共查询到20条相似文献，搜索用时 328 毫秒
1.
以114家中小上市公司为研究对象,运用BP神经网络模型和径向基网络模型对训练样本和测试样本中一定比例的"非ST"和"被ST"进行了信用评估。按照各上市公司财务状况把公司划分为"好"和"差"两类。仿真结果表明:BP神经网络模型对测试样本的预测准确率高达88.9%,而径向基网络模型对测试样本的预测准确率只有77.8%,比BP神经网络模型的准确预测率低了11个百分点。 相似文献
2.
3.
混凝土碳化深度是钢筋混凝土结构耐久性评估的重要参数,影响混凝土碳化深度的因素主要有水灰比、水泥用量、混凝土抗压强度、碳化时间、水泥强度、温度与湿度。基于以上7个参数,并结合BP神经网络较好的预测性,以及主成分分析(PCA)能消除自变量间的多重共线性和降低输入数据维度的特点,建立了基于PCA-BP神经网络的混凝土碳化深度预测模型。以30组实测数据为例,对7个影响因素进行主成分分析,最终降为4个主成分,进而将其作为BP神经网络的输入因子,对混凝土碳化深度进行了预测。结果表明:PCA-BP神经网络预测误差低,实现了对混凝土碳化深度的较准确预测,PCA-BP神经网络模型为混凝土碳化深度预测提供了一种科学、可靠的方法。 相似文献
4.
采用微波消解法处理样品,ICP-MS和ICP测定蛇中43种无机元素含量,利用主成分分析、正交偏最小二乘判别分析和线性判别分析对乌梢蛇、酒乌梢蛇、金钱白花蛇、酒炒金钱白花蛇中无机元素含量数据进行统计分析。结果表明：Li、Cr、Mn、Ni、Zr、Y、La、Ce、Pr、Nd、Sm、Gd、Tb、Dy、Ho和Tm 16种元素在4种蛇样品中相对含量趋势基于一致,4种蛇样品中,乌梢蛇中Cu、Ti含量高,Zn含量低,酒乌梢蛇中V、As、Mo、Cd、Sb、Co、Sr、Ba含量高;金钱白花蛇中Lu含量高,酒炒金钱白花蛇中Ga、Fe、Al含量高,不同蛇样品具有独特的无机元素含量。主成分分析提取的5个主成分,累计方差贡献率为84.38%;主成分分析和OPLS-DA可以完全区分乌梢蛇和金钱白花蛇;线性判别模型对乌梢蛇、酒乌梢蛇、金钱白花蛇、酒炒金钱白花蛇的判别正确率为100%.实验结果证明基于蛇样品中无机元素含量所建立的判别模型可以有效的识别乌梢蛇、酒乌梢蛇、金钱白花蛇、酒炒金钱白花蛇,为蛇的真伪、分类判别提供基础数据和技术支撑。 相似文献
5.
改进的BP神经网络方法及其在农业商品总产值预测中的应用 总被引：2，自引：0，他引：2
针对BP神经网络应用中存在的训练时间长、收敛速度慢的问题，对常用的BP神经网络方法进行了改进，增加了数据前处理和后处理的过程。前处理过程是对BP神经网络的输入变量采用主成分分析法进行预处理，确定主要的影响因素，解决了神经网络训练时输入变量过多造成的效率下降问题；后处理过程是对训练结果采用回归和相关性分析的方法进行评价，验证了训练结果的精度。对农业商品总产值的预测结果表明．改进的BP神经网络方法能够提高神经网络的训练效率．并且达到了较高的预测精度。该方法适用于解决多因素预测的问题。 相似文献
6.
企业财务困境预测是财务实务界和理论界关注的热点问题之一。为了有效识别出在未来两年内有可能陷入财务困境的企业,该文提出了一种遗传算法优化灰色案例推理的新方法进行企业财务困境预测,并采用实证研究予以验证。理论研究中主要构建了财务困境预测的企业案例描述、基于灰色相似度的k近邻案例检索、基于相似度加权投票组合的评价结果集成和基于遗传算法的案例特征权重向量优化等四个关键内容。实证研究中,收集了270个上市公司ST前一年和前两年的数据为初始样本,通过格点搜索技术进行参数优化,采用余一交叉验证准确率作为评价标准,通过与多元判别分析、Logistic回归、BP神经网络、支持向量机的预测结果比较发现：该方法在企业财务困境预测中的准确率有较大提高。 相似文献
7.
基于财务困境预测的研究大多局限于截面数据的静态计量,即以T-2,T-3(T代表被特殊处理的年份)的财务指标,运用主成分进行预测,而忽视了公司财务状况的变化过程,因此本文证实了建立基于时序立体数据表的全局主成分分析模型,比经典主成分分析建立的截面模型预测准确度要高。并利用Mann-Whitney U检验对财务指标进行筛选,以我国上市医药公司为研究样本建立预测模型,对其财务状况进行了良好的预测。 相似文献
8.
9.
10.
