基于灰色神經(jīng)網(wǎng)絡(luò)的企業(yè)風(fēng)險特征指標(biāo)動態(tài)預(yù)測方法研究
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>995KB
頁數(shù):9P
人氣 :66
4.6
根據(jù)企業(yè)風(fēng)險特征指標(biāo)預(yù)測問題的特點,提出將灰色系統(tǒng)GM(1,1)模型與神經(jīng)網(wǎng)絡(luò)結(jié)合建立一階灰色神經(jīng)網(wǎng)絡(luò)預(yù)測模型,以實現(xiàn)系統(tǒng)預(yù)測的動態(tài)性及提高系統(tǒng)的預(yù)測精度.但該模型具有一定的局限性,從模型參數(shù)的角度給出了該模型只適用于具有\(zhòng)"單調(diào)\"性數(shù)據(jù)的證明,進(jìn)而提出了三階灰色神經(jīng)網(wǎng)絡(luò)預(yù)測模型,以適應(yīng)預(yù)測數(shù)據(jù)\"非單調(diào)\"或擺動的情況.但隨著系統(tǒng)建模過程中階數(shù)的增加,預(yù)測精度會有所下降,因此應(yīng)根據(jù)數(shù)據(jù)特點選擇預(yù)測模型.最后,通過實證分析驗證了上述模型及證明結(jié)論.
基于灰色模型和神經(jīng)網(wǎng)絡(luò)組合的短期負(fù)荷預(yù)測方法
格式:pdf
大小:277KB
頁數(shù):4P
提出了一種基于灰色模型和神經(jīng)網(wǎng)絡(luò)組合的短期負(fù)荷預(yù)測方法。首先利用頻域分解消除負(fù)荷序列的周期性,然后利用灰色模型計算負(fù)荷序列的歷史擬合值和未來預(yù)測值,將其作為神經(jīng)網(wǎng)絡(luò)的輸入。在歷史數(shù)據(jù)中選擇一天作為基準(zhǔn)日,以該基準(zhǔn)日的量為參照,以負(fù)荷的灰色模型擬合值相對基準(zhǔn)日的變化量,以及溫度變化量為bp神經(jīng)網(wǎng)絡(luò)的輸入,實際負(fù)荷變化量為輸出,訓(xùn)練神經(jīng)網(wǎng)絡(luò)并預(yù)測待預(yù)測日負(fù)荷的變化量,加上基準(zhǔn)日負(fù)荷后得到預(yù)測負(fù)荷。該方法綜合了灰色模型方法和神經(jīng)網(wǎng)絡(luò)方法的優(yōu)點,仿真結(jié)果驗證了方法的有效性。
基于GA優(yōu)化的灰色神經(jīng)網(wǎng)絡(luò)船舶交通流量預(yù)測方法研究
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>191KB
頁數(shù):未知
結(jié)合灰色模型和bp神經(jīng)網(wǎng)絡(luò)模型的特點,對兩種模型進(jìn)行有機(jī)地組合,構(gòu)建一種改進(jìn)的灰色神經(jīng)網(wǎng)絡(luò)預(yù)測船舶流量方法。以實際船舶交通流量和主要影響因素為數(shù)據(jù),運(yùn)用遺傳算法改進(jìn)的灰色神經(jīng)網(wǎng)絡(luò)模型對上海洋山港的船舶交通流量進(jìn)行預(yù)測,計算和matlab仿真結(jié)果表明,改進(jìn)的灰色神經(jīng)網(wǎng)絡(luò)模型預(yù)測不僅精度較高,而且能準(zhǔn)確預(yù)測船舶交通流量的變化規(guī)律。
基于灰色關(guān)聯(lián)和BP神經(jīng)網(wǎng)絡(luò)的鐵路貨運(yùn)量預(yù)測方法
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>331KB
頁數(shù):5P
4.5
