基于灰色BP神经网络组合模型的郑州市商品住宅价格预测

针对郑州市商品住宅价格问题进行了研究,在传统GM(1,1)模型的基础上引入BP神经网络模型,建立了灰色BP神经网络组合模型,采用传统GM(1,1)模型与灰色BP神经网络组合模型预测郑州市商品住宅价格.结果表明,灰色BP神经网络组合模型比传统GM(1,1)模型预测精度高,具有更好的应用价值.     

BP神经网络在商品房销售价格制定中的运用

运用BP神经网络建立商品房销售基准价格与各影响因素指标之间的非线性关系,制定出更具说服力的销售价格,为商品房销售定价提供合理的参考,为房地产市场价格的理性发展提供合理的依据。     

基于主成分分析的神经网络算法对期权价格预测研究

采用基于主成分分析的神经网络算法对华夏上证50ETF期权价格进行预测,并使用期权数据验证该方法的有效性。比较传统Black-Scholes期权定价、单个BP神经网络算法和基于主成分分析的BP神经网络算法对期权价格的预测精度,结果表明:基于主成分分析的BP神经网络算法预测精度最高,传统的Black-Scholes期权定价方法其预测精度最低。     

基于BP神经网络与马尔可夫链的城市轨道交通周边房地产价格的组合预测方法

为解决先验数据有限且存在大量不确定因素情况下,城市轨道交通周边房地产价格的预测问题,提出一种基于BP神经网络与马尔可夫链的组合预测模型。首先,采用BP神经网络,使用较少量的样本数据完成城市轨道交通周边房地产价格曲线的粗略拟合;在此基础上,借助马尔可夫链进行系统状态划分,缩小预测区间以提高预测精确度;最后,运用基于BP神经网络与马尔可夫链的组合模型,对北京市轨道交通13号线周边房地产价格进行了预测分析。计算结果表明,该模型具有较高的精度和可靠性。     

人工神经网络在市场比较法中的应用

系统阐述了BP神经网络的结构和学习规则,提出了应用BP神经网络评估房地产价格。该方法能根据学习样本建立房地产价格与其影响因素间的非线形关系,从而克服了传统方法的缺点。     

基于粒子群的BP神经网络算法在猪等级评定中的应用

现有的在猪等级评定中应用的BP神经网络算法存在对初始权值敏感、易陷入局部最小值等缺陷,从而导致预测精度不高、收敛速度慢的状况。针对该问题,在神经网络训练中引入基于全局随机优化思想的粒子群优化(PSO)算法。先利用PSO优化BP神经网络的初始权值,然后采用神经网络完成给定精度的学习,建立了粒子群-BP神经网络模型。与传统BP神经网络相比,该方法预测精度高、收敛速度快,可以有效地运用到猪等级评定中。     

BP神经网络在商品住宅投资风险分析中的应用

将BP神经网络的理论应用于商品住宅的风险分析,通过构建分析模型,对样本进行了训练和检测,分析了我国房地产投资风险及其变化规律。旨在防范投资风险,促进房地产业健康发展。     

BP神经网络在商品住宅投资风险分析中的应用

将 BP 神经网络的理论应用于商品住宅的风险分析,通过构建分析模型,对样本进行了训练和检测,分析了我国房地产投资风险及其变化规律.旨在防范投资风险,促进房地产业健康发展.     

基于个体固定效应模型的商品住宅价格波动形成机理研究——来自关中城市群的实证数据

文章针对近年来关中城市群商品住宅价格波动较大这一特征,从商品住宅市场需求、供给及均衡价格出发研究商品住宅价格的波动机理,通过建立个体固定效应的面板数据模型对1998-2010年西安等关中地区5个城市商品住宅价格进行实证检验,分析认为城市家庭户规模、城镇居民人均可支配收入、土地价格、住宅开发投资额是关中城市群商品住宅价格的波动的主要影响因素.     

商品住宅价格预测模型分析

选取海南省2004—2016年商品住宅平均价格为研究对象,构建商品住宅价格影响因素指标体系,分别采用多元线性回归预测模型和GM(1,1)预测模型对商品住宅价格进行预测,得出预测值与真实值之间存在较大误差.将两种预测模型的预测值进行加权平均构建组合预测模型,得出预测值与真实值之间的平均误差为6.92%,预测值具有较高的精确度.     

