基于BP神经网络的项目投资风险评价

风险项目投资具有高风险、高收益的特点,科学、准确的评价方法对项目投资至关重要.传统的评价方法主观因素太强,而人工神经网络模型克服了传统项目评价依赖专家经验的弊端,为项目投资风险评价开辟了新途径.本文首先阐述了BP神经网络的原理,然后结合实例给出了用于项目投资风险评价的UP神经网络模型,仿真试验表明,采用该模型的结果是令人满意的.     

基于BP神经网络的公路建设项目投资风险评价研究

利用德尔菲法,确定了公路建设项目投资风险评价指标体系。基于风险因素的非线性特征,使用Matlab软件神经网络工具箱,构建了公路建设项目BP神经网络投资风险评价模型。在江西境内的JL高速公路项目投资风险评价中实际使用该模型,验证了其有效性。     

我国城市投资环境综合评价指标体系初探

在我国加入WTO后经济开始逐步溶入国际市场经济大潮中的新形势下，全国许多城市都在努力争取吸引国内外投资，为此，城市投资环境的评估已成为一项当务之急。作者应用AHP模型构建了中国城市投资环境综合评价指标体系，在求出各基本评价指标相对重要性权重后，结合各评价对象对应的各有关指标所得“评价值”．可在计算机上利用已开发的程序直观地得到科学化、严密化的评价结果。     

中国主要城市产业对象性投资环境评价：—以信息产业为例

在分析中国35个主要城市一般性综合投资环境的基础上,以信息产业为例,对这些城市的产业对象性投资环境作了探讨性的评价,并对评价结果进行了比较分析。     

基于改进粒子群算法的神经网络优化证券投资组合方法

采用人工神经网络对证券投资进行预测与分析的研究过程中,提高神经网络各个节点参数的优化能力是极其关键的。传统的神经网络存在学习速度慢、易陷入局部极小值、预测结果精度较低等缺点,一种改进型粒子群(Improved Particle Swarm Optimizer,IPSO)算法,可以优化BP(Back Propagation)神经网络,并将优化后的BP神经网络应用于优化证券投资组合中。实验结果表明:该研究方法能够在预测精度和稳定性方面明显优于传统的PSO-BP神经网络优化证券投资组合方法。     

基于神经网络的工业企业电气安全评价方法研究

提出工业企业电气神经元网络安全评价方法.在论述BP神经网络基本原理和基本算法基础上,以工业企业电力系统的"安全可靠、经济合理"和其定义所包含的各项内容为依据,从电气设备固有安全性、环境及管理三个层面建立包含14项指标的评价指标体系.以此建立工业企业电气系统综合安全评价模型并进行求解.该方法运用到黄岛热电厂的系统安全状况评价中,预测结果与实际情况基本相符.     

基于RBF神经网络的建设项目的投资风险评价模型

建设项目建设中存在各种各样的风险,科学的风险评价方法在项目的投资决策中显得尤为重要。文章介绍一种基于径向基函数(RBF)神经网络风险评价方法。首先阐述RBF神经网络的原理,然后结合实例建立基于RBF的风险评价模型,仿真模型表明该模型的结果满足项目投资风险评价要求,具有一定的参考价值。     

基于ANN-CVaR模型的住宅投资风险评价研究

商品住宅的开发投资风险越来越大,建立有效的评价方法和模型已经迫在眉睫。文章定性分析和定量测算相结合,使用BP神经网络和条件在险价值,构建了商品住宅开发投资的风险评价模型。通过整合BP神经网络和CVaR模型的优点,更真实准确地反映住宅投资风险,并做了实证研究。该模型在判断出风险程度的同时给出风险来源,指导商品住宅的投资决策,还为以后研究商品住宅开发投资风险提供了新思路。     

基于神经网络的城市燃气短期负荷预测

采用VC语言编写基于神经网络技术的城市燃气短期负荷预测模型,经实例验证可以较精确地预测出城市燃气短期负荷.预测模型在权值修正项中引入动量项以加速收敛,在数据输入时引入噪声,以提高网络的泛化推广能力.     

