三种分类预测模型在医学中的应用研究

基于一个肾衰竭患者数据,应用两种神经网络(BP神经网络和贝叶斯正则化BP神经网络)与常用的二分类Logistic回归对肾衰竭患者是否死亡进行预测,并比较三种模型的预测效果.三个模型的判对率都达到89%以上.其中,以贝叶斯正则化BP神经网络的判对率和ROC曲线下面积(AUC)最大,即预测效果最好;BP神经网络和Logistic回归预测效果差别不大.     

一种神经网络模型在混凝土配比设计中的应用

本文描述了人工神经网络的模型和算法，给出了BP神经网络模型和算法的相关变量的处理方法。用这种方法，对混凝土配合比试验数据进行分析预测，效果良好。说明BP神经网络模型可用于混凝土混合比强度预测中。     

基于Bagging算法的水位预测模型

传统的统计分析在小样本预测中的效果不佳,虽然神经网络一定程度上解决了传统方法所遇到的问题,但样本的数量又影响了神经网络的泛化能力,神经网络集成的方法较好地解决了这一问题.在运用智能计算技术建立BP网络的基础上,再利用Bagging算法构造神经网络的集成模型.用珠江三角洲天河水文站的数据进行训练和预测,结果表明,基于Bagging算法的神经网络集成的预测不仅解决了样本数据量少、偏差大、不确定性的问题,而且比单一神经网络具有更强的泛化能力,预测更为可靠.     

混沌风险探测模型的研究与应用

BP神经网络是应用最广泛的预测模型,它能方便、灵活地对信用卡消费行为进行探测,但BP网络有很多固有缺陷,比如结构难确定、初始权值选择盲目性导致训练速度慢等,结合信用卡交易数据的混沌特征分析,通过应用混沌理论中的相空间重构技术,把信用卡客户的相关数据嵌入到重构的相空间中,然后利用BP神经网络技术建立混沌风险探测模型,对信用卡交易行为进行风险预测.实验结果表明,该模型的预测精度高于一般的神经网络预测方法,其中正确检出率比使用BP神经网络模型提高了3%.     

基于BP神经网络的税务稽查研究

税务稽查实质上是一个分类问题,可以通过BP神经网络进行数据挖掘的分类和问题预测。在分析BP神经网络原理的基础上,利用税务系统中的纳税人申报数据,建立基于BP神经网络的分类模型,对纳税人进行诚实纳税和非诚实纳税的评估、分类。模型分类准确度达到预期效果,表明该方法能够提高税务稽查部门的工作效率和效果。     

基于灰色理论和神经网络对风电功率预测的研究

基于灰色理论和BP神经网络模型,对历史风电输出功率数据进行分析处理,并对比实测数据对预测结果进行检验.对电力部门对于风电的预测具有一定的指导意义.     

中国旅游外汇收入预测量化分析比较研究

根据2012年中国大陆31个省区(不包括港、澳、台)旅游外汇收入的数据,以文献分析法,按影响中国省际旅游外汇收入的内在因素和外部条件两大方面确定14个主要影响因子,运用BP神经网络和多元线性回归分别进行建模,并且对比二者的拟合效果,结果表明:BP神经网络模型在旅游外汇收入中的预测是切实有效的,其误差率更低,非线性映射能力和稳定性都要优于多元线性回归模型,并且可以用于省级旅游外汇收入的时间和空间的混合预测.最后根据相关因子变化值带入BP神经网络模型,预测2015年中国大陆31个省级行政单位的旅游外汇收入,对BP神经网络的优越性进行多角度的说明.     

BP神经网络改进算法在空分制氧质量预测中的应用

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．     

BP神经网络的模型优化研究及应用

随着神经网络在数据分析、预测及生产控制中的应用,神经网络的优化学习成为研究的一个重要课题.通过探讨BP神经网络模型的建立过程,针对BP神经网络的模型优化问题进行了详细研究.并通过对银行客户分类的仿真实验证明,优化模型能够有效地提高BP神经网络的收敛速度及预测精度.     