基于组合优化BP神经网络的模拟电路故障诊断

电子系统的可靠性已成为影响系统正常运行的关键,因此电路故障的诊断越来越受到重视。基于BP神经网络的诊断方法是目前实现模拟电路故障诊断的有效方法之一。文章针对已有BP神经网络模拟电路故障诊断技术的不足,提出了一种组合优化的诊断方案。该方案采用遗传算法优化确定BP神经网络的初始权值,以规避BP神经网络易陷入局部极小值的不足,然后应用L-M方法在这个局部解空间里对BP神经网络进行精调,搜索出最优解或者近似最优解。该方案发挥了BP神经网络的广泛映射能力和遗传算法的全局搜索能力,加快了网络的学习速度,综合提高了整个学习过程中的逼近能力和泛化能力,有效提升了基于BP神经网络模拟电路故障诊断的性能。     

基于BP神经网络的舰船修理价格估算研究

舰船装备价格管理是舰船保障的重要环节，建立舰船装备修理价格估算模型具有十分重大的意义；充分考虑舰船修理价格影响因素，利用BP神经网络的非线性处理能力，建立了基于BP神经网络的舰船修理价格估算模型。计算实例表明：应用神经网络估算舰船修理价格具有精度高、客观性和动态性好的特点。     

基于时间序列的小波神经网络蔬菜价格预测模型

为准确预测蔬菜价格变化规律,现以合肥市周谷堆农产品批发市场2005年~2014年白菜月度市场价格及相关影响因素数据为样本,通过主成分分析,利用小波神经网络智能分析方法,构建基于小波神经网络的价格预测模型,并与BP神经网络模型比较。结果表明,小波神经网络预测模型的预测精度比BP神经网络更高,且更加的稳定。该模型的构建对蔬菜价格的稳定、农业管理部门的决策支持具有重要的理论研究意义和实际价值。     

遗传BP神经网络的煤价预测与煤价风险规避策略

分析了影响煤炭市场价格的因素,然后建立了基于遗传算法的BP网络模型,对秦皇岛港煤炭市场价格进行了预测,通过实证分析和预测误差评价指标比较,基于遗传算法的BP神经网络模型相比普通BP神经网络模型预测在煤炭市场价格应用中能有效降低预测误差。最后提出了在当前市场煤价高位运行情况下发电企业如何最大限度降低煤价风险的对策。     

RPROP神经网络的电力系统谐波分析

将RPROP(Resilient Propagation)神经网络运用到电力系统的谐波分析中,能够提高其精度以及速度.与BP(Back Propagation)不同,RPROP算法能够调整可变参数,因此能够避免一阶偏导数幅值信息对参数调整的影响,并且能够提高谐波分析的精确度以及收敛速度.通过对RPROP神经网络与BP神经进行比较,验证了基于RPROP神经网络的电力系统谐波分析具有的高精度以及收敛速度快等特点.     

隧道软弱围岩的改进BP神经网络位移反分析

基于一般BP神经网络特点,特别是在缺陷认识的基础上,采用改进BP神经网络对隧道软弱围岩进行位移反分析.通过增加神经元输出反馈量、运用二分法原理确定隐层单元数和改进惯性校正法、变步长算法、改进误差函数等方法,分别从BP神经网络结构和算法两个方面进行改进.并将现场监测数值和反分析计算位移值进行比较,其综合相对误差均控制在4%以内,取得了良好效果.成功将有限元数值仿真与BP神经网络原理结合,可为软弱围岩隧道设计和施工提供准确可靠的参数信息.     

基于粒子群-BP神经网络算法的电价预测

为了解决现有电价预测中BP神经网络法对初始权值敏感、易陷入局部最小值和收敛速度慢等问题,在神经网络训练中引入基于全局随机优化思想的粒子群优化(PSO)算法,先利用PSO优化BP神经网络的初始权值,然后采用神经网络完成给定精度的学习,建立了粒子群-BP神经网络模型.与传统BP神经网络、粒子群广义神经网络相比,该方法收敛速度快、所需历史数据少、预报精度高,可用于电力系统的短期电价预测.     

基于BP神经网络小麦含水量的近红外检测方法

为了实现小麦籽粒水分含量的快速、准确测定,以小麦含水量的国标测定值为BP神经网络的目标向量,采用近红外分析仪扫描小麦籽粒光谱图并进行预处理,使用主成分分析对预处理后的光谱数据降维,将其作为BP神经网络的输入向量,采用BP神经网络对小麦的含水量进行预测.结果表明:国标法测定值与BP神经网络结合近红外法测定值之间的T检验结果为P=0.52＞0.05,两种方法测定结果无显著性差异.采用BP神经网络对小麦水分的预测值与国标测定值之间的R2为0.999,可以用来预测小麦的水分含量.     

基于BP神经网络自贡房地产价格走势预测

文章通过分析调查影响自贡房地产市场的主要因素,基于BP神经网络,结合自贡住宅市场的实际情况,建立两类BP神经网络预测模型：基于时间序列的趋势预测模型、基于影响因素的回归预测模型,预测了自贡房地产市场价格走势。模拟预测2010年的结果证明了2011年房价预测的有效性,可为自贡城市建设的可持续发展提供有价值的指导意见。     

基于BP神经网络的轨道交通对房地产价格影响分析

基于轨道交通对房地产影响的复杂性和不确定性,运用基于投标租金模型的BP神经网络模型,以北京八通线起点站为中心,选取13组楼盘为样本,以住宅价格为输出层,以汇集时间、行车时间为输入层,采用仅有一个隐含层的3层神经网络进行分析,得出交通成本与住宅价格的神经网络模型．结合样本数据验证了模型的准确性,为人们准确进行房地产收益开发预测提供了一种有效的方法．