基于BP神经网络的西安市宏观经济预测

宏观经济系统是一个复杂的非线性系统,对宏观经济进行预测应采用非线性的工具进行建模。采用BP神经网络对西安市宏观经济指标进行预测,此预测模型只需少量训练样本就可以确定网络的权值和阈值。实验表明模型预测精度高,能够对西安市宏观经济系统中的非线性关系进行描述,使建立的非线性模型与实际系统更加接近。     

基于BP神经网络的运输通道交通方式选择模型研究

通过分析LOGIT模型效用函数构造存在的不足,探讨了利用BP神经网络解决方式划分问题的基本原理。利用BP神经网络良好的非线性逼近能力对LOGIT模型的效用值的确定进行改进,构造了基于BP神经网络的运输通道出行方式选择模型。最后给出了一个算例,详细介绍了基于BP神经网络的交通方式划分模型的建立、训练仿真的过程,预测结果表明该模型对交通方式划分问题不仅有很强的解释性,同时具有很好的可操作性。     

改进BP神经网络在预测房地产价格指数中的应用

要对非线性趋势房地产价格指数进行预测,就必须利用模拟非线性的模型,采用BP人工神经网络的改进算法,建立了基于BP神经网络的房地产价格指数预测模型。结果表明:该模型预测精度较高,能较好地反映房地产价格指数内在变化规律。     

基于遗传算法优化BP神经网络的集装箱吞吐量预测

集装箱吞吐量预测是港口规划建设、生产计划安排、调整港口发展方向的重要基础。针对集装箱吞吐量与其影响因素之间的复杂非线性特征,文章提出基于腹地GDP、腹地货运量、港口前三年集装箱吞吐量作为网络输入构建的遗传算法改进的BP神经网络预测模型(GA-BP),该方法综合考虑到BP神经网络非线性拟合能力强的优点,同时通过遗传算法全局搜索能力强等特点对BP神经网络易陷入局部最优进行改进。为验证提出模型的有效性,选取福州港为案例进行验证,结果显示GA-BP模型的预测精度明显优于BP神经网络,同时对比历史集装箱吞吐量作为输入变量的预测结果,GA-BP模型预测结果精度更高。     

基于BP神经网络的运输通道交通方式选择模型研究

通过分析LOGIT模型效用函数构造存在的不足,探讨了利用BP神经网络解决方式划分问题的基本原理.利用BP神经网络良好的非线性逼近能力对LOGIT模型的效用值的确定进行改进,构造了基于BP神经网络的运输通道出行方式选择模型.最后给出了一个算例,详细介绍了基于BP神经网络的交通方式划分模型的建立、训练仿真的过程,预测结果表明该模型对交通方式划分问题不仅有很强的解释性,同时具有很好的可操作性.     

遗传算法和BP神经网络的电信业产出预测

电信业产出是衡量电信产业发展状况的主要指标,其影响因素具有较强的非线性和随机性,很难用传统的预测方法进行预测。而BP神经网络方法具有的较强非线性映射能力和柔性网络结构在解决这一问题时具有明显优势。本文基于遗传算法改进的BP神经网络模型,利用我国电信市场从1998至2012年15年数据作为训练数据与测试数据应用于电信业产出规模预测。研究结果表明,基于遗传算法的BP神经网络模型预测精度明显大于传统预测方法,可为电信业的健康和快速发展提供一种新的、可量化的工具和方法。     

基于数据挖掘的BP神经网络改进算法的产品质量预测研究

人工神经网络是一种新的数学建模方式,传统方法对非线性数据的预测不易找到简单而有效的模型,神经网络的提出为处理非线性问题提供了比较好的方法。针对BP算法的局限性提出了改进的BP网络模型,通过对CSP质量指标的预测结果与传统的BP模型比较．结果表明改进的BP算法提高了学习效率,网络有较好的泛化能力,而且预测更可靠。     

基于数据挖掘的BP神经网络改进算法能产品质量预测研究

人工神经网络是一种新的数学建模方式,传统方法对非线性数据的预测不易找到简单而有效的模型,神经网络的提出为处理非线性问题提供了比较好的方法。针对BP算法的局限性提出了改进的BP网络模型,通过对CSP质量指标的预测结果与传统的BP模型比较．结果表明改进的BP算法提高了学习效率,网络有较好的泛化能力,而且预测更可靠。     

BP神经网络在中小企业绩效评价的应用分析

中小企业在资源有限、环境复杂的条件下运营。传统的线性绩效评价方法常常无法捕捉到非线性关系和多元影响因素。BP神经网络通过学习和调整权重参数,能够对复杂的非线性关系进行建模和预测。本文旨在探索和分析BP神经网络在中小企业绩效评价中的应用,为中小企业绩效评价方法优化提供新的思路,从而推动信息技术与企业管理的深度融合。     

基于BP神经网络的安徽省物流需求预测研究

利用BP神经网络构建安徽省物流需求预测模型,在初步确定了预测模型的输入指标和输出指标后,通过灰关联分析,验证了两者之间的强关联性。借助MATLAB7.0软件实现了神经网络预测模型的建立,该模型揭示了输入指标与物流需求量指标之间的非线性映射关系。对训练好的网络进行仿真预测,预测精度较高,说明基于BP神经网络的物流需求预测模型是有效的。     

基于BP神经网络的港口吞吐量预测模型——钦州港的实证研究

港口吞吐量的预测是港口决策的重要依据,然而影响港口吞吐量的要素较多,且各要素之间存在着复杂的非线性关系,使常用的预测方法难以取得好的预测效果。文章试图运用BP人工神经网络的方法,采集1999~2012年的实际数据样本,以钦州港为例进行实证分析,构建三层BP神经网络,预测2013年钦州港港口吞吐量。     