為提高鐵路貨運(yùn)量的預(yù)測準(zhǔn)確性,運(yùn)用灰色關(guān)聯(lián)分析法,計算分析了與鐵路貨運(yùn)量相關(guān)的主要社會指標(biāo),確定鐵路貨運(yùn)量的影響因子分別為鐵路運(yùn)營里程、鐵路電氣化里程、鐵路復(fù)線比重、公路運(yùn)營里程、固定資產(chǎn)投資總額和鋼材產(chǎn)量。將所確定的因子作為鐵路貨運(yùn)量的預(yù)測指標(biāo),建立基于bp神經(jīng)網(wǎng)絡(luò)的鐵路貨運(yùn)量預(yù)測模型,并對模型進(jìn)行了應(yīng)用測試。結(jié)果表明:bp神經(jīng)網(wǎng)絡(luò)模型具有較高的精度,最大相對誤差為3.7%,平均相對誤差為2.3%。該方法具有較快的收斂速度和較高的預(yù)測精度,可為我國鐵路貨運(yùn)量的預(yù)測研究提供方法支撐。
基于灰色神經(jīng)網(wǎng)絡(luò)的邊坡形變預(yù)測研究
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>489KB
頁數(shù):2P
4.7
利用智能方法對邊坡形變進(jìn)行預(yù)測,進(jìn)而對礦區(qū)安全進(jìn)行評估近年來成為研究的熱點。針對邊坡形變數(shù)據(jù)小樣本、貧信息、高非線性等特點,本文將灰色理論與神經(jīng)網(wǎng)絡(luò)方法相結(jié)合構(gòu)建灰色神經(jīng)網(wǎng)絡(luò),充分利用灰色模型處理小樣本和神經(jīng)網(wǎng)絡(luò)處理非線性的能力,對礦區(qū)邊坡形變進(jìn)行預(yù)測。實驗分析表明,利用灰色神經(jīng)網(wǎng)絡(luò)進(jìn)行形變預(yù)測是正確有效的,預(yù)測精度取得了較好的效果。
基于氣象熱舒適度的建筑能耗灰色神經(jīng)網(wǎng)絡(luò)預(yù)測
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>562KB
頁數(shù):4P
4.5
針對建筑能耗受局地氣候多因素影響的特點,為了客觀準(zhǔn)確地對建筑能耗進(jìn)行預(yù)測,本文引入了氣象熱舒適度來綜合分析氣候?qū)ㄖ芎牡挠绊?并以該指數(shù)預(yù)測值、建筑能耗原始數(shù)據(jù)和日期類型作為輸入層,進(jìn)行復(fù)合灰色神經(jīng)網(wǎng)絡(luò)模型預(yù)測建筑能耗。該方法不僅克服了灰色模型和神經(jīng)網(wǎng)絡(luò)存在的預(yù)測缺陷,同時還考慮了氣象因素對建筑能耗的影響。通過對北京某大廈的實例應(yīng)用分析,取得了較高精度的預(yù)測結(jié)果,證實了該方法的合理可靠,為建筑能耗預(yù)測提供了新途徑,其預(yù)測結(jié)果也將為大型建筑空調(diào)系統(tǒng)的再優(yōu)化設(shè)計和改造提供參考。
基于灰色GM(1,1)和BP神經(jīng)網(wǎng)絡(luò)的房價預(yù)測
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>86KB
頁數(shù):未知
4.4
本文分析了影響房價的多種因素;運(yùn)用灰色gm(1,1)模型預(yù)測這些因素的數(shù)據(jù)走勢,利用bp神經(jīng)網(wǎng)絡(luò)以歷史數(shù)據(jù)為依據(jù)運(yùn)用matlab進(jìn)行仿真,得出我國未來五年房價預(yù)測值。結(jié)果表明,采用神經(jīng)網(wǎng)絡(luò)結(jié)合灰色gm(1,1)預(yù)測而得的各影響因素預(yù)測值,預(yù)測未來房價,具有很強(qiáng)的實用性。
基于灰色BP神經(jīng)網(wǎng)絡(luò)組合模型的基坑變形預(yù)測研究
格式:pdf
大小:405KB
頁數(shù):5P
3
基于灰色bp神經(jīng)網(wǎng)絡(luò)組合模型的基坑變形預(yù)測研究——為了使得基坑變形預(yù)測在“少樣本”、“貧信息”的情況下依然能夠得出精度較高的結(jié)果,在傳統(tǒng)的灰色gm(1,1)模型和bp神經(jīng)網(wǎng)絡(luò)模型的基礎(chǔ)上,進(jìn)行了灰色bp神經(jīng)網(wǎng)絡(luò)組合模型的研究。通過總結(jié)2傳統(tǒng)模型的原理和算...
