神经网络的企业信用风险评估应用研究

研究企业信用风险评估准确性问题,企业存在产品质量、不良贷款等信用风险问题,企业信用风险是多种因素的综合结果,存在着不确定、非线性、随机性等特点,无法建立确定数学评估模型。只能根据专家评估指标为依据。为了提高企业信用风险评估准确率,提出一种BP神经网络的企业信用风险评估方法。先采用层次分析法构建风险评估指标体系,再用专家系统对评估指标进行量化打分,最后采用BP神经网络对企业信用风险指标进行非线性学习,并对企业信用风险等级进行评估。实验结果表明,BP神经网络的企业信用风险评估模模型能显著提高评估准确率,并能够反映企业信用风险的随机性变化特点,使评估结果更加符合实际情况,为企业信用风险评估提供了参考。     

企业信用评估信息系统的设计与实现

介绍企业信用评估信息系统的设计与实现。该系统采用基于BP神经网络的企业信用评估模型,利用移动Agent技术收集和处理企业信用信息,用Java语言设计网络程序和用户界面,实现了企业信用评估信息管理的计算机化。     

基于粒子群优化BP神经网络的可靠性评估模型

CPU的可靠性对计算机系统至关重要。针对神经网络等方法在可靠性分析与评估中参数优化困难、模型评估精度不够准确等问题,提出一种基于粒子群优化BP神经网络的可靠性评估模型。该模型利用由正弦映射优化的PSO算法对BP神经网络的权值和阈值进行优化,提高BP神经网络的收敛速度以及评估精度。基于CPU中各功能模块的可靠度,根据改进的BP神经网络模型建立CPU的可靠性评估模型,通过模型训练与测试完成对CPU的可靠性评估。通过对比实验,验证该模型对辐射环境下CPU可靠性评估的有效性和准确性。     

基于BP神经网络的海关企业风险评估研究与应用

在海关风险管理数据仓库的数据基础上,通过科学设计BP神经网络模型结构,结合Matlab7.0软件在国内首次将一种基于Levengberg-Marquardt学习算法的BP神经网络引入到海关企业分类评估工作中来.通过风险评估模型的实际运行,证明了该改进算法的有效性,同时也有力地提高了海关的企业风险监控水平.     

BP神经网络在软件项目风险评估中的应用

关于准确地识别软件风险因素,深入研究软件项目风险评估问题,由于软件项目的复杂性和软件风险因子的不确定性和模糊性,无法采用传统数学方法建立准确软件项目风险评估模型.由于传统的数学评估模型的评估准确率比较低,为了提高软件项目评估准确率,提出一种BP神经网络的软件项目风险评估方法.软件项目风险评估方法采用专家系统构建软件项目风险评估指标体系,后对评估体系进行预处理,消除评估体系之间重复和无用的信息,并将非线性学习能力优异的BP神经网络输入,通过BP神经网络自适应学习得到的最优软件项目评估模型,在MATLAB平台上进行验证性仿真.结果表明,算法提高了软件项目风险评估的准确率,克服了传统数学评估模型的缺陷,评估的结果更具科学性,在软件项目风险评估中提供了有效的方法.     

基于ACA-NN的合肥公路客运预测与分析

针对BP神经网络存在无法有效收敛最优值问题,构建基于蚁群算法的优化神经网络的公路客运预测模型。该模型采用常见的BP神经网络结构,算法采用的是一种新型的进化算法——蚁群算法。然后以合肥市2012年公路客运预测为实例,尝试了蚁群优化神经网络ACONN在客运量预测中的应用,结果表明蚁群优化神经网络模型的预测精度比其他模型高。     

期货价格预测的仿真研究

研究期货价格准确预测问题,针对期货价格是一种复杂的非线性和突变性系统,传统神经网络在期货价格预测中易陷入局部极小值,预测精度受到影响.为了提高期货的预测精度,提出一种粒子群算法(PSO)优化 BP 神经网络模型的期货价格预测模型.利用 PSO 算法优异的寻优能力对 BP 神经网络参数进行优化,加快 BP 神经网络学习速度,最后将模型应用到期货价格预测研究中,从而提高 BP 期货价格的预测精度.仿真结果表明,经过 PSO 优化的 BP 神经网络模型有效地提高了速度和期货价格的预测精度,为设计提供了参考.     