BP神经网络模型在地下水质量评价中的应用

介绍了BP神经网络的基本原理和计算方法。采用6-11-5三层拓扑结构的BP神经网络模型对伊通河下游地下水质进行评价,并与内美罗指数法、模糊综合评判法和物元可拓法评价结果比较。结果表明BP神经网络计算简便、评价结果客观准确,很好地反映了地下水质量的总体状况。     

基于BP神经网络对BT项目风险的评价

BT融资模式是加快城镇化发展过程中,大型基础设施项目建设的主要融资方式,准确地对BT工程项目的风险等级进行评价,有助于降低投资人的风险损失。为了更好地评价BT工程项目的风险等级,克服传统风险分析方法的不足,建立BP神经网络模型。本文以A市地铁BT工程项目为例,首先建立该项目的风险评价指标体系,然后确定合适的BP神经网络模型参数。在大量经验数据的基础上,对BP神经网络模型进行了训练与检测,通过试验发现构建18-17-1三层BP神经网络模型对风险等级的评价结果精度最高。最后通过此模型对A市地铁BT工程项目的风险等级进行了评价,取得较好的效果。     

基于改进BP神经网络的工程建设项目评标方法研究

针对评标工作中专家的主观性、随意性和倾向性所带来的偏差,运用改进BP算法,构建了建设工程项目评标的神经网络模型。该模型能够较好地适应各影响因素之间的非线性关系,并通过附加动量法的自学习、自适应能力,提高了收敛速率,从而避免了局部极小值,提高了精度。通过仿真试验,验证了该模型的科学性和有效性。     

BP神经网络和RBF神经网络在墩柱抗震性能评估中的比较研究

通过仿真实例,对BP神经网络和RBF神经网络在墩柱抗震性能评估中的应用进行了比较研究.训练和仿真结果表明,BP神经网络和RBF神经网络均能很好地对墩柱的延性进行抗震性能评估,并且,在相同精度要求下,RBF神经网络比BP神经网络的训练速度更快,效率更高,充分体现了RBF神经网络的优越性.同时也总结了BP神经网络和RBF神经网络所存在的不足.实际应用中,可以以此结论为指导来设计神经网络.     

基于人工神经网络的投标单位资格预审评价法

招标单位和投标单位都非常重视投标前的资格预审,资格预审对双方都有着重要的作用。目前我国通常采用打分法,但是该方法中各因素权值是人为确定,难免不受到人为主观因素的影响。为避免这种影响,文中介绍另一种新的评价方法：人工神经网络评价法。在介绍人工神经网络原理的基础上,结合分析资格预审指标的特点,建立起该方法的数学模型,最后通过实例说明该方法的具体应用。     

基于BP神经网络的过渡环境热舒适评判模型

突变环境下的人体热反应是由许多主客观因素所决定的,利用神经网络具有通过学习最佳逼近非线性映射的能力,将其应用于突变环境下人体热反应的研究,具有一定的可行性。本文通过局部非均匀环境与背景均匀环境之间的过渡实验,利用Matlab工具,分别建立了向热环境过渡和向冷环境过渡的整体热感觉以及头部执感觉的BP(Back Propagation)神经网络热舒适评判模型。经验证,该模型对不同工况过渡后的逐时热感觉预测较为准确,从而为非均匀环境与均匀环境之间过渡的热舒适模型的建立提供了一种可借鉴的方法。     

BP神经网络技术在城市建筑热环境研究中的应用

本文针对现代城市中越来越严重的热岛现象与能源问题,首先分析了北京市近60年的温度资料,可知60年来城区内的年平均温度升高了2.28℃,温度增幅为0.38℃/10 a。而后综合考虑城市建筑热环境的各种影响因素,利用BP神经网络技术建立了城市尺度下针对建筑热环境(温度)的预测模型,并对以往的数学模型和计算方法进行了改进。在改进后的预测模型中,通过枚举法选择隐含层最佳神经元个数,用贝叶斯正规化算法进行了网络训练,结果表明:与BP神经网络基本的L-M优化算法相比,该算法有较高的泛化能力和准确性,更适合于这一问题的研究。