改进BP神经网络在特装修理费用预测中的应用

海军舰船特装修理费用影响因素多，各因素作用机理不明晰，建模预测难度大。BP神经网络对于解决这类“黑箱”问题优势明显，可通过自我学习训练建立模型。以某型舰船特装修理费用为例，充分利用稀缺的历史数据，运用改进的BP神经网络建立费用预测模型，并进行了特装修理费用预测，预测精度优于传统模型，可应用于管理决策活动中。     

军用无人机研制费用的支持向量机预测

应用支持向量机建立了军用无人机研制费用预测模型,并采用该模型对某型军用无人机研制费用进行了预测。实例表明,与常规预测方法的结果相比,在少样本的情况下,建立预测模型具有更高的预测精度。     

基于BP神经网络的装备使用维修费用预测

在对装备使用维修费用分析的基础上,利用神经网络理论,建立了时间序列对象的反向传播(back-propagation,BP)预测模型,并应用于装备使用维修费用的预测研究,并通过对某型装备使用维修费用的预测分析,证实了本模型的科学性与正确性。     

基于遗传规划的费用预测

简要回顾了遗传规划的发展，对其基本原理进行了阐述，提出了基于遗传规划的飞机维修保障费用预测模型，并依据样本数据对所建模型的有效性进行了验证。实例表明，与线性回归方法和偏最小二乘回归方法相比，遗传规划在飞机维修保障费用预测中精度更高，具有较好的应用前景和推广价值。     

基于BP神经网络的舰船修理价格估算研究

舰船装备价格管理是舰船保障的重要环节，建立舰船装备修理价格估算模型具有十分重大的意义；充分考虑舰船修理价格影响因素，利用BP神经网络的非线性处理能力，建立了基于BP神经网络的舰船修理价格估算模型。计算实例表明：应用神经网络估算舰船修理价格具有精度高、客观性和动态性好的特点。     

基于云隶属度支持向量机的舰船购置费时间序列预测

模糊支持向量机降低了传统支持向量机对异常点的敏感度,但其模糊隶属度函数对样本点的分类缺乏模糊性,影响舰船购置费预测的精度。因此,利用云理论能够科学表达模糊性的特点,设计了一种面向异常点模糊分类的云隶属度发生器;在支持向量机中引入这种云隶属度发生器,提出了一种基于云隶属度的支持向量机算法;构建了基于云隶属度支持向量机的舰船购置费时间序列预测模型。实验证明：该算法模糊地降低了模型对异常点的敏感度,并自适应地对支持向量约束水平进行寻优,提高了舰船购置费预测的精度。     

BP神经网络预测管道运行费用研究

针对目前管道运行费用预测需要的参数基较多且包含许多时变参数这一问题,讨论了BP神经网络方法在管道运行费用预测上的应用策略,建立了一个1-7-1结构的3层BP网络预测模型。采用改进的BP算法对25组学习样本进行训练,并用训练好的网络模型对5组样本进行测试,预测值误差在±2%以内,完全满足工程实际需要。从而为能源管理部门制定能源消耗定额和计划财务部门预测成本提供了决策依据。     

BP神经网络预测管道运行费用研究

针对目前管道运行费用预测需要的参数基较多且包含许多时变参数这一问题,讨论了BP神经网络方法在管道运行费用预测上的应用策略,建立了一个1-7-1结构的3层BP网络预测模型.采用改进的BP算法对25组学习样本进行训练,并用训练好的网络模型对5组样本进行测试,预测值误差在±2%以内,完全满足工程实际需要.从而为能源管理部门制定能源消耗定额和计划财务部门预测成本提供了决策依据.     

小样本条件下航空装备费用预测

为了提高小样本条件下的航空装备费用预测的精度,将信息扩散方法和支持向量机相结合,提出了信息扩散支持向量机预测模型,对模型的拓扑结构、建模步骤进行了描述.为了采用粒子群优化算法为模型选择合适的参数,考虑到模型参数既有连续变量,又有离散变量,提出对粒子位置的各个分量采用不同的更新策略.将信息扩散支持向量机应用于军用飞机机载...     