基于灰色和神經(jīng)網(wǎng)絡(luò)的鐵路客運(yùn)量預(yù)測研究
格式:pdf
大小:148KB
頁數(shù):5P
4.5
準(zhǔn)確的客流量預(yù)測在國家交通規(guī)劃與管理中具有重要意義,預(yù)測方法的選擇直接影響到預(yù)測的精度。客運(yùn)量的預(yù)測具有小樣本和非線性的特點。結(jié)合灰色理論和rbf神經(jīng)網(wǎng)絡(luò)的特點形成灰色-rbf神經(jīng)網(wǎng)絡(luò)模型,并采用客流運(yùn)量分擔(dān)率的方式對擬建鐵路客流量進(jìn)行預(yù)測。通過灰色理論對原始數(shù)據(jù)進(jìn)行生成處理,將無規(guī)律的原始數(shù)據(jù)變?yōu)檩^有規(guī)律的生成數(shù)列,再利用rbf神經(jīng)網(wǎng)絡(luò)的超強(qiáng)適應(yīng)能力和學(xué)習(xí)能力,大大加快學(xué)習(xí)速度并避免出現(xiàn)局部極小問題對生成數(shù)列進(jìn)行預(yù)測,再將模型運(yùn)用到客運(yùn)量的預(yù)測中。最后結(jié)合新建蘭州至中川機(jī)場鐵路項目及調(diào)查數(shù)據(jù)進(jìn)行客流量的預(yù)測研究,得出灰色-rbf神經(jīng)網(wǎng)絡(luò)模型對客流量具有很好的預(yù)測性。
基于灰色和神經(jīng)網(wǎng)絡(luò)的鐵路客運(yùn)量預(yù)測研究
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>148KB
頁數(shù):未知
4.4
準(zhǔn)確的客流量預(yù)測在國家交通規(guī)劃與管理中具有重要意義,預(yù)測方法的選擇直接影響到預(yù)測的精度??瓦\(yùn)量的預(yù)測具有小樣本和非線性的特點。結(jié)合灰色理論和rbf神經(jīng)網(wǎng)絡(luò)的特點形成灰色-rbf神經(jīng)網(wǎng)絡(luò)模型,并采用客流運(yùn)量分擔(dān)率的方式對擬建鐵路客流量進(jìn)行預(yù)測。通過灰色理論對原始數(shù)據(jù)進(jìn)行生成處理,將無規(guī)律的原始數(shù)據(jù)變?yōu)檩^有規(guī)律的生成數(shù)列,再利用rbf神經(jīng)網(wǎng)絡(luò)的超強(qiáng)適應(yīng)能力和學(xué)習(xí)能力,大大加快學(xué)習(xí)速度并避免出現(xiàn)局部極小問題對生成數(shù)列進(jìn)行預(yù)測,再將模型運(yùn)用到客運(yùn)量的預(yù)測中。最后結(jié)合新建蘭州至中川機(jī)場鐵路項目及調(diào)查數(shù)據(jù)進(jìn)行客流量的預(yù)測研究,得出灰色-rbf神經(jīng)網(wǎng)絡(luò)模型對客流量具有很好的預(yù)測性。
基于RBF神經(jīng)網(wǎng)絡(luò)的公路貨運(yùn)量預(yù)測方法研究
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>603KB
頁數(shù):4P
4.7
本文提出了一種基于rbf神經(jīng)網(wǎng)絡(luò)的直接預(yù)測法,對公路貨運(yùn)量進(jìn)行了預(yù)測,并利用matlab工具箱予以了實現(xiàn).對2004和2005年公路貨運(yùn)量預(yù)測的結(jié)果表明,預(yù)測值與國家統(tǒng)計局公布的實際數(shù)值有很好的一致性,預(yù)測精度也高于其它rbf預(yù)測法,有很好的應(yīng)用性.