基于粒子群优化BP神经网络的新冠肺炎疫情预测

针对传统指数平滑时间序列模型预测精度不足及传统BP神经网络在训练过程中易陷入局部最优的问题,通过粒子群算法优化BP神经网络,对美国明尼苏达州2021年7月11日至8月25日新冠肺炎累计死亡和累计确诊人数进行时间序列预测,并与传统双指数平滑模型(Holt)、BP神经网络模型进行比较分析.实验结果显示,PSO-BP模型的预...     

基于PSO优化的BP神经网络在洪水预报中的应用

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。     

神经网络在股市预测中的应用

针对股票市场的非线性、复杂性等特点,研究了RBF神经网络在股票价格预测中的作用,利用基于人工免疫遗传算法的BP神经网络对模型进行改进.提高了模型预测能力以及精度.并选取了上证180指数7年的数据进行了精度对比.     

神经网络融合模型在大坝变形分析中的应用

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．     

基于灰色BP神经网络的中国人口预测模型

基于"国家人口发展战略研究报告"中的数据,采用"小波去噪"处理方法,建立GM(1,1)模型与BP神经网络相结合的灰色神经网络模型,对中国人口结构、分布、出生率、自然增长率、数量、抚养比例、男女比例等七个指标进行预测,并对预测结果运用PP样条拟合进行计算机模拟。     

思维进化算法在BP神经网络拟合非线性函数中的应用研究

直接使用BP神经网络拟合非线性函数,具有预测精度差、收敛速度慢等缺点.该文提出利用极强全局搜索能力的思维进化算法来优化BP神经网络.首先根据BP神经网络拓扑结构构建思维进化算法模型,然后用思维进化算法得到的最优解作为BP神经网络的初始权值和阈值,最后利用MATLAB软件对多个非线性函数进行拟合仿真实验,比较思维进化算法优化BP神经网络和单纯使用BP神经网络的预测结果 .数据表明,优化后的BP神经网络具有更高的拟合精度和更短的网络训练时间.     

基于 DPSO-BP 网络模型的短期电力负荷预测

为准确、快速、高效地预测电网短期负荷,提出改进的粒子群算法(DPSO),并与BP算法相结合,形成改进的粒子群—BP(DPSO-BP)神经网络算法,用此算法训练神经网络,实现神经网络参数优化,得到基于DPSO-BP算法的神经网络模型.算例分析表明,与传统BP神经网络法和PSO-BP神经网络方法相比,该方法改善BP神经网络的泛化能力,预测精度高,收敛速度快,对电力系统短期负荷具有良好的预测能力     

基于GMBP模型的图书馆借阅人数预测及管理对策研究

用灰色GM(1,1)预测模型和BP神经网络预测模型相结合而成的灰色神经网络GMBP模型,对图书馆借阅人数进行预测.基本思路是运用灰色GM(1,1)模型所得到的预测值按前两年来预测下一年的组合规律分别作为BP神经网络的输入输出,并用对模型进行学习验证.该模型有效地把灰色理论的弱化数据波动性的优点和神经网络非线性特点结合起来,并以科学预测为依据提出图书馆资源管理对策.     

基于NWP和改进神经网络的短时风电功率预测研究

风电场功率预测对电力系统稳定运行起着决定性作用。首先对传统BP神经网络进行改进,以某一风电场获取的2月1日-10日的天气预报(NWP)数据和功率数据作为改进后BP神经网络的训练数据,对神经网络进行训练;其次以2月11号3小时的数值天气预报数据作为改进后BP神经网络的输入数据,对未来3小时的输出功率进行预测。预测过程和结果显示,改进后的BP神经网络在满足低预测误差的同时,能够提高BP神经网络的稳定性和收敛速度。     

基于Elman神经网络的商品销售额建模及预测

为提高预测精度,采用Elman神经网络对商品销售额进行预测.在分析样本数据特性基础上,采用Elman神经网络对商品销售额的预测进行建模,通过实例验证模型的有效性并对比分析BP神经网络的预测效果.研究结果表明,基于Elman神经网络的商品销售额预测能够较好地反映商品销售额的变化趋势且提高了预测精度,验证了该方法在商品销售额预测中的可行性.     

新汇率制度下人民币汇率波动的实证分析

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。