神经网络在石油价格预测中的仿真研究

在石油价格预测问题的研究中,石油价格预测与供求和经济政治有关.针对石油价格变化具有高度非线性、噪声和价格因子难以确定等特点,传统预测方法都是根据线性变化规律提出的,因此对石油价格预测精度低.为提高石油价格预测精度,提出一种主成分分析的BP神经网络石油价格预测模型.可通过定性分析获得石油价格变化影响因子,然后采用主成分分析消除数据中的噪声并选择重要影响因子,最后重要影响因子作为BP神经网络的输入,采用非线性预测能力强的神经网络对石油价格进行预测.实验结果表明,模型提高了石油价格预测精度,为石油价格预测提供了一种有效方法.     

网络流量预测的建模与仿真研究

研究网络流量准确预测问题,网络流量变化是一种具有时变性、多尺度和突发性的非线性系统,由于传统时间序列预测方法很难揭示内在变化规律,导致网络流量的预测精度比较低.为了提高网络流量的预测精度,提出一种小波分析BP神经网络的网络流量预测模型.模型首先通过小波分析对网络流量进行分解,得到网络流量信号的近似和细节部分,然后进行重构提取多尺度特征,最后将重构的网络流量数据输入到BP神经网络,利用BP神经网络的非线性能力对网络流量进行训练、建模并预测.仿真结果表明,小波神经网络方法提高了网络流量预测精度,是一种有效实用的网络流量预测方法.     

投影寻踪和神经网络算法的石油价格预测

研究石油价格优化预测问题,石油价格具有严重的非线性和因子难以精确确定,传统预测算法只能对石油价格线性关系进行,导致预测精度低。为提高石油价格预测精度,提出一种基于投影寻踪和神经网络算法的石油价格预测模型。首先根据相关研究选择石油价格影响因子,然后利用投影寻踪算法对影响因子进行筛选,将其得到因子作为BP神经网络输入变量节点,建立石油价格预测模型。仿真结果证明,改进算法能够很好地反映石油价格波动趋势,提高了石油价格的预测精度,为石油价格预测提供了一种高精度预测工具。     

BP 神经网络在基金价格预测中的应用研究

研究基金价格变化的准确预测问题.针对基金价格变化规律相当复杂,影响因素间非线性程度相当的高,传统预测方法不能很好反映非线性规律,导致基金价格预测精度不高.为了基金价格预测精度,提出一种基于 BP 神经网络的基金价格预测模型.通过 BP 神经网络优异的非线性逼近能力和自学习能力对基金价格数据进行训练和预测,同时通过自适应学习速率动态地调速 BP 神经网络学习速率,对基金价格进行预测.通过对金泰基金的仿真研究,表明了改进的 BP 神经网络比其它基金价格预测具有更高的精确度,能准确地捕捉基金价格的变化趋势,为基金价格预测提供了参考.     

灰色神经网络在粮食产量预测中的应用

研究粮食准确预测优化问题,粮食产量受到多种因素影响,同时具有复杂的非线性和随机性特点,传统单一模型难准确对其变化规律进行准确描述,预测精度较低。为提高粮食产量预测精度,提出一种将灰色理论和BP神经网络相结合的粮食产量预测模型。首先采用灰色GM(1,1)预测模型动态预测粮食产量变化趋势,然后运用BP神经网络对灰色GM(1,1)模型预测结果进行修正,以提高粮食产量预测精度。采用1978-2008年我国粮食产量数据对预测模型性能进行仿真测试,仿真结果表明,组合预测模型提高了粮食产量的预测精度,更能描述粮食产量变化规律,为粮食产量准确预测提供了一种有效研究方法。     

支持向量机的石油价格预测

研究石油价格变化趋势问题,石油价格是多种影响因素的综合结果,具有复杂非线性,影响因子间信息存在大量冗余,传统预测方法无法消除冗余信息和难以准确描述石油价格非线性变化规律,预测精度低.为了提高石油价格预测精度,提出一种将主成份分析和支持向量机相结合的石油价格预测方法.首先利用主成分分析对石油价格影响因子进行处理,消除因素间的冗余信息,降低支持向量机的输入变量维数,然后利用支持向量机对保留主成分进行建模和预测.模型对石油价格数据进行仿真实验,结果表明,模型消除冗余信息,加快学习速度,提高了石油价格预测精度,并能为石油价格预测提供有效的方法.     

小波神经网络在短时交通流量预测中的应用

研究在短时交通流量预测问题,短时交通流量存在随机性和非线性因素,影响预测的准确性。传统预测模型难以反映交通流量变化特点,同时传统神经网络易陷入局部极小值,泛化能力差,交通流量预测精度低。为了提高短时交通流量预测精度,提出一种小波神经网络的短时交通流量预测模型。小波神经网络可以对短时交通流量随机性、不确定性进行局部分析,并进行非线性预测,验证了模型的有效性,进行了对比试验。验证结果表明,小波神经网络提高了短时交通流量预精度,预测结果更具应用价值。     

改进神经网络的短期负荷预测模型及仿真

在电力负荷准确预测问题的研究中,电力负荷具有周期性、随机性和非线性的特点,而传统方法存在负荷预测精度低的难题,为了提高负荷的预测精度,提出一种改进神经网络的短期负荷预测模型(CPSO-BPNN).首先利用非线性预测能力强的BP神经网络对短期负荷建模;然后结合混沌粒子群优化算法挖掘短期负荷的变化规律以提高短期负荷预测精度;最后对模型性能进行仿真.仿真结果表明,CPSO-BPNN解决了传统方法存在的难题,提高了短期负荷的预测精度,为非线性负荷预测提供了依据.     

