基于混沌神经网络的海洋经济预测仿真研究

为解决非线性对象的预测控制问题,提出基于混沌神经网络的控制方法。将海洋经济作为非线性对象,建立混沌神经网络模型的基本结构,对其时间序列进行相空间重构,利用信息熵及假近邻法确定时间延迟及最佳嵌入维数。进而确定非线性对象的混沌特性和混沌神经网络的拓扑结构。仿真中建立测试样本、实验样本,对比预测值及真实值,仿真结果证明了该方法的有效性,且混沌神经网络训练时不会陷入局部极小值的前提下,减少训练时间,保证预测精度。     

基于BP神经网络的经济预测方法

在经济分析中 ,通常采用回归分析方法建立数学模型对一个经济系统进行拟合 ,进而对相关经济变量进行预测 .利用人工神经网络 (ANN)的自学习、自适应和非线性的特点 ,可通过建立经济系统的评价指标体系 ,并把经济变量数据归一化处理 ,然后送入BP神经网络中训练得出相应参数再进行预测 ,经过检验得出令人满意的结果 .     

基于小波神经网络的经济增长预测

随着经济的进一步发展,研究经济发展规律,预测经济增长,使其能更科学、客观地反映一个国家或地区的经济实际,变得越来越重要.为此,研究了将小波神经网络的强大分类功能用于经济增长的预测分析中,通过对云南省历年国内生产总值历史数据样本进行学习,分析GDP的发展趋势,然后进行GDP的预测,取得了较为满意的效果.     

基于神经网络的大连经济增长模拟与预测

随着经济的进一步发展，研究经济发展规律、预测经济增长，使之能更科学、客观地反映一个国家或地区的经济实际，变得越来越重要，以大连市改革开放20a的历史数据作为样本，运用神经网络方法，在MATLAB平台上对大连GDP、物价、就业、财政收入与各产业的关系、与外经贸和国际旅游业的关系进行了动态模拟与预测。     

基于自助法BP神经网络模型的工程估价预测的研究

针对工程估价预测的问题,本文将BP神经网络模型与统计学中的自助法结合起来,建立了一个新的预测模型——基于自助法BP神经网络预测模型,该模型能够提高工程估价的准确性。     

基于神经网络的客房出租率预测研究

研究了如何将神经网络应用于生成北京所辖饭店的客房出租率预测模型的建立,给出了客房出租率预测的结果.实验结果说明,用神经网络预测出的客房出租率优于多回归法和自然推论法.     

基于神经网络的预测控制模型研究

本文研究基于生产过程输入输出数据建立系统的神经网络模型问题，训练好的神经网络可作为预测模型，实现非线性系统的预测控制；这对一大类过程控制系统的建模与控制具有启发意义。     

基于 ABC-BP神经网络的洪水预测研究

该文介绍了人工蜂群算法(ABC)和BP神经网络算法,详细阐述ABC算法优化BP神经网络的权值和阈值.通过实验仿真对比,该文提出的算法预测结果比仅仅使用BP神经网络算法以及混沌径向基神经网络模型算法精度更高,是一种有效可靠的洪水预测方法.     

基于组合神经网络的软件可靠性预测研究

为了进一步提高神经网络的预测能力,提出了一种前馈神经网络混合学习算法,并将其应用于组合神经网络.该算法由一种模式提取算法(Alopex)和伪逆算法组成.在该混合学习算法中,网络的学习任务被分解为2个部分:隐藏层的权值先随机给定,然后使用Alopex算法不断地对其进行扰动;输出层的权值使用伪逆算法确定.所使用的组合神经网络由多个结构相同的前馈神经网络组成,每个前馈神经网络都使用混合学习算法(采用不同的初值)进行训练.实验结果表明,这种组合神经网络能够显著提高软件可靠性的预测精度.     

