基于遗传BP神经网络的非平稳时间序列预测

BP网是神经网络时间序列预测方法中最常用的网络。针对BP算法局部搜索能力强,而遗传算法全局搜索优势突出的特点,将二者结合构造遗传BP神经网络,用于非平稳时间序列预测。仿真结果表明,该混合算法不仅提高了学习效率,而且对太阳黑子数预测的准确性高于BP算法、传统统计学预测方法。     

一种基于神经网络的时序建模预测方法

ＢＰ学习算法是处理非线性优化问题的一种新方法,本文系统地分析了一些对建立时序预测模型产生影响的因素,设计了一个优化的雨网络训练方法。     

吉首市脱贫攻坚调研报告

围绕吉首市精准脱贫的现状和存在的问题进行了调查研究,提出了加强信息数据保障、推进产业扶贫力度、加大金融扶贫帮扶、加强业务指导培训、突出脱贫特色亮点、瞄准兜底底层、建立调度督查机制和完善贫困村易地搬迁政策等对策.     

遗传算法优化的神经网络预测团雾

针对国内外研究中现有团雾预测方式中出现的不足,建立了基于遗传算法优化的神经网络预测模型,用以对高速公路团雾的发生进行预测.在利用遗传算法得到BP神经网络的初始权值和阈值基础上,通过神经网络对输入的历史团雾气象数据进行学习训练,建立团雾预测模型.经优化的神经网络模型避免了由于神经网络初始权值、阈值难以确定所造成的网络震荡问题,以及神经网络计算过程中易陷入局部解的问题.实验结果表明,优化后的团雾预测模型具有较高的预测精度,为高速公路团雾的预测提供了新的方法与思路.     

基于改进果蝇优化算法的随机森林回归模型及其在风速预测中的应用

针对随机森林(RF)算法在风速预测中存在参数选择困难及预测精度低的问题,提出了基于改进果蝇优化算法(IFOA)的随机森林回归(RFR)模型.在果蝇优化算法(FOA)中引入指数函数和三角函数实现搜索步长的自适应更新,增强全局寻优和局部探索的能力.结合RFR算法对噪声和异常值具有良好容忍度的优点,利用IFOA优化RFR主要...     

基于智能算法优化BP的航空器滑出时间预测

滑出时间是评估大型机场场面运行效率的主要性能指标,科学准确地预测离港航空器的滑出时间,对于提升场面运行效率至关重要。首先,分析了航空器滑出时间影响因素及相关性,构建了基于BP神经网络的航空器滑出时间预测模型。针对BP神经网络存在对初始权值和阈值敏感、准确性和稳定性欠佳等缺点,分别采用粒子群算法和麻雀搜索算法获取BP神经网络的最优权值和阈值,并采用我国中南某枢纽机场2周的实际运行数据对智能算法优化后的预测模型进行了验证。结果表明：①滑出时间与半小时平均滑出时间、起飞队列长度、同时段滑行的离港航空器数量均有强相关性,与同时段滑入的进港航空器数量中度相关,与滑行距离和经过冲突热点区域个数相关性较弱;②考虑强相关和中度相关影响因素的4元组合预测模型的预测结果最佳;③智能优化算法通过获取神经网络的局部最优权重和阈值,可有效地提升航空器滑出时间预测结果的精度,但运算过程耗时也更长;④基于PSO优化后的BP神经网络预测结果较优化前的MAPE提升了1.13%,MAE减少了4.48s,RMSE减少了4.68s;基于SSA优化后的BP神经网络预测结果较优化前的MAPE提升了3.05%,MAE减少了16.55s,RMSE减少了14.32s。     

BP神经网络在非线性时间序列预测中的应用

利用神经网络的Kolmogorov连续性定理建立了时间序列对象的预测模型，并对基于本模型的数据处理方法进行了探讨。通过对2002年深沪上市公司国有股数量的预测，证实了本模型的正确性和科学性。     

时间序列预测及在汇率市场中的应用

遗传编程(GP)和基因表达式编程(GEP)是在遗传算法的基础上发展而来的遗传算法的新分支,它在个体的表示、个体的处理和结果的形式等方面与传统遗传算法有着显著的区别和优势.本文针对汇率市场对象的特点,分别研究了用遗传算法,遗传编程,基因表达式编程进行预测,取得了满意的效果.     

基于混沌算法神经网络的恒生指数期货时间序列预测

本文对香港恒生指数期货（ＨＳＩ）的时间序列进行了分析和预测。我们发现该时间序列具有分数组和正的Ｌｙａｐｕｎｏｖ指数,这表明该序列是由内在的混沌确定力产生的。在对该序列进行动力学重构和可测性分析的基础上,我们用混沌算法的前馈神经网络对它进行了在线预测。计算机模拟表明混沌算法神经网络的预测噗蒿于背传算法神经网络的预测精度。     

金融服务精准扶贫的“松柏实践”调查

为了更好地了解金融服务精准扶贫的实践情况,对湖南省永顺县松柏镇的“分贷统还”金融扶贫模式进行实地调研,总结出了金融服务精准扶贫的“松柏模式”.该模式不仅让广大贫困农户获得收益,而且让企业组织获得资金,让地方经济获得动力,让金融机构获得信贷,实现了多方利益主体的共同利益,明确了金融服务精准扶贫面临的“谁来扶”“扶什么”“怎么扶”“怎么样”等问题.     

