基于BP神经网络的上市公司财务预警

针对上市公司财务危机风险预警问题,把具有智能综合评价性质的BP神经网络引入该领域,克服了人为确定权重的困难及模糊性和随机性的影响。结合实证分析,将上市公司财务风险警度分为4类并对上市公司的财务数据进行预警,最后与实际数据相比较,说明该方法用于财务预警具有很高的正判率,能够有效地帮助上市公司防范潜在的财务危机。     

基于粗神经网络的企业组织创新风险预警

提出了基于粗神经网络的企业组织创新风险预警模型,通过粗集减少属性的数量,提取主要的特征属性,降低神经网络构成系统的复杂性及计算时间;结合神经网络系统的容错能力、并行处理能力、抗干扰能力及处理非线性问题能力,将粗集与神经网络进行串行结合.实例研究表明,将Rough Set与BP神经网络结合起来应用于企业组织创新风险预警,大大简化了BPNN的结构,减少了网络的计算量,加快了收敛速度.     

电力企业财务危机预警方法研究

电力企业是我国的基础能源企业,关系到人们的日常生活和国家的安定有序。一旦电力企业出现财务危机,不但会严重影响电力企业经济的发展,还会给整个国家的经济体系带来灾难,给人们的生活带来困扰。电力企业的财务危机在发展的过程中是一个循序渐进的过程,因此可以通过做好电力企业的财务危机预警机制,提高对电力企业财务的管控能力,有效消除企业内部财务危机隐患,杜绝财务危机的发生。本文主要分析研究了电力企业财务危机预警方法研究。     

基于现金流的财务预警初探

随着社会主义市场经济的迅速发展,市场不确定因素伴随着企业间日益增加的竞争压力影响并制约着企业发展,甚至使企业走向破产。其中财务危机就是一个使企业陷入困境的重要的不确定因素,本文从现金流的角度出发,介绍了财务危机的概念和产生的原因,阐述了国内外关于基于现金流的财务预警的研究现状,并论述了基于现金流进行财务预警的重要性,最后论证建立高效的财务预警系统、树立规避风险的意识对企业的健康发展所具有的重要意义。     

基于粗集理论和神经网络的数据融合

提出了一种基于粗集理论和神经网络结合的数据融合方法。利用粗集对输入信息进行约简，剔除冗余信息，简化了神经网络模型，提高了训练速度，进而提高整个融合系统的速度。并通过仿真实验证明了它的可行性。     

利用现金流指标建立财务危机预警的方法

企业要想在激烈的市场竞争中立于不败之地,就必须不断寻求新的发展,我国经济的快速增长为企业发展提供了良好的机遇.但在实际经济生活中,企业由于发展过快而陷入财务危机甚至破产、倒闭的现象时有发生,因此企业在发展中,寻求有效的方法对财务危机进行预警成为摆在企业面前的重要课题,本文试图从现金流的角度找出判断上市公司是否发生财务危机的关键性现金流指标,以期对建立一套我国上市公司财务危机预警系统抛砖引玉。     

财务风险预警模型的研究与分析

企业在经营过程中面临各种风险,财务风险作为其中重要的部分越来越受到人们的高度关注。为了保障经营者正常进行生产经营,确保经营目标的实现,企业就有必要建立自己的财务预警系统。它从财务预警系统的研究方法,财务危机的表现形式,企业财务系统预警的特征、原则及其包含的四个子系统等几个方面,充分阐述了企业建立财务系统预警的必要性及其重要意义。     

加强企业财务风险管理

财务风险作为一种信号,能够全面综合反映企业的经营状况,要求企业经营者进行经常性财务分析,防范财务危机,建立预警分析指标体系,进行适当的财务风险决策。     

基于功率曲线分析与神经网络的风电机组故障预警方法

为尽早发现风电机组早期故障,减少风电场的运维成本,提出一种基于功率曲线分析与神经网络的故障预警方法。首先,依据功率特性曲线,使用最小二乘与离散度分析结合的算法对SCADA数据进行筛选,以保留符合机组正常工况的数据作为建模的训练数据,从而提高模型的精度。然后,使用随机森林算法筛选模型的输入参数以简化模型结构,并通过对比隐含层的数目建立风电机组的神经网络模型。最后,结合滑动窗口模型,提出一种能反映机组实时运行状态的指标,并通过非参数估计法确定该指标的阈值,以实现状态预警及在线监测。该方法充分利用SCADA数据,且不需要对风电机组复杂的物理特性进行分析。将该方法分别用于某风电场的变桨系统和偏航系统的故障预警,实验结果是分别提前18.5 h和28.4 h出现预警信号,进一步证明方法的有效性。     