基于改进EO-BP神经网络的高压线损预测

针对高压线损预测精度不高的问题,提出一种基于均衡优化器（Equilibrium Optimizer,EO）和BP神经网络相结合的线损预测模型。首先,为了提高EO算法的寻优能力,利用多种混沌映射关系初始化种群,使种群多样性增加,全局搜索能力得到改善;同时,采用物竞天择概率跳脱策略改进EO算法,使模型依概率跳出局部最优而收敛于全局最优解。其次,采用改进的EO算法对BP神经网络的权值和偏置进行优化,进而改善BP神经网络的预测效果。最后,实验结果证明,所提线损预测模型相对于回归模型、BP神经网络模型、模拟退火算法优化BP神经网络模型和EO优化BP神经网络模型具有更高的预测精度。     

基于DTGA-BP组合模型的区域创新能力评价

以实现科学、准确、可操作的区域自主创新能力评估分类为目标,提出一种基于决策树遗传算法和BP神经网络的组合模型(Decision Tree Genetic Algorithm and Back Propagation, DTGA-BP).利用决策树对评估指标进行特征选择并通过优化隐藏层神经元数目对神经网络的结构进行改进;采用非线性的交叉变异概率值的遗传操作结合一种新的选择算子方式优化BP神经网络的初始权重与阈值.实验结果表明,组合模型的评估结果相比传统的主观赋值法更为科学准确;较单一BP神经网络模型和GA-BP模型在分类精度方面分别提高了41%和20%.     

基于粒子群神经网络的期货价格预测

目前在对中国期货市场进行价格预测时,采用神经网络预测时多用的是BP神经网络,但是BP神经网络存在对初始权阁值敏感、易陷入局部极值和收敛速度慢的问题.因此,为了提高模型效率,提出采用PSO-BP模型预测期货价格.首先运用粒子群算法代替BP神经网络的初始寻优,再用BP算法对优化的网络权闽值进一步精确优化,随后建立了基于粒子群算法的BP神经网络预测模型,并将其应用到中国期货市场的期货价格预测研究中.仿真结果表明,新模型结合了粒子群算法的全局寻优能力和BP神经网络算法的局部搜索优势,有效的防止了网络陷入局部极小值的可能,提高了神经网络模型预测的速度和准确性.     

改进神经网络煤矿安全评价模型仿真研究

研究煤矿安全评价准确性问题。煤矿生产安全问题一直是国内外研究的热点,针对传统的安全评价算法难以评价出煤矿安全生产中出现的情况,评价预测准确率低等问题,提出了基于BP神经网络算法煤矿安全评价模型。采用BP神经网络的特点是可以逼近任意的非线性函数,但是BP神经网络并非完美的神经网络,采用遗传算法优化BP神经网络可以克服其缺点,将改进的算法应用于煤矿系统安全评价之中,仿真结果表明,基于改进的BP神经网络煤矿安全评价模型方法有效性和实用性,能够正确评价安全生产状态。     

基于SAA-SSA-BPNN的网络安全态势评估模型

针对目前网络安全态势评估模型准确性和收敛性有待提高的问题,提出一种基于SAA-SSA-BPNN的网络安全态势评估模型。该模型利用模拟退火算法（SAA）可以一定概率接受劣解并有大概率跳出局部极值达到全局最优解的特性来优化麻雀搜索算法,利用优化后的麻雀搜索算法（SSA）具有良好稳定性和收敛速度快且不易陷入局部最优的特点对BP神经网络（BPNN）进行改进,找到最佳适应度个体并获取最优权值和阈值,将其作为初始值赋给BP神经网络,将预处理后的指标数据输入改进后的BP神经网络模型对其进行训练,利用训练好的模型对网络系统所遭受威胁的程度进行评估。对比实验结果表明,该评估模型比其他基于改进BP神经网络的态势评估模型准确性更高,收敛速度更快。     

基于BP神经网络的渭河水质评价方法

讨论了BP神经网络模型的特性和建模条件,并给出建立合理BP神经网络模型的基本原则和步骤.针时实际水质评价问题,建立了渭河地面水环境质量综合评价的BP神经网络模型,并与单因子法、主成分分析法进行了分析比较.实验结果表明,BP神经网络可以较好地实现水质综合评价,且具有较高的实用性和客观性.     