基于BP神經(jīng)網(wǎng)絡(luò)的民航安全預(yù)測方法研究
格式:pdf
大小:58KB
頁數(shù):4P
4.4
為了對民航系統(tǒng)安全運(yùn)行狀態(tài)進(jìn)行科學(xué)的分析和預(yù)測,針對反映民航系統(tǒng)安全運(yùn)行狀態(tài)的重要指標(biāo)之一——飛行事故萬時率,采用bp神經(jīng)網(wǎng)絡(luò)的時間序列非線性預(yù)測模型及方法,對其進(jìn)行了分析研究和仿真驗證,計算結(jié)果表明,該預(yù)測方法是可行的,并與實際具有較好的一致性。
基于廣義回歸神經(jīng)網(wǎng)絡(luò)的公路貨運(yùn)量預(yù)測方法研究
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>483KB
頁數(shù):3P
4.7
公路貨運(yùn)量受多種因素影響,各因素的作用機(jī)制通常不能準(zhǔn)確地用數(shù)學(xué)語言進(jìn)行描述。采用廣義回歸神經(jīng)網(wǎng)絡(luò)(grnn)對貨運(yùn)量進(jìn)行分析及預(yù)測。通過對1995~2003年南京市公路運(yùn)量的歷史數(shù)據(jù)進(jìn)行分析和處理,對網(wǎng)絡(luò)進(jìn)行訓(xùn)練和擬合,用2004~2005年的實際數(shù)據(jù)進(jìn)行模型檢驗,結(jié)果證明了grnn用于貨運(yùn)量預(yù)測的有效性。
基于神經(jīng)網(wǎng)絡(luò)的公路貨運(yùn)量預(yù)測方法研究
格式:pdf
大小:127KB
頁數(shù):未知
4.8
通過對公路貨運(yùn)量的預(yù)測方法進(jìn)行研究比較,并根據(jù)公路貨運(yùn)量形成的復(fù)雜和非線性等特點,建立bp神經(jīng)網(wǎng)絡(luò)預(yù)測模型.利用黑龍江省公路貨運(yùn)量及其相關(guān)影響因素的實際數(shù)據(jù),確定網(wǎng)絡(luò)輸入與輸出樣本,并對bp神經(jīng)網(wǎng)絡(luò)預(yù)測系統(tǒng)進(jìn)行訓(xùn)練和預(yù)測.通過對網(wǎng)絡(luò)輸出的誤差曲線圖的分析,驗證bp神經(jīng)網(wǎng)絡(luò)預(yù)測系統(tǒng)的精確性和簡單方便性,提高了公路貨運(yùn)量預(yù)測的精確性.
