融入情感分析与用户热度的社交网络用户可信度量方法

近年来,移动信息技术的迅速发展使得在线社交网络进入高速发展阶段,用户可在社交网络中进行信息交互,但网络中具有强影响力的不可信用户往往会引导大众产生情感偏差和信息偏误,这严重影响了网络安全,故研究社交网络中的用户可信度量模型迫在眉睫.结合社交网络用户节点的网络链接结构、情感和热度,以识别和评估社交网络中的信息来源及用户可...     

时间序列模型和神经网络模型在股票预测中的分析

利用MATLAB软件编程建立AR模型、RBF和GRNN神经网络模型,滚动预测上证指数开盘价、最高价、最低价和收盘价与实际价格对比,分析误差.结果表明,3种模型用于股票预测均是可行的,误差很小.AR模型不稳定,对个别预测较准;RBF和GRNN网络训练速度都很快,但GRNN比RBF预测效果好.     

基于ARIMA和BP神经网络组合模型的能源消费预测

在单一的ARIMA模型预测的基础上,提出了一种基于ARIMA模型和BP神经网络组合模型,并以广西区1981至2016年的能源消费数据为例,结果表明组合模型的预测精度要优于单一的模型,故利用组合模型对广西区未来能源消费的预测更加有效.     

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.     

毕达哥拉斯模糊偏好关系的一致性及权重向量

考虑到模糊偏好关系理论的相对完善,在毕达哥拉斯模糊数的距离和贴近度的基础上,将毕达哥拉斯模糊偏好关系转化为贴近度矩阵,并证明其为模糊偏好关系.其次,利用毕达哥拉斯模糊偏好关系的贴近度矩阵的加型一致性,定义了毕达哥拉斯模糊偏好关系的加型一致性,并借助加型一致性模糊偏好关系的权重向量计算公式,给出相应的加型一致性毕达哥拉斯...     

基于BP神经网络的时间序列预测问题研究

分析指出了基于标准BP神经网络的时间序列预测问题存在的不足.根据基于BP神经网络的时间序列预测问题的特点,研究给出了一种以y=x作为传递函数的时间序列预测方法,经实例验证表明,给出的以y=x作为传递函数的时间序列预测方法较基于标准BP神经网络的时间序列预测方法具有较好的结果.     

基于液压实验平台的故障预测技术研究

首先,通过AMESim软件模拟了液压泵内泄漏故障并搭建了液压系统内泄漏故障的物理实验平台,运行了物理实验平台并采集了内泄漏故障的实验数据.然后采取基于BP神经网络和基于小波神经网络的故障预测方法,在Matlab中建立了故障预测模型,通过建立的模型对采集的实验数据进行预测分析,将预测数据与实验数据进行对比,计算出预测的误...     

基于灰色神经网络的企业风险特征指标动态预测方法研究

根据企业风险特征指标预测问题的特点,提出将灰色系统GM(1,1)模型与神经网络结合建立一阶灰色神经网络预测模型,以实现系统预测的动态性及提高系统的预测精度.但该模型具有一定的局限性,从模型参数的角度给出了该模型只适用于具有"单调"性数据的证明,进而提出了三阶灰色神经网络预测模型,以适应预测数据"非单调"或摆动的情况.但随着系统建模过程中阶数的增加,预测精度会有所下降,因此应根据数据特点选择预测模型.最后,通过实证分析验证了上述模型及证明结论.     

风电场风速和发电功率预测方法综述

随着大规模风电并网,在电力市场中,风电所占比例越来越大。由于风的随机性和间歇性,风力发电并不稳定,这给风电并网带来了很大的挑战。风电功率预测成为当前解决该问题重要途径,在风电并网中发挥着重要作用,关系到风力发电的使用效率。本文梳理了常见的模型驱动的风电功率预测方法:第一类是概率统计模型,以ARIMA模型为代表。第二类是机器学习模型,如支持向量机,高斯过程,随机森林等。第三类是深度学习模型,以循环神经网络为代表。第四类是模型分解方法,将序列分解为线性部分和非线性部分,再分别建立线性模型和非线性模型,最后将两部分的预测结果相加。此外,还有组合预测方法,先使用小波分解、经验模态等方法将序列分解为多个信号,再用以上四类基本方法对每个信号建模,最后将各个信号的预测值重构回原序列的预测值。本文将详细介绍并比较以上四类基本预测方法和组合预测方法,并分析各类方法的优点和局限性。     

粒子群和遗传算法优化神经网络结构的破产预测

引荐了运用粒子群算法和遗传算法优化多层前馈神经网络结构预测破产的方法.融合了粒子群算法、遗传算法和神经网络众多优点,自适应和并行地搜寻神经网络最优的结构,由此构建优化的预测模型.采用源自UCI机器学习数据库的破产和非破产混合样本数据集,随机地从数据集中读取数据并进行数据预处理,运用7重交叉校验方法客观地评价预测结果.仿真证明,方法能自动有效地构建神经网络的优化结构,具有更快的学习速度和更好的推广性能.与其它方法相比,方法具有更高的破产预测准确率.     

