共查询到20条相似文献,搜索用时 31 毫秒
1.
对BP神经网络方法在股价预测中的应用进行了研究,对BP神经网络的结构进行了介绍。针对BP网络学习速度慢,采用弹性BP学习算法和tansig传递函数提高了收敛速度。在仿真过程中通过MATLAB编程实现了BP神经网络对中国石油近一年交易日的数据的训练和测试,获得了一定的预测精度,对BP算法和改进后的BP算法在预测股票中的收敛性能和拟合程度进行比较,并用训练好的BP网络股市预测模型来预测其股票数据,达到了预测效果。 相似文献
2.
本文基于MATLAB6.5平台编程,运用非线性BP神经网络对我国外汇储备规模进行预测分析.以我国历年外汇储备数据为训练样本,进行网络训练与检验.结果表明,BP弄中经网络具有良好的预测性能.同时发现了我国外汇储备存在超常规增长,并在文章最后提出了相关的政策和建议. 相似文献
3.
本文通过建立BP伸进网络模型,对由灰色关联度分析选出7个葡萄理化指标作为BP神经网络的输入变量,葡萄酒的评分作为输出,并用三组样品进行预测,得出预测值分别为:70.4187、68.1480、65.0617,与真实值的相对误差分别为:3.56%,5.35%,9.64%,从而证实了通过BP神经网络对葡萄酒质量进行预测的方法是可行的。 相似文献
4.
5.
6.
将BP神经网络方法用于高校图书馆图书借阅量的预测研究,设计出用于预测图书借阅量的BP神经网络模型,并用2008年的图书借阅量数据进行网络学习和训练,预测结果具有较高的精度。 相似文献
7.
8.
区域人口增长是一个高度非线性的系统问题,影响广泛,准确预测人口对政府制定经济和社会发展计划具有重要参考意义。BP网络能主动学习和存贮大量复杂的映射关系,而无需事前揭示描述这种映射关系的数学方程。采用BP神经网络建立预测模型,根据2001—2011年黄河中下游人口统计数据,通过Matlab软件作出预测,然后对预测结果进行拟合度分析,结果表明BP神经网络对人口数量的预测准确度极高。 相似文献
9.
10.
本文在钻井作业安全事故预测系统中引进了粗糙集和BP神经网络。在本文中,笔者首先使用粗糙集对基于钻井作业安全的信息系统进行属性约简,获取对应于最小条件属性集的信息表。之后,笔者用得到的数据对BP神经网络进行训练,进而对钻井作业安全事故进行预测。通过实例研究,本文发现粗糙集可以加快神经网络的训练,并提升网络的预测精度。本文的研究结果表明粗糙集和BP神经网络可以高效地对钻井作业安全事故进行预测。 相似文献
11.
BP神经网络是一种单向传播的多层前向网络,具有很强的学习功能,多次训练后的网络具有很好的预测能力。结合BP网络的特点和灌区分水闸的工作原理,应用BP神经网络对闸门控制进行预测,并分析预测结果。 相似文献
12.
生命周期基金是我国养老目标投资基金的发展方向,对生命周期基金的净值进行研究具有重大意义。本文运用遗传算法优化的BP神经网络建立了生命周期基金净值的预测模型。通过对汇丰晋信2026基金2016—2018年度的相关数据进行实证分析,并与传统BP网络模型和RBF模型进行对比,表明该模型对基金净值的变化趋势有较好的预测能力,为生命周期基金净值的预测提供了一种可行的方法。 相似文献
13.
14.
我国GDP总值受多种因素的影响,通过主成分分析法将众多指标进行综合,消除样本间的信息重叠,降低BP网络的输入维数。针对我国GDP总值预测系统的非线性特征,运用BP网络的高度非线性映射能力,对我国GDP总值进行预测,结果表明:主成分BP网络预测结果精确。 相似文献
15.
提出一种数据挖掘技术的网络舆情组合预测模型。首先利用灰色模型GM模型对网络舆情进行预测,然后采用BP神经网络对GM模型预测结果进行修正,同时采有粒子群算法优化BP神经网络参数,最后采用某网络某热门话题对模型进行仿真实验。仿真结果表明,本文模型可以准确预测网络舆情变化趋势,提高了网络舆情预测精度。 相似文献
16.
为了改进BP算法预测性能,提出QPSO-BP模型.该模型采用DELTA势阱改进的量子粒子群(QPSO)算法优化BP网络的权值与阈值,然后利用各年的GDP数据进行训练和预测.结果表明:经过DELTA势阱改进的QPSO优化BP算法模型比PSO-BP模型和BP神经网络更稳定,预测精度更高且泛化能力更强.与文献中所用模型的运算结果相比较,这种改进模型运算结果的相对误差和平均误差更小,在准确性上也有一定的优势. 相似文献
17.
18.
19.
基于BP神经网络的江苏省秸秆资源量预测 总被引:2,自引:0,他引:2
农作物秸秆是地球上第一大可再生资源,为能更好的合理开发利用农作物秸秆资源,缓解日益突出的资源短缺、环境污染与经济发展的矛盾,对其进行预测研究是非常之必要的。本文系统分析了江苏省秸秆资源现状及其资源量变化趋势影响因素,并以1990年-2008年历史数据和2009年农作物秸秆资源普查数据为基础,选取理论资源量、人均资源量和单位播种面积资源量为预测评价指标,基于BP神经网络(BP—ANN)对江苏省农作物秸秆资源的评价指标发展趋势进行预测。结果表明:建立的BP神经网络预测模型的相对误差基本在5%的范围内,平均相对误差在2%左右,预测结果与实际有较高的拟合度,且对数据具有较好的适应能力。在未来5年内,江苏省秸秆理论资源量呈平穗发展趋势;而人均资源量和单位播种面积资源量呈下降趋势,前者较后者下降幅度大。预测结果与当地发展规划趋势相一致,该方法具有很强的实际应用价值。本文最后针对江苏省实际,提出了农作物秸秆资源开发利用相关建议。 相似文献