基于神经网络的建筑工程造价预测研究

采用误差反向传播人工神经网络模型（BP网络模型），以建筑特征参数为输入变量，通过实际资料对网络进行训练和模拟，并用贡献分析法筛选输入变量，对网络结构进行优化，结果显示了该模型在建筑工程造价预测中的有效性     

基于神经网络的预测控制模型研究

本文研究基于生产过程输入输出数据建立的神经网络模型问题。训练好的神经网络可作为预测模型，实现非线性系统预测控制；这对一大类过程控制系统的建模与控制具有启发意义。     

产品失效的神经网络预测法

小子样的预测是一个比较复杂的问题．以产品失效为例，应用神经网络预测方法，成功地对产品失效的发展趋势进行了预测，获得了很好的效果．结果表明，神经网络预测法对小子样的分析精度能满足工程需要，实例分析的结果也符合工程实际．     

基于混沌蚁群神经网络的浮选过程经济技术指标预测

以选矿中的浮选生产过程为研究对象,提出一种基于混沌蚁群神经网络算法预测浮选过程经济技术指标的测量模型.采用主元分析进行输入数据集降维,应用混沌蚁群算法与最小二乘法相结合的混合算法调整前提参数和目标值,以取代二次规划求解优化问题,并达到求解速度快、仿真精度高的效果;同时,采用混沌蚁群算法训练神经网络,在随机扰动或测量噪声存在的情况下仍可以达到较好的训练目的,并提高了网络参数辨识的收敛速度.同时,以某实际选矿浮选生产过程的生产数据作为建模和预测数据进行仿真分析,并与初始的主元分析-反向传播(BP)神经网络模型预测结果加以对比.结果表明,所提出的模型能够实现浮选过程经济技术指标的全局预测,与优化前的模型相比其预测误差明显较低,预测精度提高了1.8%,满足优化浮选药剂添加的计算要求.     

基于神经网络的股市预测

本文研究了基于神经网络的股票预测方法．针对目前存在的问题,提出了联合Davidon最小二乘算法及遗传算法来综合训练网络结构和权值的新方法．经对上证指数的模拟预测表明,通过合理地选取参数,可获得满意的预测效果．     

基于神经网络的股票价格预测

在股票市场中，价格是围绕其内在价值上下波动的，而价格的变化又取决与供求关系的影响．文献[4]运用系统动力学的方法，建立了以供，需和价格为变量的动力学模型．本文以此模型为依据，设计了神经网络模型并采用历史数据对起进行训练，实证研究表明我们得到的模型具有很好的预测作用．     

基于神经网络的物流量预测

应用不同的人工神经网络模型进行物流量预测。分析影响物流发出量、吸引量和周转总量的各相关因素及神经网络预测的基本思想,研究神经网络静态前馈模型和简单动态模型预测物流量的局限性,认为采用二者结合的综合预测方法能对物流量进行准确的预测。给出动态反馈的实时递归法仿真计算步骤,仿真结果与实际结果比较,具有较高的可信度。     

基于遗传算法神经网络集成股票市场预测研究

神经网络集成技术能有效地提高神经网络的学习能力和泛化能力,已经成为机器学习和神经计算领域的一个研究热点.本文利用不同的神经网络算法产生神经网络集成个体,以误差平方和最小为准则,用遗传算法动态求解集成个体的非负权重系数,进行最优组合集成建模研究,并以此建立股市预测模型.通过上证指数开盘价、收盘价进行实例分析,计算结果表明该方法相对传统的简单平均集成模型,具有预测精度高、稳定性好,易于操作的特点.     

基于概率神经网络的产品质量预测方法研究

对通过正交试验法采集样本数据、采用概率神经网络（PNN）对产品质量进行预测的方法进行研究．并将预测结果与反向传播神经网络（BP）预测结果进行比较。结果表明，在利用正交试验法采集的训练样本数据分别训练PNN和BP网络后发现，概率神经网络的预测准确度远远大于反向传播神经网络，显示了概率神经网络在模式识别领域的优势。     

基于PCA的BP神经网络股票预测研究

股票市场是国民经济发展变化的"晴雨表",股票价格的涨跌也是政治、经济、社会等诸多因素的综合反映.近几年来,神经网络取得较大发展已经成为热点研究并在各个领域中得到应用.文章基于主成分分析和BP神经网络,以中国石化100天股票历史技术指标数据作为训练样本对收盘价进行预测,20天数据进行检验,并通过图像仿真拟合来验证神经网络股票预测的可行性和准确性.     

基于神经网络的太阳辐照度预测方法研究

以天数、时间、天气情况、温度作为输入数据,太阳辐照度作为输出数据,提出采用人工神经网络建立太阳辐照度预测模型,并通过这一模型进行太阳辐照度预测。通过在青海大学内进行的实验建立适用于西宁地区的太阳辐照度神经网络模型。并根据这一模型对2012年5月12日太阳辐照度情况进行了预测。结果表明,对于预测天气和预测温度与实际情况接近时,平均误差为10%左右。