基于房屋普查數(shù)據(jù)與人工神經(jīng)網(wǎng)絡(luò)的震害預(yù)測方法
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>533KB
頁數(shù):4P
4.6
為簡化震害預(yù)測工作,提出一種以房屋普查數(shù)據(jù)為震害影響因子并利用人工神經(jīng)網(wǎng)絡(luò)模型為工具的震害預(yù)測方法。從以往震害實例中選取了具有典型破壞特點的建筑物作為神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)樣本,用收集的數(shù)據(jù)對網(wǎng)絡(luò)進(jìn)行了訓(xùn)練并得到了收斂的網(wǎng)絡(luò),應(yīng)用此收斂的網(wǎng)絡(luò)對一組新的房屋數(shù)據(jù)進(jìn)行震害預(yù)測,結(jié)果表明了運(yùn)用此方法和模型的實用性。
基于遞歸神經(jīng)網(wǎng)絡(luò)的基坑工程變形多步預(yù)測方法研究
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>625KB
頁數(shù):4P
4.6
針對深基坑系統(tǒng)的復(fù)雜的非線性及基坑工程變形多步預(yù)測的重要性,將人工神經(jīng)網(wǎng)絡(luò)技術(shù)引入其中。分析了用bp網(wǎng)絡(luò)進(jìn)行多步預(yù)測時存在的不足,提出了基于遞歸神經(jīng)網(wǎng)絡(luò)的基坑工程變形多步預(yù)測模型。通過一軟土深基坑工程變形多步預(yù)測實例的分析,論證了遞歸神經(jīng)網(wǎng)絡(luò)用于基坑工程變形多步預(yù)測的可靠性和實用性。該方法有效可行,在其他領(lǐng)域的多步預(yù)測中同樣具有廣闊的應(yīng)用前景。
一種基于神經(jīng)網(wǎng)絡(luò)的房價指數(shù)預(yù)測方法
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>184KB
頁數(shù):未知
4.4
房地產(chǎn)業(yè)是國民經(jīng)濟(jì)發(fā)展的重要支柱產(chǎn)業(yè)之一,因此,科學(xué)預(yù)測房地產(chǎn)價格指數(shù)具有十分重要的意義。將神經(jīng)網(wǎng)絡(luò)算法應(yīng)用于房價指數(shù)預(yù)測,收集我國主要城市的房地產(chǎn)價格指數(shù)數(shù)據(jù),使用spssclementine軟件進(jìn)行分析。實驗結(jié)果表明,該預(yù)測方法是可行的和有效的。
灰色預(yù)測方法在風(fēng)險投資項目評估中的應(yīng)用
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>76KB
頁數(shù):2P
4.7
風(fēng)險投資過程中,項目評估是首要的環(huán)節(jié).評估過程中要根據(jù)項目的歷史及現(xiàn)狀,對項目的未來發(fā)展及收益做出比較科學(xué)準(zhǔn)確的預(yù)測.本文介紹灰色建模預(yù)測方法,并應(yīng)用該方法對某電子新材料創(chuàng)業(yè)公司的利潤情況進(jìn)行預(yù)測,得到了比較滿意的效果.
基于神經(jīng)網(wǎng)絡(luò)的高校涉密項目風(fēng)險預(yù)測
格式:pdf
大小:692KB
頁數(shù):3P
4.3
針對高校涉密項目風(fēng)險因素多和保密環(huán)境復(fù)雜的特點,利用三層bp神經(jīng)網(wǎng)絡(luò)對能夠逼近任意非線性函數(shù)的良好特性,突破傳統(tǒng)上基于統(tǒng)計學(xué)方法進(jìn)行預(yù)測的限制,綜合了時間序列的計算簡單,需要歷史數(shù)據(jù)少的優(yōu)點,設(shè)計了一種體現(xiàn)時序的多因素動態(tài)時間序列bp神經(jīng)網(wǎng)絡(luò)預(yù)測模型,并將模型運(yùn)用于某高校涉密項目泄密風(fēng)險的預(yù)測研究中。仿真實驗表明,此方法切實可行,而且具有較好的預(yù)測精度。
基于神經(jīng)網(wǎng)絡(luò)方法對多層磚房震害預(yù)測
格式:pdf
大小:210KB
頁數(shù):3P