基于人工神经网络的PPI预测模型

将人工神经网络模型引入到工业品出厂价格指数预测领域,利用我国1990年-2008年的工业品出厂价格指数数据,建立了工业品出厂价格指数预测的人工神经网络模型。实验结果表明:基于BP算法的神经网络模型预测精度高,而且收敛速度快,它为工业品出厂价格指数预测工作提供了一种全新的方法。     

Linear models, smooth transition autoregressions, and neural networks for forecasting macroeconomic time series: A re-examination

In this paper, we examine the forecast accuracy of linear autoregressive, smooth transition autoregressive (STAR), and neural network (NN) time series models for 47 monthly macroeconomic variables of the G7 economies. Unlike previous studies that typically consider multiple but fixed model specifications, we use a single but dynamic specification for each model class. The point forecast results indicate that the STAR model generally outperforms linear autoregressive models. It also improves upon several fixed STAR models, demonstrating that careful specification of nonlinear time series models is of crucial importance. The results for neural network models are mixed in the sense that at long forecast horizons, an NN model obtained using Bayesian regularization produces more accurate forecasts than a corresponding model specified using the specific-to-general approach. Reasons for this outcome are discussed.     

基于BP神经网络的ETC系统客户的流失分析研究

文章应用神经网络数据分析技术研究ETC系统客户流失的状况,详细研究了如何建立ETC系统客户流失基本模型。通过对客户的基本数据进行神经网络预测,可以发现描述流失客户基本特征的属性值集合以及对应的是否流失的结论。文章给出的是改进的神经网络的预测方法,可提高BP神经网络的收敛速度,增强网络的泛化能力,获得了很好的效果。     

关于我国服装出口供应链的问题与对策

21世纪服装出口不再是企业单打独斗岁月,而是国际供应链的竞争时代。文中围绕我国服装出口供应链,通过数据分析的方法,提出我国服装出口供应链存在四大问题,并主张发展出口供应链的六大对策,系统地阐明了我国做大、做强服装国际供应链的方略。     

基于AHP法与BP神经网络的应急物流风险评估与预测模型

采取AHP法和BP神经网络技术纵向相结合方法,建立了应急物流风险评估与预测模型。首先建立了应急物流风险评估的评价指标体系,给出了AHP层次分析法筛选指标的方法,然后设计了改进型神经网络模型评价与预测步骤。     

出口退税对纺织品出口的经济效应分析——以江苏省为例

出口退税为我国一项重要的促进贸易发展的政策。江苏省是纺织品出口大省,但近年随着世界经济形势的变化,国际贸易保护主义抬头,中美贸易摩擦加剧,出口退税政策在促进纺织品出口方面变得更加重要。论文从纺织品出口的需求、供给关系和贸易小国出口退税政策的福利效应两个方面探讨了江苏省纺织品出口退税的经济效应,主要体现为静态效应和动态效应。结果显示,出口退税政策对促进纺织品出口发挥了重要作用,相关部门应积极推进实施此政策。     

Forecasting innovation performance via neural networks—a case of Taiwanese manufacturing industry

In the ‘knowledge economies’ era, most managers have discovered that technology can be considered as the key asset in sustaining the competitive advantage of their corporations. Many researchers have tried to discuss the relationships between technological performance and other influential factors, such as strategic management, information resources, etc. But they do not mention the issues concerning how each dimension influences innovation performance and how to forecast innovation performance based on these dimensions. This study presents a forecasting model that predicts innovation performance using technical informational resources and clear innovation objectives. Specifically, we propose a neural network approach, which utilizes the Back-Propagation Network (BPN) to solve this problem. Also we examine the results and compare them to those attained using the statistical regression method. The result shows that the BPN method outperforms the statistical regression method as far as forecasting performance concerned. With this method, a decision maker can predict innovation performance and adjust allocated resources to match his/her company's innovation objectives.     

Forecasting performances of three automated modelling techniques during the economic crisis 2007–2009

In this work we consider the forecasting of macroeconomic variables during an economic crisis. The focus is on a specific class of models, the so-called single hidden-layer feed-forward autoregressive neural network models. What makes these models interesting in the present context is the fact that they form a class of universal approximators and may be expected to work well during exceptional periods such as major economic crises. Neural network models are often difficult to estimate, and we follow the idea of White (2006) of transforming the specification and nonlinear estimation problem into a linear model selection and estimation problem. To this end, we employ three automatic modelling devices. One of them is White’s QuickNet, but we also consider Autometrics, which is well known to time series econometricians, and the Marginal Bridge Estimator, which is better known to statisticians. The performances of these three model selectors are compared by looking at the accuracy of the forecasts of the estimated neural network models. We apply the neural network model and the three modelling techniques to monthly industrial production and unemployment series from the G7 countries and the four Scandinavian ones, and focus on forecasting during the economic crisis 2007–2009. The forecast accuracy is measured using the root mean square forecast error. Hypothesis testing is also used to compare the performances of the different techniques.     

煤炭物流集散中心流量预测研究

针对以往煤炭物流货运需求预测存在的局限性,研究构建以人工神经网络为主,以其它传统预测方法为辅的物流集散中心流量预测模型,用于对煤炭物流中心的年运输需求量进行预测。组合预测分析的实质是“信息的最大化利用”公理在预测分析中的一种体现,为决策与规划提供更多的信息支持。