基于BP神经网络的股市预测模型

介绍了神经网络的基本概念,建立BP神经网络模型,以某个股实际收盘价为原始数据样本,对网络进行训练后,对股票价格进行了短期预测,并计算出预测值和实际值的误差.通过实验发现该模型收敛速度快,预测精度高.     

基于BP神经网络的压缩空气用能预测模型研究

文中根据BP神经网络对复杂问题所具有的预测能力,选取某企业压缩空气用能数据作为预测评判指标,建立了用于压缩空气用能预测的BP神经网络模型,并应用于实际问题预测。然而,最初预测结果在几个时刻点出现异常,在此文中针对记录数据可能出现问题的各种原因,再次利用局部预测对原始数据做出修正,最后预测结果已基本符合。实例表明：用BP神经网络模型进行压缩空气用能预测是可行和有效的。     

基于BP神经网络算法的成绩预测模型研究

基于sigmoid激活函数,建立了一种BP神经网络模型。通过对某高中2006年至2015年间的高考平均数据样本进行学习,修正了权值和阈值。系统最大相对误差为0.22%,关联度为0.6667,小误差概率为0.98,方差比为0.0002,预测结果精度为高。用于2016年至2020年间该校高考平均成绩的预测中发现,预测结果与实际结果的最大绝对误差仅为2分。对该校2021年的高考平均成绩进行了预测,最终预测结果为571分。     

基于BP神经网络的灾情预测模型

洪灾灾情预测是保险公司财产保险防灾减损工作的重要内容，它有效地预测出受灾的地区和强度，对于财产保险的费率制定、有效预防、及时施救以及防灾预案的编制有重要的指导意义。该文采用了BP神经网络进行灾情预测，在学习过程中结合了聚类，引入了惯性因子，加快了学习时的收敛速度，试验证明，取得了良好的学习和测试效果。     

基于DEA-BP神经网络的效率置信区间预测模型研究

效率预测是这几年比较热门的研究话题,然而随着评价系统的复杂性和不确定性,效率的点预测性能会逐渐降低.基于此,提出DEA-BP神经网络置信区间预测模型.构建非阿基米德无穷小的CCR模型,对系统进行效率评价;构建BPNN的置信区间预测模型,将点预测转化为区间预测;通过PICP、NMPIL、CLC等模型进行区间综合验证.将这...     

基于AFSA—BP神经网络的基坑变形预测模型研究

为改善BP神经网络收敛速度慢、初始权阈值对计算结果影响较大且易陷入局部最优等缺陷,为提高模型的预测精度和稳定性,使用具有全局优化能力的鱼群算法优化BP神经网络的初始权阈值,依托工程实例,将BP模型及改进的模型用于基坑变形预测中,通过预测值与实测值进行对比,结果表明：AFSA-BP模型的预测精度要高于BP模型,且预测结果稳定、预测速度较快、预测误差可以满足工程的要求,对于下一步施工具有良好的指导作用,所以AFSA-BP模型是一种有效的基坑变形预测模型。     

基于改进的BP神经网络税收预测模型的研究

因为税收数据的非线性、冗余性等特点,传统的税收预测模型的精度都不高.为了提高税收预测的精度,提出了一种主成分分析和BP神经网络相结合的税收预测模型.首先利用主成分分析法对影响税收的8个因子进行处理,消除重复的信息,结果保留了2个主成分作为神经网络的输入,达到了降维的目的,加快了网络训练的收敛速度.然后用BP网络对样本进行训练,仿真结果表明,通过不同模型之间的对比,发现PCA-BPNN模型的预测精度更高,可用性更好,是一种高效的预测方法.     