基于长短期记忆神经网络的短期负荷预测方法 总被引：1，自引：0，他引：1
《黑龙江科技信息》2016,(31)
为了能够挖掘出海量数据中蕴含的有效信息,提高短期负荷预测精度,本文提出了具有深度学习能力的长短期记忆神经网络(Long Short-Term Memory,LSTM)模型进行短期负荷预测,深度学习顺应了大数据的趋势,对海量数据学习、泛化能力强。利用主成分分析方法对样本进行选择,进而建立LSTM预测模型。仿真结果表明,采用LSTM预测模型相对于BP神经网络模型提高了预测精度。 相似文献
11.
建设用地需求量预测对合理规划建设用地规模以及有效控制建设用地数量具有重要意义。本文应用多元线性回归模型(MLR)、GM(1,1)灰色系统模型和基于主成分分析的BP神经网络模型(PCA-BP)建立3种预测模型对2020年连云港的建设用地需求量进行预测。结果表明:3种模型的预测精度均较高,其中PCA-BP神经网络模型预测的平均绝对误差(MAE)、误差均方根(RMSE)以及平均相对误差(MRE)在3种模型中均最小,预测精确度最高,多元线性回归模型次之,灰色GM(1,1)模型略低;根据精度评价结果最终确定以3种模型预测结果的平均值作为2020年连云港建设用地需求量的预测值,得出预测结果为189506.02 hm~2。 相似文献
12.
提出一种基于主成分分析和支持向量机与线性判别分析结合算法的合成孔径雷达(synthetic aperture radar,SAR)图像目标鉴别方法.利用主成分分析算法对SAR图像向量进行降维并提取其全局特征,对降维后的全局特征采用最小类内散度支持向量机算法进行变换,并对变换结果训练生成最佳分类器,进行分类完成目标鉴别.实验结果表明该方法可以获得较高的分类正确率. 相似文献
13.
高等教育对区域经济发展的影响一直都是教育及经济研究领域的热点.结合经济增长理论,以我国31个省(直辖市、自治区)的相关数据为研究样本,采用主成分分析和回归分析相结合的方法,构建了反映高等教育规模对区域经济发展影响的线性回归模型,以此作为政府及教育管理部门决策和预测的依据. 相似文献
14.
15.
基于深度人工神经网络技术和数字图像处理技术研究通过叶片颜色信息预测叶绿素含量。采用迭代法阈值分割处理青冈栎叶片图像实现背景区域和目标区域的分离,对分离后的图像进行灰度拉伸,高斯滤波等处理得到图像平均R、G、B值从而建立图像数据样本,同时采用二维插值法增加训练样本总数。为筛选最佳的神经网络模型和网络输入组合,比较两组不同网络输入组合在线性网络、BP网络、径向基网络和广义神经回归网络下的检测效果。结果表明,选取颜色参数(B/R,R-B,(R-B)/(R+B),G/(R+G+B))作为径向基网络的输入向量时,10组测试样本预测值与实测值之间的最大相对误差为9.72%,平均相对误差为6.51%,证明该方法预测叶绿素含量是可行的以及有良好的应用前景。 相似文献
16.
对主成分分析三点不足的改进 总被引：6，自引：0，他引：6
首先通过均值化和对数中心化处理改进主成分分析的特征提取,其次通过比较最优与最劣样本的主成分数值大小,判定特征向量方向,用熵值法对主成分的综合值计算进行改进。最后,文章用改进后的主成分方法对中国东部各省市区域创新能力进行综合评价。 相似文献
17.
《内蒙古科技与经济》2019,(19)
目前输变电工程造价经济技术指标复杂,影响造价的因素众多,导致造价估算困难,工程设计和概算过程难以达到预期效果。为了解决该难题,文章建立基于主成分分析法和改进BP神经网络的输变电工程造价预测模型,采用主成分分析法提取输变电工程造价主要影响因素,结合工程实际情况,通过改进的BP神经网络对样本数据训练学习。通过测试验证,建立的模型预测结果较为准确,能够较为合理的预测输变电工程的造价费用,对电网工程造价预算具有一定的参考价值。 相似文献
18.
《内蒙古科技与经济》2016,(1)
提出了一种基于主成分分析的BP神经网络模型,用于大学生信息素质的综合评价;根据制定出的大学生信息素质的评价指标体系,采用主成分分析方法对众多评价指标进行了降维处理,构建出了大学生信息素质BP神经网络的评价模型。 相似文献
19.
基于灰色关联分析与主成分分析的BP网络模型及其应用研究 总被引：4，自引：0，他引：4
如何提高BP神经网络算法的预测精度与效率,始终是人们关注的一个重要问题。本文利用灰色关联度分析与主成分分析对BP神经网络的输入变量进行了预处理,提高了BP算法对于复杂经济问题的预测精度与效率。本文最后以中国房地产总量的预测问题为例,验证了模型的有效性。 相似文献
20.
本文以陕西省26家上市公司为研究样本,通过主成分分析法构建了陕西上市公司的财务预警模型。首先用主成分分析法对样本公司指标进行处理,提取主成分以实现对指标的简化,最终得出陕西上市公司的财务预警指标综合评价得分。在文章的结论部分,对陕西上市公司的财务状况以及地区差异进行了综合评价分析。 相似文献