基于多层BP神经网络的财务风险预警模型构建

首先筛选引发财务危机相关因素,建立财务风险预警指标体系.分析BP神经网络的隐含层数及结点数对网络分类能力的影响,构建基于多层BP神经网络的财务风险预警模型.进行了M atlab仿真实验,以验证所建模型的可行性、有效性及合理性.     

基于粒子群优化BP神经网络的医患关系风险预警模型

为了提高医患关系风险预警的准确度,提出一种基于粒子群优化反向传播(back propagation,BP)神经网络的医患关系风险预警模型.首先采用通过粒子群算法优化BP神经网络初始权值和阈值的方法来提高BP神经网络的预测准确度;通过对模型优化前后的对比分析,得出优化后模型预测误差更小的实验结果.仿真结果表明:此方法建立的医患关系风险预警模型收敛速度更快,预测精度更高.     

基于RS-SVM的建筑施工项目安全预警模型

针对目前建筑施工项目安全风险管理的现状,应用粗集理论对建筑施工项目的安全因素进行预处理,将处理后的信息结构作为支持向量机的输入数据进行训练和预测,构建建筑施工项目安全风险预警模型,并在小样本条件下,与BP神经网络进行对比分析。结果表明,RS-SVM预测模型的最小均方根误差为0.011 5,BP神经网络的均方根误差为0.070 7,RS-SVM预警模型的预测精度、泛化能力明显优越于BP神经网络学习方法。     

基于熵权-灰色模型的电力数据网风险预测

针对当前电力数据网风险预警模型无法有效预测网络风险的现状,提出一种基于熵权-灰色模型的电力数据网风险预测机制,重点解决网络整体风险的预测问题.首先利用灰色模型对电力数据网的风险指标进行预测,确定单项风险指标值;然后采用熵权法得出每一项指标的动态权重;最后根据风险指标值和权重得出网络整体的预测风险值.仿真验证结果表明,该模型可保证动态网络下实时预测的准确度.     

基于Wrapper的信用风险预测模型研究与应用

研究了一个有效适用的企业信用风险预警模型。针对单一BP神经网络预测模型由于财务指标选择不当导致误判率较高的问题,提出了首先进行特征选择,利用遗传算法搜索出最优特征子集,并采用BP神经网络作为遗传算法的评估函数,构建了一个基于Wrapper方法的神经网络信用风险预测模型。以沪深股市1998—2004年间的制造企业数据为例对模型进行实验,结果表明,新模型提高了预测准确率,评估结果更具科学性,实际应用具有良好的信用风险预测能力。     

延时煤与瓦斯突出的实时预警理论与应用研究

结合煤矿井下瓦斯涌出实时监测图,利用神经网络技术判断瓦斯异常情况．选取4个参数作为瓦斯延时突出预测的特征指标：井下瓦斯涌出峰值、瓦斯上升梯度、瓦斯超限时间和瓦斯下降梯度．瓦斯异常涌出超限3％,并持续时间超过10s为瓦斯延时突出敏感指标的临界值．结合VB＋ADO的编程及数据库访问技术,建立了人工智能神经网络的瓦斯预警理论模型、瓦斯预警模型的自学习训练方法和瓦斯预警技术．模型预测结果与实际情况完全相同．     

基于BP神经网络的钱塘江水质指标的预测

为掌握钱塘江水质未来的变化情况以及预防污染事件的发生，建立了一个水质指标预测模型.利用钱塘江某行政交界断面的水质指标实测数据作为学习样本，选取了总磷、总氮、化学需氧量等9项指标作为预测参数，运用Levenberg-Marguardt优化算法对学习样本进行优化，建立了反向传播（BP）神经网络模型，并运用该模型对钱塘江水质指标进行了预测.结果表明，BP神经网络模型的预测精度较高，预测速度快，对大部分水质指标能够得到较好的预测值，相对误差的绝对值小于6％.此BP神经网络能够有效地应用于水质指标的预测和水质趋势的预警预报系统中.     

江苏省尿素价格预警模型实证研究

研究尿素价格预警有利于监测农产品价格波动,基于尿素产品的成本构成,选择尿素价格与煤炭成本比作为主要预警指标,同时以尿素进出口政策、尿素进口价格等作为辅助预警指标,运用回归分析方法建立尿素价格预警模型,在此基础上确定警限和警度,预测环比波动率,以便消费者、生产经营者及相关部门能及时采取有效措施规避风险,稳定农产品市场。     

电流互感器自动化检定系统风险预警方法研究

电流互感器自动化检定系统在连续运行条件下,面临长时间、大批量运行可靠性和数据准确性的不确定性风险。提出了一种基于灰色神经网络的电流互感器检定系统风险预警模型,通过挖掘核查标准的比差、角差历史数据作为输入变量,使用灰色模型对输入变量值进行预测,并将预测结果值作为改进萤火虫算法优化的BP网络的输入,得到检定数据的预测值,通过风险评估策略对预测结果进行评估预警。仿真结果表明,该方法能够对电流互感器自动化检定系统的运行状态提前进行预警,保障了检定系统的稳定运行。     

基于深度学习的电网调控系统异常检测与多阶段风险预警

针对复杂电网调控系统中大部分风险预警技术存在准确率低的问题,提出了一种基于深度学习的电网调控系统异常检测与多阶段风险预警技术.在综合考虑系统异常类型的基础上构建了运行系统健康度评估指标.利用随机森林算法进行系统异常状态检测,并根据检测结果将系统状态分成轻压力区、拐点区和崩溃区3个阶段,结合人工神经网络模型预测系统运行状态的变化趋势并及时预警.仿真试验结果表明,3个阶段的异常检测率分别为94.53%、88.79%和80.12%,且在轻压力区的预测误差小于1%,拐点区预测误差低于10%,均优于现有异常检测与预警技术.     