基于遗传神经网络的风电功率预测

针对基于单一BP神经网络的风电功率预测模型的不足,提出了一种基于遗传算法优化的神经网络风电功率预测模型.模型采用遗传算法完成对神经网络权值和阈值空间的寻优搜索,以提高神经网络的收敛速度和获得全局最优解的能力.试验结果表明,基于遗传算法优化的神经网络可以提高风电功率预测的精度,其性能优于基于单一BP神经网络模型的风电功率的预测.     

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.     

肝癌术后无瘤生存期的人工神经网络预测

本文采用BP人工神经网络方法 ,构建预测肝癌患者生存期的网络模型 ,预测肝癌患者术后无瘤生存时间。该网络的回代贡献率为 83.94 % ,预测值与实际值的相关系数为 0 .916 2 ,误差均方为 0 .1347;网络对于检验集的贡献率为 71.11% ,预测值与实际值的相关系数为 0 .84 33,误差均方为 0 .16 0 8,生存期的预测值和实际值间比较 ,经配对t检验 ,t为 0 .3977,p为 0 .6 916。故认为BP神经网络预测肝癌患者的生存期效果较好 ,可进一步推广应用     

基于麻雀搜索算法和广义回归神经网络的玉米产量预测

针对新疆北部地区在玉米生产过程中存在的水肥利用率低下问题,提出一种基于麻雀搜索算法和广义回归神经网络模型的玉米产量预测方法,以探索水肥因素与玉米产量间的非线性关系,可为优化新疆北部地区春播玉米灌溉制度及水肥配饰方略提供理论指导.该方法采用36组既有玉米生产数据,通过广义回归神经网络技术建立模型,使用麻雀搜索算法对关键参数进行优化,降低了人为因素对模型超参数选择的影响.该模型用于新疆灌溉中心试验站的玉米产量预测仿真实验,证明该模型预测性能良好,相较于传统模型,在学习速度、预测精度及鲁棒性上具有优势,可有效预测新疆北部地区春播玉米产量.     

大连市甘井子区产业结构的动态分析与发展预测

以1990～1996年的统计数据为基础,对大连市甘井子区1990～2000年产业结构的变化情况进行了初步分析和预测,为该地区调整和优化产业结构提供了决策支持与定量依据.     

基于人工神经网络和随机游走模型的汇率预测

由于金融数据具有随机性特征,使得建模和预测变得极其困难.提出一种组合预测方法,即假定任何金融时序数据由线性和非线性两部分组成,将其中线性部分的数据通过随机游走(RW)模型进行模拟,剩余的非线性残差部分由前馈神经网络(FANN)和诶尔曼神经网络(EANN)协同处理.从实证结果可知,该组合方法相比单独使用RW、FANN或EANN模型有更高的预测精度.     

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.     

基于时间序列的网络安全态势预测方法的研究

互联网上每天充斥着大量入侵与攻击事件,已经严重威胁到网络安全,如何把握网络目前安全态势并预测其发展趋势已成为国内外网络应急响应的热点研究内容之一.根据网络安全事件发生的统计规律性,分别研究了基于时间序列的神经网络和灰色系统理论对未来一段时间内的安全事件数量进行预测的方法,并在此基础上对未来的安全态势进行评估,从而得知网络的整体安全运行状况,有效指导了管理员对网络安全的控制.     

新组合模型在光电功率预测中的应用

为提高光伏预测要求的精准性,文章提出一种新算法将神经网络和ARMA算法改进组合,构成NEW ARMA-BP模型算法.以某30兆瓦的光伏电站采集的输出功率为输入样本,基于ARMA和BP神经网络算法在Matlab环境下依次搭建了相应的预测模型,预估光伏短期输出量.采用"误差正态检验图"判断基于两种不同算法的误差水平,依据两种单模型预测误差,运用所提出的新方法计算权值并获得新的预测值.基于Matlab的仿真结论验证了组合预测在光伏输出预测领域的适用性.     

基于BP神经网络的煤炭价格影响因素及预测研究

煤炭价格从2012年开始急转直下,煤企的经营生产受到严重挑战,煤炭价格的未来走势成为业界关注的重点.在前人研究的基础上,综合行业、宏观经济以及替代能源市场等对煤炭价格影响的各相关因素,运用BP网络对煤炭价格进行建模.结果表明,与现有运用较多的时序分析或多元线性回归等方法相比,该预测模型有更高的精度,结论对煤炭企业的经营决策以及煤炭产业政策的制定提供了更为科学的参考依据.