基于灰色神经网络的航线客流量预测

准确预测航线客流量对于航空公司制定航线销售政策有着重要的作用。现有研究中鲜见考虑民航旅客出行的随机性、客流量表现出的非线性特征以及对航线客流量影响因素的分析。针对以上问题,提出一种基于灰色神经网络的航线客流量预测模型。该模型运用灰色理论弱化数据序列的随机性,再结合非线性处理能力较强的BP神经网络,构建基于灰色神经网络的航线客流量预测模型。同时验证了平均折扣率对航线客流量的影响。实验结果表明,相比于灰色GM(1,2)模型、BP神经网络模型,灰色神经网络模型具有更高的航线客流量预测精度和更强的稳定性。     

基于灰色关联和BP神经网络的汽车保有量预测

为提高汽车保有量的预测准确性,运用灰色关联分析法,计算分析与汽车保有量相关的主要社会指标,确定汽车保有量的影响因子分别为国民总收入、人均GDP、进出口总额、城镇居民人均可支配收入、钢材产量、公路客运量和社会消费品零售总额。将所确定的因子作为汽车保有量的预测指标,建立基于BP神经网络的汽车保有量预测模型,并对模型进行应用测试。结果表明:BP神经网络模型具有较高的精度,最大相对误差为2.2%,平均相对误差为1.5%。,可为我国汽车保有量的预测研究提供方法支撑。     

改进粒子群优化BP神经网络的旅游客流量预测

旅游客流量受多种因素影响,传统的时间序列预测模型无法描述预测对象的规律,人工智能方法如BP神经网络,其结构的选择过多依赖经验,基于此提出了利用改进的粒子群算法优化BP神经网络,通过惯性因子的非线性递减来改善粒子群的寻优性能。将该预测模型应用于自贡灯会的客流量进行实际预测分析,通过对150组训练样本和50组测试样本的实验仿真,可知改进后的方法提高了预测结果的准确度,并且涉及参数少、简单有效。     

基于灰色BP神经网络的服装面料规格参数预测

提出一种针对服装面料在生产加工过程中预测成品服装面料规格参数的预测模型。该模型通过将灰色关联分析与BP神经网络相结合的方式实现,利用灰色关联分析找出面料生产加工过程中的各测量参数与成品面料规格参数的潜在关系,为BP神经网络提供筛选因子的功能,最后通过训练BP神经网络来实现预测。根据企业提供的现实生产数据,经过实验验证了该模型的有效性。     

基于灰色粗糙集与BP神经网络的设备故障预测

为更有效预测设备故障,提出一种基于灰色粗糙集与BP神经网络的设备故障预测模型。用灰色关联分析和粗糙集理论分别对二维故障决策表进行横向和纵向两个维度的约简,将冗余的数据和属性去掉,并将约简后的数据输入到BP神经网络,预测设备故障。最后以地铁信号设备故障预测为例进行实例验证,结果表明,该模型预测误差更小,预测准确率更高。     

基于灰色BP神经网络的瓦斯爆炸的预测

瓦斯浓度在很大程度上决定了煤矿井下发生爆炸的可能性,而原有灰色模型预测方法精度不是很高,但是所需的数据较少,而BP神经网络有高度的非线性计算、自学习和自组织能力。本文结合了灰色系统与BP神经网络各自的优点进行预测,使预测结果更加精确,可靠性得到很大的提高。     

基于灰色BP神经网络模型的煤矿地下水位预测研究

针对煤矿地下水位监测精度不高的问题,提出灰色BP神经网络预测煤矿地下水位的模型.分别利用灰色预测理论、BP神经网络模型和灰色BP神经网络对某煤矿一观测井地下水位进行预测,仿真数据表明采用灰色BP神经网络模型预测煤矿地下水位更为准确.     

基于灰色GARCH模型和BP神经网络的股票价格预测

针对传统算法进行股票价格预测存在预测精度低和滞后性大的缺点,提出一种基于灰色GARCH模型和BP神经网络的股票价格预测模型。通过BP神经网络校正灰色GARCH模型预测残差实现股票价格的高精度预测。研究结果表明,与灰色GARCH、BP、GARCH和灰色模型相比较,本文提出的灰色GARCH-BP组合模型可以有效提高股票价格预测精度,为股票价格预测提供新的方法和途径。     

基于灰色理论和BP神经的网络安全态势预测

针对现有的网络安全态势预测方法没有从影响网络安全态势的安全因子入手,不能准确地预测未来网络安全态势,提出了一种基于灰色理论和BP神经网络的预测方法。首先依据灰色模型系数的取值大小选择最合适的背景值,并构造了一种新的模型背景值函数。其次,结合GM(1,1)、GM(1,N)模型预测网络安全态势,并用BP神经网络对态势预测值进行修正。最后,通过真实的网络环境验证了所提出的方法在网络安全态势预测中的有效性。     

基于灰色预测模型的航线客流量预测

准确的预测航线的客流量,对于航空企业制定航线销售政策有着重要的作用.针对民航客流量预测具有诸多不确定性和数据不足的特点,在选取某航空公司近六年三亚-北京往返航线数据的基础上,提出以回归分析、灰色预测方法对该航线2016年的客流量进行分析预测.经实证分析,结果表明:灰色预测方法对航线客流量的预测的精确度较高,对航空公司预估客流量和制订销售政策有直接的指导意义.     