基于果蝇优化算法的支持向量机参数优化在船舶操纵预报中的应用

应用果蝇优化算法对船舶操纵运动预报的ε-支持向量机(ε-SVM)的参数进行优化,建立船舶操纵运动预报黑箱模型,并用所建立的模型对Z形试验进行预报.通过预报结果与仿真试验结果对比,验证了该优化算法的有效性.研究结果表明,所设计的参数寻优方法具有算法设置简单、调整参数少以及不易陷入局部极小值等优点.     

我国精准扶贫实践中的精准化难点与对策建议

精准化理念是新时期精准扶贫基本方略的核心要义。精准扶贫政策体系中精准化的要点在于精准识别、精准帮扶和精准管理。2013年以来,通过实施基于建档立卡的精准识别、精准帮扶和精准管理,我国扶贫的精准化程度显著提高。但是实践工作中仍存在许多难点和问题,具体表现为:由于贫困认定边界的模糊性和识别要求的精确性之间的矛盾、贫困户的发展能力的有限性和脱贫任务的紧迫性之间的矛盾、扶贫机构的松散式管理和扶贫开发工作的系统性之间矛盾,这些矛盾产生了识别精准化、帮扶精准化和管理精准化难题。本文在深入分析上述难题及其成因的基础上,提出了提高精准化程度的对策建议:一是建立贫困户分类系统,制定差别化的因村因户帮扶措施;二是建设扶贫大数据平台,推动贫困相关共享和扶贫决策优化;三是建立精准扶贫诚信体系,营造诚信帮扶和诚信脱贫的氛围;四是充分发挥第三方评估的监督作用,创新精准扶贫管理模式。     

“构树扶贫”中的黑科技补齐我国畜牧业高品质饲料缺乏的短板

立足于我国粗蛋白饲料原料进口的现状和畜牧业发展形势,针对人畜争粮、饲料紧缺矛盾和食品安全的巨大需求,中国科学院植物研究所培育出耐干旱、耐贫瘠、生长速度快、适应性广、粗蛋白含量高、适口性好,更适合机械化种植和收获的杂交构树新品种,并提出了"以树代粮、种养循环"设想,可以快速实现"当年种植,当年受益",同时能够一次种植,多年收割利用,能有效解决贫困地区农户对饲料的需求,促进贫困地区养殖业的发展。因此,杂交构树被国务院扶贫开发领导小组办公室列入"国家十大精准扶贫工程",成为将科技创新与精准扶贫紧密结合,推进贫困地区畜牧业的发展,带动农民脱贫致富的重要途径。构树扶贫工程有助于实现经济效益、生态效益和社会效益的统一,将成为中科院科技成果转移转化、利国惠民和促进我国经济发展的典范。     

基于PSOGA的LS-SVM模型在时间序列预测中的应用

使用PSO与GA结合的混合算法PSOGA对最小二乘支持向量机(LS-SVM)模型的参数进行了优化,搜索到更优的参数,提高了模型的时间序列预测精度.在Mackey-Glass、Lorenz时间序列上的实验结果表明:本文模型预测精度较高.     

从中国科学院科技扶贫历史看精准脱贫模式

进入十三五,我国扶贫开发事业从"大水漫灌式"向"精准滴灌式"转型,形成了全社会参与精准扶贫的局面。中国科学院是我国"科技扶贫"的发起者、倡导者和实践者,30多年来,在扶贫工作中创新提出了"异地搬迁扶贫"、"异地股份制扶贫"、"技术引进扶贫"和"依托野外台站长期驻守扶贫"等模式。本文在总结中国科学院科技扶贫开发历程的基础上,提出并探讨了多种现阶段精准脱贫的创新模式。     

将科技扶贫的文章精准地书写在院坝村的大地上

精准扶贫工作是全面建成小康社会的重要组成部分,发挥科技优势,可以有效地促进精准扶贫工作。中国科学院向农村基层派驻第一书记,开展以科技扶贫为主要内容的精准扶贫工作,加强了基层组织建设,推动了精准扶贫,服务了村民百姓,提升了治理水平,最终实现了"抓党建、促脱贫"。     

利用样条函数建立季节性时间序列的预测模型

用B样条函数最小二乘法的非参数回归与时间序列相结合的方法建立了季节性时间序列预测模型. 利用滑动平均估计季节项,再利用B样条函数非参数回归估计长期项和周期波动,对于随机项建立ARMA模型,最后对某产品需求量进行了实例分析. 结果表明该方法有较高的预测精度.     

脱贫摘帽后湖南省吉首市的巩固脱贫工作

对吉首市扶贫工作的开展进行深入调研发现,原发性绝对贫困已消失,吉首市将进入一个以相对贫困为主的新阶段,短期性贫困和潜在贫困人群将成为未来巩固脱贫工作的重点.为了巩固脱贫成效,在未来工作中应增加政府转移性支付,加大教育扶贫,注重激发农民的内生动力,同时积极引导社会力量参与扶贫.     

基于BP神经网络的混沌时间序列预测方法及应用研究

神经网络在时间序列的预测中得到广泛的应用,但神经网络模型的输入层神经元个数的选取仍然没有一个明确的解析式来表达.为解决这个问题,在非线性动力系统中,根据混沌理论重构相空间,通过最大Lyapunov指数判定时间序列是否存在混沌现象,存在则通过G-P算法计算出混沌吸引子的关联维数,进而获得相空间的嵌入维数作为神经网络的神经元个数.通过上述方法对铝现有价格进行建模,验证该方法对时间序列的短期预测有较好的精度,在此基础上,对未来一段时间铝价格进行预测.