共查询到20条相似文献，搜索用时 78 毫秒
1.
集装箱量预测的BP神经网络方法 总被引：2，自引：0，他引：2
陈军飞 《南京晓庄学院学报》2002,18(4):65-68
介绍了BP神经网络的基本理论 ,建立了集装箱运量时间序列的BP神经网络预测模型。并将此模型应用于上海港集装箱运量的预测。结果表明 ,与传统的预测方法相比 ,该方法具有较好的非线性自适应能力和预测精度 相似文献
2.
《赤峰学院学报(自然科学版)》2016,(10)
通过对房价影响因素的分析,研究房价准确预测模型.结合国内外的文献,提出利用BP神经网络和指数平滑的相关知识,建立房价预测模型.首先,分析了房价的影响因素,在文献综述的基础上,结合分析确立了房价影响因素模型,在此基础上,利用BP神经网络构建房价预测模型;其次,利用莆田市2005-2014年的数据进行实证研究,验证模型的准确性.在模型可行及准确的基础上,再结合指数平滑法对2016-2020年的房价影响因素值进行预测;最后结合建立的BP预测模型,预测未来5年的房价走势,为政府决策及居民投资提供依据. 相似文献
3.
在单一预测不能满足精度要求的情况下,组合预测通常是首选方法.传统的组合方法之外,用神经网络进行组合预测,效果更佳.文中以全国天然气消耗量为例,利用BP神经网络将非线性回归、指数平滑和灰色三种方法的预测结果作为输入,原始数据作为期望输出进行组合预测,得出令人满意的精度结果.又将之与传统的EW、MV方法组合的结果进行比较,各项误差均有大幅度降低. 相似文献
4.
分析了BP神经网络的基本特性,对BP神经网络用于非线性时间序列(股价)预测的算法进行了研究,并对其进行了改进。利用MATLAB软件对其进行仿真,结果表明,利用改进的BP神经网络对股价进行短期预测是可行的,改进方法有效。 相似文献
5.
SPSS预测模型在商场中的应用 总被引：3，自引：0，他引：3
徐林 《宁波职业技术学院学报》2005,9(2):44-47
探讨了SPSS 12统计软件包中回归、指数平滑及ARIMA(自回归求和移动平均)等时间序列分析模块的建模及预测方法。根据金星商场1997年～2005年，1～12月的销售历史资料，建立对数模型、指数平滑模型和ARIMA乘积模型，并对三的预测结果进行比较分析，给出了平均相对误差。得出ARIMA乘积模型误差最小，它适于对有趋势性和周期性的观察数据进行预测。SPSS12统计软件包时间序列分析模块操作方便，在商场统计预测中有广阔的应用前景。 相似文献
6.
张宁 《福建工程学院学报》2017,(4):367-370
提出将一种进化的神经网络模型——极限学习机应用于短期电力负荷时间序列预测中,该方法具有模型参数设置少、训练速度快和良好的泛化能力等明显优点。通过实例分析表明该模型的预测精度要优于BP神经网络模型,同时也验证了该模型应用于短期负荷预测的有效性和可行性。 相似文献
7.
龙俊炜 《兰州石化职业技术学院学报》2014,(3):32-35
研究表明,大多时间序列可分解为线性部分和非线性部分的组合。融合ARMA模型在捕捉线性关系的优势和神经网络模型强大的非线性映射能力。介绍一种ARMANN集成模型,并对上证指数月收益率进行预测。结果表明集成模型的预测能力显著优于传统单一模型,对指数收益率预测比较准确,有很强的应用价值。 相似文献
8.
李龙杰 《顺德职业技术学院学报》2013,(3):24-27,31
融合时间序列与神经网络算法,得到AR-ANN模型。结合多维时间序列在捕捉线性关系的优势,以及神经网络在预测非线性关系的优势,AR-ANN模型对上证指数有较好的预测效果。另建立结构向量自回归模型(SVAR),反应了指数受其他经济内生变量的一个随机冲击后的变化状况,通过脉冲响应函数对预测做出预警。 相似文献
9.
介绍时间序列预测的一种重要模型布朗非线性指数平滑预测.以1999-2008年我国城镇居民个人平均收入为具体分析对象,建立模型并结合Excel及Eviews软件完成计算并检验过程,得出结论.布朗非线性指数平滑预测是一种可靠的具有高精度的短期或中期预测模型,最后用此方法来预测未来十年我国城镇居民收入. 相似文献
10.
文中对传统BP神经网络的基本原理和学习过程进行分析,发现其存在收敛速度慢、容易陷入局部极小值等问题．采用增加动量项和自适应学习速率两种方法对传统BP算法进行改进,并将改进的BP算法运用于空分制氧质量预测网络模型中,结果表明改进的BP神经网络能够改善传统模型的缺点,而且预测质量效果较好． 相似文献
11.
