测试样本,将训练好的BP神经网络应用于企业绩效的当期评价和仿真预测,实证分析结果令人满意。     

BP神经网络算法在需水预测与评价中的应用

需水预测是进行水资源规划与管理的必备技术方法,在水资源短缺的地区显得尤为重要.合理而准确地预测未来的需水量,可以避免投资的浪费或减少将来用水危机的发生.以江西省为例,采用BP神经网络算法对江西省近期的需水进行预测与评价,将结果与其它方法预测的进行比较,比较结果说明神经网络算法预测需水是成功的。     

基于修正的时间序列模型对冲击负荷的预测

电力负荷预测的实质是对电力市场需求的预测,是利用以往的历史数据资料找出电力负荷的变化规律,进而预测负荷在未来时期的变化趋势.由于经济、气候以及工业生产等诸多因素的约束和限制,电力负荷预测精度很难提高.一个好的实用的电力负荷预测模型则要求既能充分利用负荷的历史数据,又能灵活方便地综合考虑其他多种相关因素的影响.提出了回归与自回归模型相结合的时间序列混合回归预测模型,它的待估参数由BP神经网络进行修正,经实例验证,预测效果良好.     

产品需求预测的演化神经网络算法MLPES

在需求拉动型的供应链中，需求成为供应链的起点和动力源泉。由于制造商在供应链中的特殊地位，制造商成为供应链由需求驱动变为预测驱动的断耦点，以制造商为核心进行准确的需求预测可以在一定程度上减少需求不确定性的影响。本文在多层感知器的框架上，提出了基于演化策略的神经网络预测方法MLPES，改进了在多层感知器中普遍采用的BP算法，并设计了学习算法的流程，通过反复测试确定了模型的参数，最后对预测结果进行了分析。     

Analysis and Forecast on the Car Market of Our Country

§１．　ＦｏｒｅｃａｓｔａｂｏｕｔｔｈｅＣａｒＭａｒｋｅｔＤｅｍａｎｄａｎｄｔｈｅＱｕａｎｔｉｔｙｏｆＣａｒＰｏｓｓｅｓｓｉｏｎｉｎＯｕｒＣｏｕｎｔｒｙｉｎ２０００Ｉｎｔｈｉｓｓｅｃｔｉｏｎ,ｗｅｓｈａｌｌｆｏｒｅｃａｓｔｔｈｅｃａｒｍａｒｋｅｔｄｅｍａｎｄａｎｄｔｈｅｑｕａｎｔｉｔｙｏｆｃａｒｐｏｓｓｅｓｓｉｏｎｉｎｏｕｒｃｏｕｎｔｒｙｉｎ２０００ｂｙｍｅａｎｓｏｆｔｗｏｓｔａｔｉｓｔｉｃｓｍｅｔｈｏｄｓ,ｉ．ｅ．ｔｅｎｄｅｎｃｙｉｎｆｅｒｅｎｃｅａｎｄｒｅｇｒｅｓ－ｓｉｏｎａｎａｌｙｓｉｓ．…     

最优波动率模型选择及其在黄金市场中的应用

文章先总结了波动率模型过去的研究，并对不同波动率模型的评估提出三种方法，然后讨论了这些方法在黄金市场波动率预测中的应用。通过分析黄金市场1975年到2004年的数据，得出的结论是，如果基于样本外四期预测误差的评估，EWMA模型较优；如果基于样本外四期预测的R平方的评估，T-GARCH模型较优；如果基于VAR损失函数的真实性检验评估，EWMA模型较优。最后对未来关于金融市场波动率的研究提出一些建议。     

无限可分商品在线反向拍卖的风险策略研究

对网络环境下一个买家多个卖家的反向拍卖,研究了供应商在不同时间到达并投标而采购商接到每个投标后需要立即做出决策的在线反向拍卖的风险策略。对于无限可分商品,在资金一定前提下,首先对采购商无风险行为情形给出了基于标价上涨威胁的在线反向拍卖策略,通过竞争分析得到了其最优竞争比及整体需要曲线;其次引入采购商的风险容忍度概念,建立了激励相容在线反向拍卖的风险回报框架,并对风险忍耐策略进行了竞争分析。     

融合Bass模型和三阶段过程模型的续集电影需求扩散研究

续集电影与母电影之间存在品牌溢出效应但不存在替代效应。现有多代扩散模型主要考虑替代效应,难以适用于续集电影。构建了一个融合Bass模型和三阶段过程模型的续集电影需求扩散模型,以预测续集电影的市场潜量和上映期间每日需求量。以2011年至2016年国内上映的续集电影相关数据对模型进行了验证,并与Marshall模型和SBM进行了比较。结果表明1)母电影品牌溢出效应、两代电影特征差距和市场扩张显著影响续集电影的市场潜量;2)电影需求过程存在显著的季节性波动;3)所建模型在拟合优度和预测精度方面均优于两个对比模型。所建模型一方面更适用于预测续集电影的需求扩散,另一方面研究对象拓展至不存在替代效应的多代短生命周期体验品,考虑了多代产品品牌溢出效应,是对已有多代扩散模型的补充。     

遗传算法结合神经网络在油气产量预测中的应用

基于遗传算法的全局搜索能力和BP算法的局部精确搜索特性,通过采用遗传算法优化神经网络的方法,将遗传算法和BP算法有机结合,做到优势互补,在提高油气产量预测精度的研究中得到了很好的应用.在对国内某中小型气田油气产量的预测中,以历史产量资料进行检验,其结果表明,提出的预测方法,预测精度明显优于BP算法,证明了这种方法的有效性和可靠性.     

Combined pricing and supply chain operations under price-dependent stochastic demand

In this study, we determined product prices and designed an integrated supply chain operations plan that maximized a manufacturer’s expected profit. The computational results of this study revealed that as the variance of the demand distribution increases, a manufacturer will increase its inventory to levels that are greater than the anticipated demand to prevent the potential loss of sales and will simultaneously raise product prices to obtain a greater profit. In the cost minimization approach, the manufacturer may earn the highest possible profits, as determined by the profit optimization approach, only if this firm precisely forecasts the mean market demand for its products. Greater inaccuracies in this forecast will produce lower levels of expected profit.     

地学信息挖掘中RPROP和分层动量增项自适应BP算法应用研究

采用RPROP和分层动量增项自适应BP算法,从最小误差、收敛速度和运算次数方面对地球化学信息进行了研究,并进行了比较分析;针对本区域的样本数据训练结果,确定采用分层动量自适应算法进行后续预测统计工作,为矿区靶区预测提供支持.