基于数据预处理灰色神经网络组合和集成预测

当研究的系统扰动因素过大或系统行为在某个时川点发生突变，出现严重扰动系统的异常数据时，提出不应直接按原始数据建模预测，而应根椐实际情况适当地对数据预处理．提出了基于数据修正的改进型灰色神经网络组合和集成预测，并根据南昌火车站旅客发送量时间序列建立了多个模型，从模型预测效果对比中说明数据修正、改进型灰色模型和改进型灰色神经网络、灰色神经网络组合和集成确实能提高预测精度．另外，修正数据要把握一个度，不能修正全部数据，只能修正较异常的数据，要在数据的趋势性和预测的灵敏性间取得平衡。     

基于灰色神经网络的股票指数短期预测

灰色神经网络是GM(1,N)模型与BP神经网络结合的组合模型,比较适合于对小样本数据预测。本文运用灰色神经网络的理论和技术,对股市的上证综指进行了短期预测。实验结果表明,灰色神经网络预测精度优于GM(1,N)模型。     

基于BP神经网络的团购商品数量预测

随着互联网的发展与普及,网络购物已成为现代人生活中一个重要组成部分。网购为消费者带来了颠覆传统消费模式的全新购物模式,节省了大量的购物时间。目前网络团购模式已经被广大网络消费者所认同,团购商品数量是团购网站预期营业额的重要依据,因此建立有效的团购商品数量预测模型,分析影响团购商品数量的作用因素,对团购网站具有重要的实际指导意义。     

灰色理论与神经网络在水华预测中的应用

在综合考虑生态系统中水华发生的机理特点基础上,采用改进的BP神经网络实现了对叶绿素最高点的非线性预测;利用灰色WPGM（1,1）模型的累加生成运算（AGO）对叶绿素最高值对应的时刻进行推算,从而预测水华的爆发时间点。经检验,神经网络预测结合灰色WPGM（1,1）预测模型相对误差在10%左右,能够对水华的发生进行判断和预报,有利于综合整治方案的优化和统筹。     

基于BP神经网络的建筑能耗预测

建筑负荷的预测是现在建筑能耗工作中十分重要的一项,是建立节能减排的重要支撑条件,对建筑总体能耗的预测需要考虑建筑结构内、外部环境方面的各项因素,例如对外部平均温度、湿度等,提出了使用BP神经网络的理论解决负荷的预测问题,结合某地的事实数据,用Matlab建立负荷预测模型,进行仿真预测的结果进行分析,预测的误差较小,能够比较有效地进行实用。     

基于MATLAB的BP神经网络预测系统的设计

利用MATLAB设计了BP神经网络预测系统.介绍了MATLAB的BP神经网络工具箱函数和图形用户界面,详细介绍了BP神经网络预测系统的设计,并对所设计的预测系统进行了性能评价.系统具有良好的性能,在很多领域可以发挥较大的作用.     

基于灰色理论及BP神经网络的变压器油击穿电压预测方法

变压器油击穿电压的预测,对于变压器的故障诊断和日常维护具有重要的意义。本文提出了1种击穿电压多参数关联预测方法,即通过对变压器油日常监督数据进行灰色关联分析,挖掘与击穿电压存在强关联性的指标;利用BP网络建立击穿电压与4个强关联性指标的关系模型;采用模糊C均值聚类算法聚类原始样本,以聚类中心训练网络,以解决大样本情况引起的网络结构复杂、收敛性及泛化能力差等神经网络固有问题。仿真结果表明,预测模型精度较高,预测值与实际值的相对误差均在10%以内,能够满足实际应用要求,具有重要的应用价值。     

基于BP神经网络的港口货物吞吐量预测

港口货物吞吐量的预测对于港口的建设和规划有着极其重要的意义.本文将BP神经网络理论引入港口货物吞吐量的预测中,建立以港口货物吞吐量影响因素作为输入神经元,港口货物吞吐量作为输出神经元的三层BP神经网络模型,并对南京港货物吞吐量进行预测,得到较好的预测结果.     

基于灰色神经网络的商品销售预测

该文采用灰色神经网络的计算方法对产品的需求进行评估推测,该推测是商品销售推测的组成部分,它直接影响到企业的生产,销售,投资等诸多方面,是决策者决策的有力依据。该方法结合了灰色系统理论和人工神经网络理论,力求展现一种最新的预测方法,是用计算机分析运算来预测一种少数据,信息不确定的现实事物,以达到最终的目的。     

基于灰色径向基神经网络模型的流量预测与分析

根据神经网络能有效修正灰色预测模型的思路,本文提出了基于灰色系统及径向基神经网络的组合预测模型。通过采集园区节点交换机的流量数据,在分析网络流量时间序列特性的基础上建立灰色GM（1,1）模型,并采用径向基神经网络对预测模型残差进行修正。实验结果和仿真实验表明,组合模型效果及预测精度远优于单一灰色预测模型。