上市公司财务困境预测实证研究——基于Logistic模型的概率置信区间

财务危机是导致企业生存危机的重要因素，因此，需要针对可能造成财务危机的因素，采取监测和预防措施，及早防范财务风险，控制财务危机。本文介绍了一种利用Logistic模型度量单个企业发生财务危机概率的方法，提出了通过选择流动比率和资产负责率等确定置信区间，预测公司发生财务危机概率的统计量，试图得出企业发生财务危机前的征兆。     

爆破振动特征参量的粗糙集模糊神经网络预测

摘 要 爆破振动特征参量对爆破振动危害效应有重要影响。首次用粗糙集模糊神经网络方法对振幅、主频率及主频持续时间进行预测。首先介绍了粗糙集模糊神经网络的基本思想,其次,分析了印象爆破振动特征参量的主要因素,建立了基于粗糙集模糊神经网络的爆破振动特征参量预测模型;最后用某边坡开挖爆破中的振动观测指标对模型进行了训练,并对15组指标进行了测试。结果表明：粗糙集模糊神经网络预测模型能反映了影响因素与特征量之间的非线性关系,适用于爆破振动特征参量预测。一次预测1个指标的精度高于同时预测3个指标的精度。     

追随市场的新产品设计创新方法

透过全球金融海啸来研究以市场为导向,以产品市场流通规律为依据,进行新产品设计创新的方法.追随市场的产品设计创新方法,能使艺术、技术与市场之间建立良好的融合,产品开发与经济效益相结合,能有效提高企业的竞争能力和应变能力,是一种切实可行的新产品设计创新方法,在金融海啸威胁全球的今天,通过研究市场来寻求新产品设计创新的切入点就显得尤为重要.     

基于粗糙集理论的模糊神经网络及其在化纤生产过程中的应用

提出一种基于粗糙集理论的模糊神经网络系统,首先运用粗糙集理论来发现大量样本数据中的概略化的规则,然后根据这些规则来设计神经网络的结构模型,并利用神经网络技术对模型进行训练。化纤工业中抽丝冷却侧吹风过程的模拟仿真实验,证明了该方法的有效性和可行性。     

基于Rough集理论的模糊神经网络构造方法

提出了在模糊神经网络中使用Rough集理论进行网络结构设计的方法。由于Rough集理论有强大的数值分析能力,而模糊神经网络具有准确的逼近收敛能力和较高的精度,所以通过两者的结合,可以得到一种可理解性好、计算简单、收敛速度快的神经网络模型。这种网络构造方法的主要过程为：首先,利用Rough集理论对给定数据集进行规则获取;然后,根据这些规则构造模糊神经网络各层的神经元个数及相关参数初始值;最后,用BP算法迭代求出网络的各种参数,完成网络的设计。给出了一个二维非线性函数拟合的实例,进一步验证了方法的正确性。     

基于粗糙PSO-BP神经网络的冷链物流服务商选择研究

为帮助冷链食品生产企业快速选择最佳冷链物流服务商,在传统BP神经网络基础上融合粗糙集和粒子群算法,构建了粗糙PSO-BP神经网络模型。该模型利用粗糙集剔除原始数据中的冗余信息,使输入指标更加精简;采用粒子群算法代替梯度下降法对神经网络权重进行训练,使输出结果不易陷入局部极小值,增强网络泛化能力。通过算例验证该模型的有效性和可行性。结果表明,该模型在提高运算速度的同时,预测误差为BP神经网络模型的40.94%,预测结果更加准确可靠,为冷链食品生产企业快速选择最佳冷链物流服务商提供一种新的方法指导。     

