審計意見類型及其預測結果受到企業(yè)各利益相關方的高度關注。同時選用財務指標和非財務指標為變量,構建了基于鄰域粗糙集神經網絡的審計意見預測模型。將領域粗糙集作為bp神經網絡的前置系統(tǒng),在保持分類能力不變的前提下進行指標約簡,提取關鍵指標,再將約簡的指標體系作為神經網絡模型的輸入變量。以2013—2015年滬深a股176家公司數據作為研究樣本,采用三種模型進行審計意見預測對比分析,結果表明：本模型預測準確率達到97.06%,與單純利用神經網絡建?；騿渭兝秘攧罩笜私５念A測效果相比具有更好的預測效果。

審計意見類型及其預測結果受到企業(yè)各利益相關方的高度關注.同時選用財務指標和非財務指標為變量,構建了基于鄰域粗糙集神經網絡的審計意見預測模型.將領域粗糙集作為bp神經網絡的前置系統(tǒng),在保持分類能力不變的前提下進行指標約簡,提取關鍵指標,再將約簡的指標體系作為神經網絡模型的輸入變量.以2013-2015年滬深a股176家公司數據作為研究樣本,采用三種模型進行審計意見預測對比分析,結果表明:本模型預測準確率達到97.06％,與單純利用神經網絡建?；騿渭兝秘攧罩笜私５念A測效果相比具有更好的預測效果.

基于神經網絡房地產價格指數的預測研究——研究表明,房地產價格指數常表現為非線性,要對它進行預測就必須利用一種能模擬非線性的模型。從理論上講,神經網絡能夠無限逼近非線性函數,所以本文便嘗試采用神經網絡模型作為預測的模型。本文具體運用的是基于誤差反向...

小波神經網絡在房地產價格指數預測中的應用——隨著房地產價格指數的作用充分顯現,探求預測房地產價格指數的有效方法是需深入研究的方向“該文以中房上海住宅價格指數為例,首先對房地產價格指數序列性質進行分析,表明房地產價格指數是具有非線性特征的非平穩(wěn)時...

隨著房地產價格指數的作用充分顯現,探求預測房地產價格指數的有效方法是需深入研究的方向。該文以中房上海住宅價格指數為例,首先對房地產價格指數序列性質進行分析,表明房地產價格指數是具有非線性特征的非平穩(wěn)時間序列。采用小波神經網絡對房地產價格指數進行預測,并將預測結果與指數平滑法和rbf神經網絡預測做了對比。采用matlab對擬合和預測過程進行仿真。結果指標表明,在大樣本數據的情況下,采用小波神經網絡對房地產指數進行預測能夠獲得較好的效果。

文章針對房地產價格的動態(tài)特性,提出了基于elman神經網絡的房地產價格預測方法,并通過其對上海市房地產價格的預測,證明了該方法的有效性,為房地產價格預測提供了一條新的方法。

探討當因素分析和多元回歸方法的使用條件未得到滿足時,是否可采用粗糙集方法進行觀察變量的精簡,以及是否可采用神經網絡方法進行預測效度檢驗。理論分析了粗糙集和神經網絡在心理測量中應用的可能性,并運用粗糙集對于人事干部勝任力評估數據進行分析,比較了7種離散化方法和2種約簡算法構成的14種組合,發(fā)現當采用manual方法進行離散化、遺傳算法進行約簡時,能夠很好地對觀測變量進行精簡;運用概率神經網絡能夠比等級回歸方法更好地進行預測效度檢驗。研究結果表明對于處理心理測量中的非等距變量,粗糙集和神經網絡是非常有用的方法。

在對財務狀況評價的機理和關鍵財務指標分析的基礎上,提出了基于粗糙集的財務指標屬性約簡方法,設計了財務狀況評價模型的構建流程和檢驗標準,建立了基于bp神經網絡的財務狀況評價模型。利用matlab軟件對146家房地產上市公司的2007-2012年財務數據進行了研究,結果表明,基于bp神經網絡的財務狀況評價模型可以對房地產公司的財務狀況作出評價。在此基礎上,結合財務危機成因提出了房地產企業(yè)防范財務危機的建議。

研究表明,房地產價格指數常表現為非線性,要對它進行預測就必須利用一種能模擬非線性的模型。從理論上講,神經網絡能夠無限逼近非線性函數,所以本文便嘗試采用神經網絡模型作為預測的模型。本文具體運用的是基于誤差反向傳播算法的多層前饋網絡(bp神經網絡)和徑向基函數(rbf)神經網絡。首先利用bp神經網絡對采集到的中國房地產價格指數進行訓練和模擬,最后進行預測,并比較預測結果和真實值,發(fā)現誤差比較大,一方面是因為選取的樣本數據少,另一方面是因為bp神經網絡本身具有缺陷。為了克服bp神經網絡預測的缺陷,本文接著運用rbf神經網絡對選取的數據進行訓練和模擬,用訓練好的網絡來進行預測,得到的預測結果與真實值相比較,誤差很小,而且rbf神經網絡的運行速度要比bp神經網絡快很多。經過比較可以得出rbf神經網絡用于經濟預測可以達到很好的效果。

基于神經網絡房地產價格指數的預測研究(續(xù))——研究表明,房地產價格指數常表現為非線性,要對它進行預測就必須利用一種能模擬非線性的模型。從理論上講,神經網絡能夠無限逼近非線性函數,所以本文便嘗試采用神經網絡模型作為預測的模型。本文具體運用的是基于誤差...