基于新维灰色马尔科夫模型的股价预测算法

灰色预测适合于时间短、数据量少、波动不大的系统对象，但是对于系统对象的中长期预测，采用任何形式的GM（1，1）模型，预测结果往往会偏高或偏低，而马尔柯夫链理论适用于预测随机波动大的动态过程。通过结合灰色预测和马尔柯夫链理论的特点，并利用新信息优先的思想，提出了一种新维无偏灰色马尔柯夫预测模型，用无偏GM（1，1）模型拟合系统的发展变化趋势，并以此为基础进行了马尔柯夫预测，在每一步预测中，不断推陈出新，更新原始数据。实验结果表明，与一般的灰色马尔柯夫预测模型相比，预测准确度尤其是中长期预测准度得到了较大提高。     

居民月人均可支配收入的波动对生活费支出的影响

利用协整理论对1983～2011年间吉林省城镇居民人均可支配收入和人均生活费支出的月度数据进行了实证分析,通过协整检验得出两者间存在协整关系,并建立了相应的误差修正模型,得出吉林省城镇居民月人均可支配收入的波动幅度对生活费支出波动幅度有显著影响,且为正向关系,因此增加居民可支配收入可以拉动城镇居民消费需求.     

控制医药费开支

高额的医药费开支不仅是企业的沉重负担，而且还关系到职工的切身利益．为了降低医药费开支，减轻企业及个人的负担，因此如何合理运用有限的经费资源，做到既不浪费，也能用得恰到好处，是目前急需解决的问题。     

基于线性规划和神经网络的最低生活保障线研究

用线性规划模型计算了上海市民在食品上的最低消费支出。用人工神经网络模型计算了上海市民在除食品外的其他各项消费支出。两个模型计算得出的结果相加预测出最低生活保障线金额 ,并提出了适合上海的最低生活保障线的计算方法。     

灰色模型GM(1,1)及其改进模型在短期特殊日电力负荷预测中的应用

讨论了灰色模型GM (1 ,1 )及其改进模型在短期电力负荷预测中的应用 ,采用ARI MA(p ,d ,q)模型与GM(1 ,1 )改进模型对特殊日电力负荷进行组合预测 ,提出了适合电网特殊日电力负荷预测的数据处理方法 ,提高了预测的精度 .准确度可达 95 %以上 ,解决了每日2 4点正点采样情况下预测精度较低的问题 .     

灰色BP神经网络在河南煤炭需求预测中的应用

在灰色GM（1,1）模型的基础上,利用BP神经网络修正残差,建立灰色BP神经网络组合预测模型,对河南省煤炭消费总量进行拟合和预测。此组合模型既克服了数据的非线性关系及随机波动大对预测精度的影响,也增强了预测的自适应性。实例结果证明该组合模型具有较好的预测精度,预测结果是可信的。     

多变量灰色数列预测模型在非典研究中的应用

在传染病传播过程中,对病人数的预测一直是一个重要课题.研究了利用灰度模型中的灰度理论建立起GM(1,3)模型,并采用GM(1,1)模型修正残差,得到确认病人数的预测模型,再采用人工神经网络对所得数据进行校正,进一步提高了预测精度.将MATLAB编程计算得到的预测结果,与真实数据比较,可以知道该预测模型比传统预测模型具有更高的精度.     

基于分段线性模型的专变用户电能配给估计

针对专变用户数量激增引起的用电配给管理问题,提出一种分段线性模型来预测专变用户月平均用电占比数据,实现节能配给的目标.采用N点长数据分段更新生成分段线性模型,从而估计得到下一个月的平均用电占比数值.讨论分析了分段点长N分别取4~8时,分段线性模型预测精度的差异.针对某专变用户2015年以来的实际用电数据进行预测分析,比较验证了预测数值和实际数据之间的误差.结果表明,当最优建模点长N=6时,模型的平均预测误差最小.     

国际工程报价中意外费用的模糊决策模型

利用模糊数学的方法,通过对模糊决策模型的研究,探讨在国际工程投标报价的过程中建立意外费用模糊决策模型的方法,并通过实例进行了验证。     

GM(1,1)残差模型在民航客运量预测中的应用

利用GM（1，1）模型对民航客运量进行模拟预测，用GM（1，1）残差模型对其进行修正，得出精度很高的预测公式，并用模型的后验差检验所建预测模型，证明预测公式精度较高，以期在今后的实际预测中取得很好效果。