为通过社会用电量分析来反应经济状况,文章采用BP神经网络算法,首先对芜湖市近几年的社会用电量进行分析,再通过Matlab神经网络工具箱构建预测—时间序列模型,最后根据需求获得相应的预测数据。仿真试验表明,该模型找到一条函数曲线很好地拟合已知数据,同时顺利地预测未知数据,所提算法达到预期的效果。 相似文献
12.
为了提高传统方法生成交通拥堵指数（TPI）的准确率,引入一种基于经验模态分解（EMD）与Elman神经网络的组合模型实现交通拥堵指数预测。首先,利用EMD将TPI序列分解为不同时间尺度下的IMF分量和剩余分量;然后,通过偏自相关函数（PACF）计算各分量的滞后期数,以此确定各分量在Elman神经网络中的输入和输出变量;之后,通过上述方法计算出各分量预测值并相加;最后,计算出总预测结果。通过计算结果可知,EMD-PACF-Elman预测方法3个评价指标（平均绝对误差、均方误差、平均绝对百分误差）的计算结果与单一Elman神经网络模型、EMD-Elman神经网络模型、单一BP神经网络模型、EMD-BP神经网络模型相比都为最低,分别为0.562 4、0.598 9、0.110 7。因此, EMD-PACF-Elman预测方法可以有效地预测TPI,同时也为进一步预测交通拥堵趋势提供了依据。 相似文献
13.
提出将BP神经网络与遗传算法(GA)相结合,建立了三层GA-BP神经网络模型,模型利用遗传算法来修改网络的连接权值,构筑进化型的神经网络模型,缩短网络学习训练时间,提高模型预测精度。炉温预测主要是高炉铁水硅质量分数的预测,当要求硅质量分数预报的绝对误差为±0.05%时,命中率为90%。结果表明,GA-BP网络模型比传统的BP网络模型能够获得更高的精度。 相似文献
14.
刘素凤 《黎明职业大学学报》2008,(2)
运用ARCH类计量模型和BP神经网络模型,对人民币汇率的时间序列数据建模,分析汇率的波动规律,进行有效的预测。认为自2005年汇改以来,人民币汇率呈现出波动频繁、弹性加大、升值趋势明显的势头;人民币汇率市场还是非有效的,汇率过去的价格等历史信息对未来汇率的影响没有完全体现在现有的汇率中;根据对评价预测效果的几个指标的比较分析,可以得出BP神经网络模型的预测效果明显要比EGARCH模型预测效果好的结论。 相似文献
15.
传统的房价预测方法主要是按时间序列进行的,而房价的走势除与历史房价有关外,还由人均居住使用面积、市区人口总数、人均可支配收入、人均消费性支出等多方面的因素决定。通过对影响厦门房价的多种因素进行分析,并预测这些数据的走势,利用BP神经网络进行仿真,得出厦门市房价的预测值,结果表明用此模型进行房价预测是十分精确的。 相似文献
16.
针对网络流量高度自相关、随机性和非线性等时间序列特征,采用支持向量机（SVM）模型进行预测。针对SVM模型中参数难以确定的问题,采用粒子群（PSO）算法进行参数寻优,保证预测的精确度。将PSO—SVM模型预测结果与ARIMA自回归移动平均模型、BP神经网络模型预测结果进行比对,PSO—SVM模型具有更高的预测精度,能够更好地反映网络流量的变化规律。 相似文献
17.
符保龙 《柳州职业技术学院学报》2009,9(1):81-85
针对BP神经网络的不足,采用PSO算法对BP神经网络进行优化,建立一个混合的神经网络洪水预测模型。实验仿真结果表明,该模型的预测效果优于传统的洪水预测模型。 相似文献
18.
针对学生在建立预测模型时不能准确判别使用合适的预测模型,归纳了几种使用较多的预测方法:微分方程模型、时间序列方法、灰色预测和BP神经网络。对每种预测模型做了简单的介绍分析和适当地对某些模型进行了改进,总结了相应的优缺点以及各自适用的预测范围。 相似文献
19.
为了提高大坝变形分析模型的预测精度并检验模型的泛化能力,研究了大坝变形分析的BP神经网络模型,并基于神经网络BP算法和传统的统计模型建立了大坝变形分析的融合模型．结合陈村大坝多年的变形观测数据,对上述3种模型进行了试算及分析．分析结果表明,统计模型的平均预测精度为±0．477mm．BP神经网络模型的平均预测精度为±0．390mm,融合模型的平均预测精度为±0．318mm,相比统计模型和BP神经网络模型分别提高了33％和18％,且泛化能力较强,具有广泛的适用性． 相似文献
20.
为提高BP神经网络的预测精度,克服自身容易陷入局部极值和收敛速度慢的缺陷,将AdaBoost算法和BP神经网络结合起来,建立基于AdaBoost算法的BP神经网络模型。该模型将多个BP神经网络作为弱预测器,然后采用AdaBoost算法将多个弱预测器组成强预测器进行预测。将该模型应用于软件老化测试,实验结果表明,该模型相比单个BP神经网络具有更好的预测精度。 相似文献