基于遗传算法和BP神经网络的空气质量预测模型研究

随着雾霾天气频发,大气污染和环境管理引起了人们越来越多的关注。能够精确监测化工园区厂企排放污染物,并能根据周边环境变化对空气质量做出相应预测,对广大民众健康甚至生命安全而言,具有重要的现实意义。本文利用遗传算法优化BP神经网络的权重和阙值,根据天气预报的相关变量,构建了空气质量预测模型,使预测模型的网络收敛速度、预测精度、拟合度以及泛化能力都有所w提高。     

基于BP神经网络的上市物流公司业绩预测模型

为了科学预测上市物流公司的业绩,并利用BP神经网络的自我组织、自我学习和抗干扰等特性,建立了上市物流公司的业绩预测模型。首先以2010年的23家上市物流企业的数据为研究对象,然后采用BP算法建立预测模型对公司业绩进行预测,最后预测结果与它们的实际情况基本吻合,综合评估反映了上市物流公司的业绩。     

基于GA-BP神经网络的成都市房价预测模型

在采用BP神经网络进行预测的时候,很可能会出现收敛速度慢和预测精度不足等问题。而遗传算法的全局搜索能力,能够调整BP神经网络的初始权值和阈值,达到效果优化。分别用BP神经网络和GA-BP神经网络建立了房价预测模型,选择成都市房价及其主要相关影响因素的数据进行实验,对模型的最终预测效果进行对比。实验结果显示,改进后的GA-BP神经网络比BP神经网络预测精度高、收敛速度快。     

基于人工神经网络的软件失效预测模型研究

在软件开发的早期预测有失效倾向的软件模块,能够极大的提高软件的质量。软件失效预测中的一个普遍的问题是数据中存在噪声,而神经网络具有鲁棒性并对噪声有很强的抑制能力。该文介绍了一种基于人工神经网络的软件失效预测模型,给出了基于反向传播算法的多层前向网络的网络结构。用这种方法对朗讯光网络有限公司开发的SDH通信软件进行了分析,并得到了较高的预测准确率。通过采集通信软件的不同发布版本的测试历史数据,讨论了训练集数据的选择与预测精度之间的关系。     

基于人工神经网络的发电机故障暂态稳定性预测方法研究

提出了一种利用径向基函数神经网络(RBFNN)预测大扰动后发电机转子转角值的方法,来实时判断系统暂态稳定状态,并对相干发电机组的辨识进行了研究。在故障后将相量测量单元(PMU)同步采样的前六个周期的发电机的转子角度和电压等数据作为神经网络的输入,以预测系统未来的状态。该方法还可以实时判断发电机的同步状态。在测试系统上对该方法以不同运行条件进行了评估,实验结果证明所提出的径向基函数神经网络对扰动后的转子转角值具有良好的预测性能,适合于实时应用。     

运用人工神经网络预测一代粘虫发生程度的研究

根据历年的积累资料,采用人工神经网络方法,对黑龙江东南农田一代粘虫发生程度进行了预测预报研究。结果表明：该方法性能良好,预测准确,可望成为植物病虫害预测预报一种新的有效辅助手段     

基于人工神经网络的数字识别系统的研究

在社会生活各领域中,存在着含有大量数字信息的文件,实现计算机对数字的自动识别已经成为当今社会的一种需求。基于此,文中提出了一种神经网络的方法来实现数字识别。经实验结果表明,该系统取得了较好的识别精度。     

基于贝叶斯正则化BP人工神经网络的煤与瓦斯突出预测的研究

文章介绍了BP人工神经网络和贝叶斯正则化算法的原理,探讨了贝叶斯正则化BP人工神经网络模型的建立,通过改变隐含层神经元个数的实验建立了只含1个隐含层且隐含层仅需1个神经元的煤与瓦斯突出预测模型的最佳网络结构。对该网络采用煤与瓦斯突出的预测指标进行训练、检测的结果表明,该网络预测的煤与瓦斯突出的危险程度与实际情况完全吻合;对该网络输入层输入的煤与瓦斯突出的预测指标、对输出层输出的预测结果的权值进行分析的结果表明,煤层地质构造类型对煤与瓦斯突出的影响为最大。上述研究结果对煤与瓦斯突出的预测预防研究、提高煤与瓦斯突出预测的准确性具有一定的参考价值。     

基于BP人工神经网络的软件质量评估

针对软件质量评估的课题,提出了一种基于BP人工神经网络的软件质量评估方法,提高软件质量评估的准确性.首先,论文介绍了人工神经网络的基本原理和软件质量评估的基本过程.然后选取适当软件质量特征构建基于BP人工神经网络的评估体系,分别进行BP网络学习和验证数据测试的实验.通过测试得到的数据结果,证明该方法能够准确地评估软件质量.