通過分析粗糙集和神經網絡的特點和原理,提出基于粗糙集和神經網絡相結合的工程造價估算模型,并通過實例驗證其有效性,具有較強的實用價值。

基于粗糙集-神經網絡的工程造價估算模型研究——通過分析粗糙集和神經網絡的特點和原理，提出基于粗糙集和神經網絡相結合的工程造價估算模型，并通過實例驗證其有效性，具有較強的實用價值?！　?/p>

在分析城市商品住宅價格影響因素的基礎上,用人均國民生產總值、商品住宅銷售面積、人均可支配收入、人均儲蓄存款余額、人均居住面積等可定量的統(tǒng)計數據作為輸入變量,單位面積商品住宅價格為輸出變量,建立bp網絡,擬合商品住宅價格模型。用西安市的統(tǒng)計數據作為分析實例表明,模型擬合性較好。

隨著我國城鄉(xiāng)建設的飛速發(fā)展,建筑火災形勢日趨嚴峻,依靠傳統(tǒng)的管理技術和方法已遠遠不能適應社會和民眾對安全的需要。針對某城市建筑火災非線性時間序列,建立了小波神經網絡(wnn)預測模型,計算分析證明了該模型的可行性。該模型可與消防工作相結合,建立和實施城鄉(xiāng)綜合防災減災系統(tǒng),實現城鄉(xiāng)綜合防災減災的科學管理。

研究目的:分析人工神經網絡應用于房地產估價的思路以及估價流程,采用matlab神經網絡工具箱函數編程來實現基于神經網絡的房地產估價模型的構建、訓練與仿真。研究方法:文獻資料法和案例分析法。研究結果:以訓練樣本為基礎,建立基于神經網絡的房地產估價模型,用測試樣本檢驗,得出估價模型的精度較高。研究結論:神經網絡對包含多種因素影響的房地產估價具有優(yōu)勢,基于神經網絡的房地產估價模型具有很強的實用性和可操作性。

基于模糊神經網絡的房地產價格評估問題研究——提出了一種基于神經模糊揄系統(tǒng)的商品住宅價格評估模型，分析了影響商品住宅價格的因素，給出了商品住宅價格評估指標體系，探討了模型建立的原理及算法步驟。計算實例說明了該模型用于商品住宅價格準確評估的有效性...

lvq神經網絡模型具有很好的模式識別特性,作者選取1995～2009年上海市房地產相關數據作為研究樣本,構建了基于lvq神經網絡的預警模型,經過訓練測試后,該模型具有良好的分類功能.仿真結果表明,利用lvq網絡進行模式識別是合適的,所構建的預警模型能夠有效地預測房地產危機.

提出了一種基于神經模糊推理系統(tǒng)的商品住宅價格評估模型,分析了影響商品住宅價格的因素,給出了商品住宅價格評估指標體系,探討了模型建立的原理及算法步驟。計算實例說明了該模型用于商品住宅價格準確評估的有效性和可行性,為房地產價格評估提供了科學的方法。

針對傳統(tǒng)住宅特征價格模型特征變量多、變量間存在多重共線性等問題,提出采用主成分分析(pca)和bp神經網絡相集成的方法對傳統(tǒng)模型加以改進,即先利用pca對特征變量進行降維并消除變量之間的相關性,然后運用bp神經網絡的非線性適應性信息處理能力對樣本數據進行仿真.最后用青島市西海岸新區(qū)70套商品住宅樣本數據對改進模型進行了檢驗,檢驗結果表明,改進模型的平均預測誤差為0.75%,明顯優(yōu)于傳統(tǒng)的特征價格模型.

要對非線性趨勢房地產價格指數進行預測,就必須利用模擬非線性的模型,采用bp人工神經網絡的改進算法,建立了基于bp神經網絡的房地產價格指數預測模型。結果表明:該模型預測精度較高,能較好地反映房地產價格指數內在變化規(guī)律。

針對神經網絡存在的網絡冗余性較大的問題,提出一種基于粗糙集的神經網絡優(yōu)化方法。該方法將粗糙集理論和神經網絡有機地結合在一起,利用粗糙集理論在知識獲取方面具有智能的特點,對神經網絡的數據進行預處理,從大量的原始數據中提取精簡的規(guī)則,從而確定神經網絡中的神經元個數,簡化神經網絡的拓撲結構,提高系統(tǒng)的速度。最后通過仿真研究表明該方法能有效地改善神經網絡訓練時間較長的缺點。

針對目前冰蓄冷空調運行管理中存在的每日蓄冰量過多,耗能嚴重的問題,提出了基于粗糙集和人工神經網絡的冰蓄冷負荷的預測模型。該模型減少了數據樣本的數量,提高了冷負荷預測精度,有利于冰蓄冷空調的節(jié)能運行。