4.8
強(qiáng)烈的地震給人們生命財產(chǎn)帶來巨大損失,為了能夠在地震之前預(yù)測出建筑物震害,提出一多層磚房為例。利用matlab神經(jīng)網(wǎng)絡(luò)工具箱,建立一種基于貝葉斯正則算法的bp神經(jīng)網(wǎng)絡(luò)模型,并以過去發(fā)生地震地區(qū)的多層磚房調(diào)查數(shù)據(jù)為震害因子的震害預(yù)測方法。結(jié)果表明:對多層磚房的震害樣本的預(yù)測達(dá)到理想效果。
基坑變形灰色人工神經(jīng)網(wǎng)絡(luò)預(yù)測模型及其應(yīng)用
格式:pdf
大小:171KB
頁數(shù):5P
4.5
針對基坑變形預(yù)測中信息的灰色性和數(shù)據(jù)的非線性性,提出用灰色神經(jīng)網(wǎng)絡(luò)預(yù)測基坑變形的新方法。用一樁錨聯(lián)合支護(hù)體系實例進(jìn)行了預(yù)測研究,得到支護(hù)體系的不同預(yù)測模型的組合預(yù)測值。研究結(jié)果表明:灰色神經(jīng)網(wǎng)絡(luò)預(yù)測誤差比gm(1,1)預(yù)測模型小;與bp預(yù)測模型相比,前期誤差大,后期誤差小。在基坑變形監(jiān)測中,為了更準(zhǔn)確地預(yù)測基坑變形,可以采用灰色神經(jīng)網(wǎng)絡(luò)預(yù)測與bp預(yù)測相結(jié)合的方法進(jìn)行預(yù)測。
基于多步預(yù)測性能指標(biāo)函數(shù)的神經(jīng)網(wǎng)絡(luò)逆動態(tài)控制方法
格式:pdf
大小:454KB
頁數(shù):3P
4.5
針對一些復(fù)雜的非線性系統(tǒng)在神經(jīng)網(wǎng)絡(luò)逆動態(tài)控制方法下控制效果不理想的問題,本文提出對被控對象進(jìn)行直接多步預(yù)測,利用多步預(yù)測性能指標(biāo)函數(shù)對系統(tǒng)實現(xiàn)基于神經(jīng)網(wǎng)絡(luò)的逆控制。并將仿真結(jié)果與利用遞推多步預(yù)測方法的結(jié)果進(jìn)行了比較,得到直接多步預(yù)測控制較遞推多步預(yù)測更準(zhǔn)確的結(jié)論。
基于修正的BP神經(jīng)網(wǎng)絡(luò)算法對樁基承載力預(yù)測方法研究
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>955KB
頁數(shù):5P
4.7
在巖土工程中如何準(zhǔn)確預(yù)測樁基豎向承載力是一件非常重要的事情。針對現(xiàn)有研究存在的不足,基于標(biāo)準(zhǔn)bp神經(jīng)網(wǎng)絡(luò)算法,加入一動量因子,建立了修正的bp神經(jīng)網(wǎng)絡(luò)模型,對單樁的豎向承載力進(jìn)行了預(yù)測。以鎮(zhèn)江市勘察測繪研究院所完成的地質(zhì)勘查報告為工程背景,以地震波靜力觸探測試(scptu)測得的4個指標(biāo)(錐尖阻力、錐側(cè)摩阻力、剪切波速和孔隙水壓力)為輸入?yún)?shù),樁基承載力為輸出參數(shù)。通過與現(xiàn)場靜載試驗進(jìn)行比對,得到了相關(guān)系數(shù)較高的樁基荷載響應(yīng)曲線。經(jīng)過與傳統(tǒng)預(yù)測方法進(jìn)行比較發(fā)現(xiàn),用修正的bp神經(jīng)網(wǎng)絡(luò)算法可以有效預(yù)測樁基豎向承載力,精度較高。
基于灰色理論的基坑變形預(yù)測方法
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>190KB
頁數(shù):3P
3
基于灰色理論的基坑變形預(yù)測方法——本文通過具體工程實例,探討了灰色理論用于高層建筑大基坑的變形預(yù)測方法問題,所得出的結(jié)論是,灰色理論用于基坑的變形預(yù)測是可行的?! ?/p>
灰色神經(jīng)網(wǎng)絡(luò)中的基于電力系統(tǒng)負(fù)荷預(yù)測研究
格式:pdf
大小:77KB
頁數(shù):1P
4.7
智能工程是多層灰色神經(jīng)網(wǎng)絡(luò)中的智能算法,處理多個非線性復(fù)雜系統(tǒng)研究。
文輯推薦
知識推薦
百科推薦
職位:高級大數(shù)據(jù)工程師
擅長專業(yè):土建 安裝 裝飾 市政 園林