Intelligent Feature Selection with Deep Learning Based Financial Risk Assessment Model

Due to global financial crisis, risk management has received significant attention to avoid loss and maximize profit in any business. Since the financial crisis prediction (FCP) process is mainly based on data driven decision making and intelligent models, artificial intelligence (AI) and machine learning (ML) models are widely utilized. This article introduces an intelligent feature selection with deep learning based financial risk assessment model (IFSDL-FRA). The proposed IFSDL-FRA technique aims to determine the financial crisis of a company or enterprise. In addition, the IFSDL-FRA technique involves the design of new water strider optimization algorithm based feature selection (WSOA-FS) manner to an optimum selection of feature subsets. Moreover, Deep Random Vector Functional Link network (DRVFLN) classification technique was applied to properly allot the class labels to the financial data. Furthermore, improved fruit fly optimization algorithm (IFFOA) based hyperparameter tuning process is carried out to optimally tune the hyperparameters of the DRVFLN model. For enhancing the better performance of the IFSDL-FRA technique, an extensive set of simulations are implemented on benchmark financial datasets and the obtained outcomes determine the betterment of IFSDL-FRA technique on the recent state of art approaches.     

一种基于软计算的转子故障诊断方法

提出了一种基于软计算的转子故障诊断方法。该方法充分利用软计算中的模糊集合理论,人工神经网 络,粗糙集理论和遗传算法等计算方法优势,弥补它们相互的不足,进行故障诊断。首先利用粗糙集理论对样本数据进 行初步规则获取,并计算规则的依赖度和条件覆盖度,然后根据这些规则进行网络设计,其中,网络隐层节点的数目等于 规则的数目,初始网络权重由规则的依赖度和条件覆盖度确定,最后用遗传算法对模糊神经网络参数进行优化。使用该 网络对转子类常见故障进行诊断。实验表明,和一般模糊神经网络相比,这种基于软计算的诊断方法具有训练时间短、 诊断准确率高的特点。     

基于神经网络的虚拟企业跟踪评价系统

设计虚拟企业跟踪评价指标体系，建立神经网络跟踪评价模型。结果表明，它比传统的方法简便、准确，具有广阔的应用前景。     

基于计算智能和信息熵的故障组合预测研究

针对单项预测方法鲁棒性弱和稳定性差的不足,研究了一种基于计算智能和信息熵的故障组合预测方法.利用粗糙集、遗传算法、免疫算法改进基本神经网络的神经元结构、权重计算方法和隐含层激励函数,构造了融合各项算法特长的计算智能方法,实现了电子设备特征参数的退化趋势预测;基于信息熵理论,采用多准则评价对前述单项预测方法进行融合,实现了电子设备的故障组合预测.通过跟踪预测实际环境中的设备工作数据,验证了基于计算智能预测的有效性和基于信息熵组合预测的稳定性.     

基于加速度分布特征的快递暴力分拣识别方法

目的 针对我国烟草物流配送中心包装效率低、人工成本高、条烟差错率高等问题,设计一种异型烟全自动码垛的控制系统。方法 设计基于SIMATIC S7-1200 PLC、步科MT4523TE触摸屏、YAMAHA机器人控制器RCX240和工控机的控制系统,PLC作为主控制器,与触摸屏和工控机采用PROFINET通讯,与YAMAHA控制器采用PROFIBUS通讯,实现信息的交互。外接的控制按钮、传感器、伺服驱动器与PLC的SM1223和SM1231信号模块连接。PLC将传感器采集的信号和工控机发送的数据进行处理,然后与机器人控制器配合发出各种控制指令,通过各个机构相互协调动作实现对异型烟的快速、自动、精确码垛。结果 该套控制系统可对异型烟长、高进行自动识别,码垛差错率≤0.006%,对垛型进行自动整理功能,损烟率≤0.005%,设备故障率≤0.5%,码垛效率可达3861条/h,系统运行稳定。结论 该套控制系统大大提高了异型烟的码垛效率,降低了生产成本,具有良好的可靠性和稳定性,满足烟草物流配送中心高效稳定作业的要求。