小波神经网络预测模型的仿真实现

针对神经网络预测模型在对非线性序列进行预测时,容易陷入局部次优点,训练速度慢的缺点,在传统神经网络预测模型的基础上,引入小波作为隐含层的传递函数,构成新的预测模型:小波神经网络预测模型.介绍了小波神经网络预测模型的构建,仿真模型和仿真算法,并把小波神经网络预测模型在matlab7.0以网络流量的预测对模型进行了效果检验,得出了预测精度较高的预测结果,并且克服了容易陷入局部次优点的缺点,同时训练速度较之神经网络预测模型大大提高.     

小波消噪和神经网络的网络流量混沌预测

网络流量数据中含有大量噪声,对网络流量预测精度产生不利影响,为此,提出一种小波消噪和神经网络相融合的网络流量混沌预测模型。采用小波技术对网络流量数据进行消噪处理,采用关联维数确定BP神经网络输入变量个数,采用BP神经网络建立网络流量预测模型。结果表明,与消噪前比,小波消噪和神经网络模型更能准确刻画网络流量的变化趋势,有效提高了网络流量的预测精度,为非线性预测问题提供了一种新的研究思路。     

中长期负荷预测协调思路

负荷预测是电网规划的基础,负荷协调问题广泛存在于负荷预测工作中。围绕电网规划中普遍存在1维2级协调问题,提出了一种负荷预测结果协调思路。在协调过程中,以全局相对修正量平方和最小为前提,在最小化修正的同时,实现总需求与子需求预测结果的统一,为广大电网规划运行人员提供参考。     

日电力负荷的分时段多模型组合预测

日电力负荷预测是电力市场运营的基本内容。当前大多数预测方法对不同时段往往采用相同的预测模型和算法,而较少考虑不同时段的负荷组成及特征变化。提出了一种新的分时段多模型组合预测方法。根据负荷组成和特征变化,将日96点负荷分为多个时间段,每个时段内采用多元线性回归、灰色预测、支持向量机和神经网络预测等子模型加权实现多模型组合预测。通过对华东某地市电网日负荷96点曲线的预测结果显示,该方法效果较好,日预测均方根误差在1.78%以内,能较好地满足实际电力系统的负荷预测要求。     

Forecasting commercial change

Why is so little in the commercial world as dependable as Moore's law! Doesn't that seem odd! Why is it that a savvy engineer can forecast the rate of technical change, but it is impossible to find a market analyst who can correctly (and reliably) forecast anything about market events! Three very important facts shape this pervasive uncertainty. They are well known, though they are so obvious that nobody thinks to comment on them any longer. Information technology comprises a stunning variety of distinct technologies-much more than just the microprocessor. These technologies define the technical frontier: they include hardware, software, networking and communications, digital and analog systems, operating systems, operations software, tools and applications, communications software, central switches and PBXs, mainframes and microcomputers, storage devices, input devices, routers and modems, TCP/IP-based technologies, proprietary and other open standards, among others. In addition, a very wide variety of technical specialties, kinds of IT firms, and modes of invention help to advance these technologies. This variety means that simply characterizing the rate and direction of technical progress in IT is not a trivial activity. Rates and directions differ across products and components     

混合预测模型PMA-GM在网格资源性能预测中的应用

提出了基于时间序列的混合预测模型，即将改进的移动平均预测模型MA和灰色预测模型GM（1，1）结合起来。该混合预测模型产生的预测准确率比较高，有效地提高了网格中调度组件的调度效率。     

混合预测模型PMA GM在网格资源性能预测中的应用*

提出了基于时间序列的混合预测模型,即将改进的移动平均预测模型MA和灰色预测模型GM(1,1)结合起来。该混合预测模型产生的预测准确率比较高,有效地提高了网格中调度组件的调度效率。     

半参数预报方法在水位预报中的应用

本文用ARMA序列的半参数预报方法对湘江水位进行预报,结果表明,这一方法具有好的应用价值。     

基于神经网络的股票中期预测

本文给出了一种基于BP神经网络的股票市场建模、预测以及决策方法.应用神经网络进行股票中期预测,输入数据的复杂性给网络训练效率和预测精度造成了显著的负面影响.我们应用模糊曲线分析法进行了输入变量的筛选,该方法主要是用来压缩输入数据的维度,发现影响产出变量的重要因素.它通过求相关度,贡献弹性,根据样本点拟合样本曲线,最后选取出影响变量的重要因素.结果表明,经该方法处理后的数据输入神经网络不仅减少了输入数据量,使训练时间减少,运算速度提高,而且预测精度有了明显的改善.     

Instance-Aware Scene Layout Forecasting

International Journal of Computer Vision - Forecasting scene layout is of vital importance in many vision applications, e.g., enabling autonomous vehicles to plan actions early. It is a challenging...