改进BP神经网络及其在陕西就业预测中的应用

就业是一个非常重要的社会和经济统计指标.世界各国政府都非常重视就业问题,将增加就业率作为政府的工作目标.要想解决就业矛盾,就应该对就业问题的未来发展趋势有一个清醒的认识,从而做出正确的决策.本文提出了一种基于因果关系理论、协整理论用于控制与预测的改进BP神经网络,并将其应用于陕西省就业的控制和预测中.     

基于灰色关联分析的BP神经网络模型在中国碳排放预测中的应用

利用灰色关联分析原理,对中国碳排放影响因素进行筛选,再利用BP神经网络模型对中国碳排放进行预测,从而大大地提高了神经网络的训练速度,并且达到了良好的预测效果,从而为中国碳排放预测提供了新的科学工具.     

基于灰色系统和BP神经网络的股指动态预测

针对股价指数特有的波动性,提出了基于灰色残差模型和BP神经网络的股指动态预测方法,并运用多元线性回归模型对两种动态预测结果进行拟合.同时,随机抽取部分上证指数和道琼斯指数的实证研究表明:动态预测模型能及时调整新数据对后续预测的影响,获得了较高的预测精度.     

BP神经网络在期货价格预测中的应用

影响期货价格短期走势的因素纷繁复杂,具有一定的非线性和随机性,因而难于预测.鉴于神经网络强大的非线性映射能力,利用改进的BP网络,对较难解决的期货价格预测问题进行了研究,提出了一种预测期货价格的方法,并以期货铝的价格为例验证了此方法的有效性.     

灰色系统理论在粮食产量预测中的应用

应用灰色系统理论的基本原理,建立灰色预测模型,并以2010-2015年甘肃省的粮食产量为统计资料,运用GM(1,1)模型进行预测,取得了较好的预测效果.     

灰色系统理论在人口发展预测中的应用

根据贵州省遵义市各个时期期末人口统计数据,应用灰色系统理论进行计算、预测分析,结果令人满意,为该市人口发展提供了必要的信息.     

BP神经网络在肝硬化治疗预测中的应用

本文利用BP神经网络建立起66例肝硬化治疗结果数据预测模型,并基于matlab得出预测结果。实验证明利用BP神经网络可有效地预测肝病治疗效果。     

基于灰色神经网络模型的水质预测应用研究

将灰色模型和神经网络模型进行组合建立灰色神经网络模型,分别用灰色模型、神经网络模型和组合模型对永定河流域官厅水库断面的水质检测指标DO的浓度值进行模拟预测.结果表明,组合预测模型的模拟预测精度高于两种单一模型的预测精度.     

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.     

灰色系统理论在飞机操纵钢索磨损预测中的应用

钢索是软式飞行操纵系统的核心组成部件,其工作性能将直接影响飞机的飞行安全.因操纵钢索磨损问题具有典型的贫信息、小样本特点,采用灰色系统理论,建立钢索磨损量灰色预测模型,研究钢索随飞行小时数的磨损量灰色预测方法.实例分析和实际预测验证表明,灰色系统理论用于钢索磨损量预测是可行有效的.研究也有助于飞机维修从定检修理向视情维修转变.     

置信区间分析法在BP神经网络中的应用研究

如何对神经网络的应用效果进行评估,备受关注,文章用置信区间分析法,对网络训练结果的可信度进行评估,用以指导训练样本的选择;应用表明,该方法能简化学习过程并有效提高网络精度。     

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。     

大学生就业竞争力模型的建立与应用

通过定义三角模糊数的限位系数,得到由限位系数确定的模糊数排序新方法,并将其运用于层次分析排序,改进了层次分析法的理论及方法.最后,介绍了Fuzzy AHP在高校师范毕业生就业竞争力评价中的一个应用案例.     

基于遗传算法的灰色Elman神经网络预测模型及其应用

针对少数据、贫信息、非线性、动态性的时间序列,采用遗传算法对Elman神经网络的初始权值进行优化以避免陷入局部最小值.建立灰色GM(1,n)模型对其进行预测,使用优化后的神经网络对预测结果进行修正.通过实例拟合、预测,对比灰色GM(1,n)模型、灰色神经网络模型和基于遗传算法的灰色神经网络模型结果,验证预测模型的有效性.结果表明,基于遗传算法的灰色Elman神经网络预测模型能够扩大搜索范围,稳定网络结构,提高解的精度.     

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.     

混沌粒子群神经网络在上证指数预测中的应用

上证指数预测是一个非常复杂的非线性问题,为了提高对上证指数预测的准确性,本文采用基于混沌粒子群(CPSO)算法对BP神经网络算法改进的方法来进行预测.BP神经网络算法目前已经应用到预测、聚类、分类等许多领域,取得了不少的成果.但自身也有明显的缺点,比如易陷入局部极小值、收敛速度慢等.用混沌粒子群算法改进BP神经网络算法的基本思想是用混沌粒子群算法优化BP神经网络算法的权值和阈值,在粒子群算法中加入混沌元素,提高粒子群算法的全局搜索能力.对上证指数预测的结果表明改进后的预测方法,具有更好的准确性.