神经网络在信息系统安全评价中的应用研究

针对传统的信息系统安全评价方法的单一性和主观性,提出了新的基于BP神经网络的信息系统安全评价方法。根据信息系统安全等级保护基本要求,建立了信息系统安全评价的指标体系．探讨了基于BP神经网络的信息系统安全评价方法,设计构建了评价模型,运用反向传播算法对神经元网络进行训练,并通过MATLAB仿真实验证明该方法能对信息系统的安全性做出准确的评价。     

基于BP神经网络的软件项目风险评估研究*

为了确定软件开发项目中不确定因素的影响,提出基于BP神经网络的软件项目风险评估模型。首先,构建了软件项目风险识别的TEMP（technology、environment、management、process）模型;其次,在TEMP识别模型基础上建立了包括17种风险指标在内的软件项目风险评估指标体系;再次,利用BP神经网络建立了风险评估模型;最后,通过MATLAB实例证明该风险评估模型的有效性和可行性。     

组合评价方法在煤矿安全风险评估中的应用

研究煤矿安全风险准确评估问题,煤矿生产的复杂性导致煤矿事故的动态性、模糊性和随机性,且影响煤矿安全风险等级指标多,指标与风险等级之间呈复杂的非线性关系,导致传统评估方法的准确率低。为了提高煤矿安全风险评估的准确率,提出一种组合的煤矿安全风险评估方法。首先构建出煤矿安全风险评估指标体系,然后采用层次分析法计算各评估指标权重,且采用模糊方法建立判断矩阵,最后将其输入到BP神经网络学习建立煤矿安全风险评估模型。利用具体数据对模型性能进行了验证性测试。实验结果表明,相比较于其它评价方法,组合评价方法提高了煤矿安全风险评估的准确率,是一种有效的煤矿安全风险评估方法。     

基于神经网络的棉纺设备运行状态预测分析

科学、合理、有效地对棉纺设备运行状态进行一个综合性的预测评估,对于提高企业的技术水平和经济效益、提高设备的利用率和可靠性、保证人身的安全性都是很有帮助的。该文通过建立基于动量因子的BP神经网络模型,确定合理的神经网络结构,并通过调整学习速率、动量因子等参数,确定最终的阈值和权值,进而对棉纺设备的运行状态进行评估预测。经过实例分析,此BP神经网络模型可以有效地解决该预测问题,验证了该预测模型的合理性。     

基于GA的BP神经网络在本安参数评定中的应用

本质安全参数评定是本质安全防爆技术的核心内容.针对传统的本质安全参数评定方法存在较多局限性的现状,提出了一种基于遗传算法(GA)的BP神经网络本质安全参数评定模型.讨论了影响火花点燃能力的主要因素,建立了BP神经网络模型.该模型采用GA对神经网络的初始权值和阈值进行优化,以避免可能的局部搜索最小现象.仿真结果表明,该方法可有效预测本质安全参数.     

基于交变粒子群BP网络的电力系统短期负荷预测

短期负荷预测是电力系统正常运行的关键环节,合理的发电计划依靠准确的负荷预测,因此提出交变粒子群算法来优化BP网络模型以预测电力短期负荷。针对 依靠先前的经验 来确定BP神经网络的权值缺少理论依据的问题,采用交变粒子算法优化BP神经网络权值,以减少通过神经网络预测模型求解电力短期负荷预测带来的误差。实验证明,经过优化的BP神经网络预测模型比传统的BP神经网络预测模型的误差更小,更加接近实际电力负荷。