基于BP神经网络的商品房销售量预测研究

商品房销售量受多个因素的作用，而且这些作用多是非线性的。商品房销售量预测实质上是实现一个非线性的映射。本文选择了恰当的经济指标作为BP网络的输入输出变量，探讨将神经网络技术应用于商品房销售量的预测领域，并与回归模型、Logistic模型的预测结果进行比较，结果表明人工神经网络方法在商品房销售量预测中的应用是可行的，预测效果更好。     

基于BP神经网络的服装出口预测

服装出口贸易受到国内国际诸多因素的影响,是一个复杂的非线性系统。BP神经网络能够以任意精度逼近任何一个具有有限间断点的非线性函数,特别适合于解决非线性系统的预测决策问题。采用三层BP神经网络对我国服装出口进行预测,结果表明该方法能有效的对服装出口进行预测。     

基于BP神经网络的货运量预测方法

总结了常用的几种定量预测方法,并指出其在实际应用中的不足。而人工神经网络自身具有鲁棒性、容错性、有表示任意非线性关系的能力和学习能力等特性,为预测技术提供了一种新的思想和方法。最后把这种预测方法应用于物流预测取得了满意的结果。     

论基于BP神经网络的GDP预测

在经济分析中,通常采用时间序列模型对进行拟合GDP,GDP预测由于其影响因素复杂、具有很强的非线性,是典型的"黑箱"模型,建立在计量经济学理论基础上的线性方法,难以描述GDP预测中的非线性现象,容易造成预测误差过大.通过对BP神经网络数据进行归一化和选择适当的节点及学习率可变的算法大大提高了预测的精确度和效率.     

基于炼油过程的克服纯滞后的广义预测控制

针对炼油工业过程中存在的纯滞后问题,提出一种克服纯滞后的广义预测控制方法。由神经网络辨识出非线性系统的纯滞后时间参数,在每个控制周期内,递推预测非线性滞后系统在未来时刻的工作点,在工作点附近对非线性系统进行线性化,根据得出的线性化模型进行广义预测控制,预测出未来对应时刻的系统输出,从而达到预期的控制目的,仿真结果表明,此方法能快速有效地跟踪系统给定值,控制效果良好。     

基于BP网络预测模型偏差控制的优化

文章介绍了人工神经网络的理论基础以及算法特点,针对BP网络存在的易陷入局部最优、以及收敛速度慢问题。根据误差是否降低从而对网络权值的修正量进行调整,达到改善收敛速度的目的,从而提高BP网络摆脱局部最优能力。     

基于BP神经网络的居民消费价格预测研究

价格指数是反映不同时期商品价格水平的变化方向、趋势和程度的经济指标。居民消费价格指数的预测对国家要做好价格政策的制定具有重要的意义,并且有数据表明居民价格指数呈现一种非线性不规则的变化形式,给预测工作带来了许多不便。近些年来兴起的人工神经网络,使得它在处理多变量耦合非线性函数关系中表现出了卓越的能力,在复杂非线性函数的建模中具有巨大的潜力。本文采用人工神经网络方法中的BP神经网络,建立预测模型,对消费价格指数进行预测。     

金融危机下我国M2增长率的预测——基于BP神经网络的分析

本文采用带动量项自适应学习率BP神经网络算法通过对我国不同年份的网络样本进行训练和预测,并与美国不同年份M2增长率为样本的网络的权重矩阵比较,来分析我国的经济结构的变化,以便得出金融危机影响下我国M2增长率的一个合理的预测值。文章的结论是：2011年我国M2增长率预测值为0．153。这表明在2011年M2有下降的势头,政府为了保持经济稳定增长,应当在适度紧缩的货币政策下,适当的放松银根,实现经济的快速、健康的发展。     

基于BP神经网络的我国粮食产量预测

粮食是一个国家的立国之本,对于中国而言,粮食问题占据举足轻重的地位,甚至关系到整个社会的稳定。文中基于BP神经网络,在过去二十三年的粮食产量数据的基础上对中国2012—2016年的粮食产量进行了预测,基于预测结果可知未来五年中国粮食是可以满足人口的需求的,从而确定未来五年政府的粮食储备工作可以有所缓解。     

基于BP神经网络的时间序列预测研究

建立了基于BP网络的时间序列预测模型,将模型应用于实际算例,设计了模型的网络结构、初始权值和偏差,结果验证了模型的有效性。     

基于BP神经网络的建设项目资金流预测

本文构建了BP神经网络模型对某建设工程项目的资金流进行预测分析,结果与实际的资金流基本吻合。说明神经网络能够作为建设项目资金流预测的有效工具。     

基于BP神经网络的灰色组合预测

本文主要从建模机制方面考虑,采用灰色新陈代谢模型,新初值模型,改进离散灰色模型,对我国人口进行建模,结果表明,这三个模型都能提高模型的预测精度。最后,针对单一模型的预测方法都会存在某些不足,本文从数据挖掘角度出发,引入BP神经网络,对上面GM（1,1）的改进模型,进行组合预测,并用实例证明了这一模型的可行性。     

基于回归BP神经网络的短期负荷预测

负荷的形成受多方面因素的影响,在建立短期负荷预测模型时,需要综合考虑多种因素.同时,负荷是一种时间序列信号,目前的数据能够对以后的数据产生重要的影响,所以文章采用回归BP神经网络模型应用于短期负荷预测.实例计算表明,该方法有效,预测精度比常规方法高,收敛性好,运算速度快.     

基于回归BP神经网络的短期负荷预测

负荷的形成受多方面因素的影响,在建立短期负荷预测模型时,需要综合考虑多种因素。同时,负荷是一种时间序列信号,目前的数据能够对以后的数据产生重要的影响,所以文章采用回归BP神经网络模型应用于短期负荷预测。实例计算表明,该方法有效,预测精度比常规方法高,收敛性好,运算速度快。     

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BP神经网络的物流需求分析与预测

从宏观角度、经济发展的层面提出了我国物流需求的界定和衡量方法,并利用BP神经网络构建了物流需求预测模型。该模型不仅揭示了经济发展水平与物流需求之间的非线性映射关系,同时也为我国物流基础设施网络规模的确定和物流基础设施网络的规划与布局提供了一种新的思路和方法。     

基于BP神经网络的城市化水平预测方法研究

我国城市化水平一般是指居住在城市的人口占总人口的比例,它反映一个地区城市发展的水平,也反映了该地区国民经济整体发展水平。而城市化水平作为衡量一个国家和地区城市化的指标,城市化水平预测是将定性问题用定量结果表示出来,对其研究成为科学评价我国城市化水平的重要课题。经济发展水平与城市化水平的关系最为密切,其中关系的数学模型主要分为这三种类型,分别为线性关系、对数曲线关系和Logistic曲线关系,本文以广州市的人均GDP作为自变量,城镇人口比重数据作为因变量用这三种模型进行拟合分析,结果发现线性关系的拟合效果,最后利用BP神经网络预测结果与线性回归结果进行对比,得出BP神经网络的预测效果最好。     

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。     

基于BP神经网络模型的国内旅游人数预测

旅游人数的分析和预测是旅游规划与管理的关键性、基础性工作。目前旅游人数预测主要采用基于传统研究方法的预测方法。提出了一种基于BP神经网络模型的国内旅游人数预测新方法,对国内旅游人数的变化趋势进行了综合分析与预测,结果表明该方法具有较高的精度,该模型在旅游人数预测中的应用是可行的。