粘衬组合面料缝纫外观平整性能的预测模型

分析了粘衬后组合面料的缝纫性能的变化趋势,并利用人工神经网络的方法建立了基于粘衬组合面料FAST力学性能指标的缝纫外观平整性客观评价模型,采用斯皮尔曼秩相关（Spearman’s rho）分析法确立模型评价指标．经检验,该模型整体预报精度较好,稳定性高,可用于粘衬织物缝纫外观平整度等级预测．     

红土抗剪强度指标及其BP网络模型研究

在分析土体的物理性质指标对其抗剪强度指标的影响的基础上，以人工神经网络为基本工具，利用其强大的非线性映射能力，来预测土体抗剪强度指标，为求解其力学参数提供了一条新途径．结果表明，BP网络模型能够充分体现土体物理性质之间的非线性关系，所求出的土体抗剪强度指标的预测值与试验值接近，其精度高于线性回归．     

基于神经网络的中国商业银行效率综合评价

在广泛选取原始指标的基础上,建立了基于主成分分析法的商业银行效率评价指标体系,建立了基于BP神经网络的商业银行效率评价模型.采用改进的主成分分析法建立了新的指标体系,用7个指标保留了92%的原始信息,并避免了指标间相关性对后期评价的影响;运用斜交旋转法,得到了对商业银行效率影响较显著的7个指标因素;采用均值法对原始数据进行标准化处理,保留了指标间的差异信息和相互影响信息;利用BP神经网络避免了传统评价方法中人为主观因素和模糊随机因素的影响.     

AHP-RBF神经网络在煤矿安全风险评价中的应用

煤矿生产的复杂性导致煤矿事故具有动态、随机、模糊的特性,而且影响煤矿安全风险等级的指标众多,风险等级与风险指标之间呈现出复杂的非线性关系。传统的BP神经网络评价方法的准确率低,本文提出一套新的煤矿安全风险评价方法。首先建立煤矿安全风险指标体系,然后利用AHP确定各风险指标权重,并对其进行重要性排序,最后将RBF神经网络作为评价工具,建立基于AHP-RBF神经网络的煤矿安全风险评价模型。通过案例分析表明该模型能够科学有效的对煤矿安全状况进行评价。     

基于BP神经网络的结构系统跟踪辨识方法

针对人工神经网络在结构系统辨识中存在的问题,提出一种基于BP神经网络的跟踪辨识方法.通过将实际结构模型分为一个机理模型和一个实时误差模型,前者基于常规的BP神经网路通过离线训练而成,而后者通过小型的BP神经网络实时辨识系统误差,进而使这种经过改进的系统识别网络能够具有动态递阶识别系统的能力.计算机仿真分析表明,这种方法可有效地减小由于不同外荷载作用引起的结构系统辨识误差,提高人工神经网络在系统辨识中的精度和可靠度.     

Study of Enterprises Marketing Risk Early Warning System Based on BP Neural Network Model

For effectively early warning the marketing risk caused along with the varied environment, a BP neural network method was introduced on the basis of analyzing the shortcomings of the risk early warning method, and combined with the practical conditions of dairy enterprises, the index system caused by the marketing risk was also studied. The＇principal component method was used for screening the indexes, the grades and critical values of the marketing risk were determined. Through the configuration of BP network, node processing and error analysis, the early warning resuits of the marketing risk were obtained. The results indicate that BP neural network method can be effectively applied through the function approach in the marketing early warning with incomplete information and complex varied conditions.     

智能控制及其应用

介绍了一些有关智能控制的基本概念,如模糊控制,自适应模糊神经控制,专家模糊系统和人工神经网络等等,并简要分析了模糊理论与人工神经网络的特点,将人工神经网络技术与PID控制相结合,用神经网络PID控制方法控制一个温控系统,从输出曲线中可见,这种方法有输出超调小、上升时间快等许多优点,为系统提供了一个优良的控制效果。     

人工神经网络在岩石力学中的应用

从岩石力学研究思维方式转变的观点出发，从岩石非线性系统辨识、工程时序预测、反分析及岩石工程系统等四个方面综述了人工神经网络在岩石力学中的应用进展情况，并对其应用情况进行了简要评述。     

基于神经网络的再制造系统风险评价

为了给企业在开展再制造业务时提供风险评估参考模型,从再制造全生命周期出发分析再制造系统面临的各种风险,构建包括收集、检测、拆卸、再制造和再循环五大环节的评价指标体系;建立基于Back Propagation（BP）神经网络的风险评价方法;并利用权矩阵之间的关系函数确定评价指标的影响次序,找出再制造系统风险的主要风险因素;然后通过Internet收集资料选取五个企业的再制造业务风险评价作为样本训练模型;最后以某机床制造企业的再制造项目风险评估验证上述评估方法的有效性。     

基于多传感器的模糊神经网络在工业污水处理中的应用研究

工业污水分析系统属于多目标控制系统,具有不稳定和不确定性,同时其处理过程具有多变量、非线性、时变和强随机性的特点,故建立精确的数学模型比较困难,模糊神经网络建模在此有一定优势.文章对基于多传感器的污水分析系统,利用模糊神经网络建模工具,对多传感器的过程动态模型进行了分析,提出通过神经多软传感器等对系统进行优化的解决途径,建立了基于多传感器的模糊神经网络污水处理系统模型,进行了实证对比分析.