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.     

基于改进BP神经网络的供热负荷预测模型

为在自然环境条件下对供热负荷进行较为准确的预测,分析了对供热负荷产生影响的自然因素,利用回归分析法建立负荷预测模型。在误差较大情况下提出利用神经网络法建模,采用差分进化算法对神经网络的阈值和权值进行优化。使用经过优化的神经网络进行负荷预测,在MATLAB环境下进行仿真。仿真结果表明,采用该方法可得到更为准确的供热负荷预测模型,对供热站节能运行有一定意义。     

BP神经网络在预测问题中可用条件的分析

介绍了BP神经网络的结构，分析了神经网络预测原理，指出神经网络是内插值，讨论了可应用神经网络进行预测的条件，并通过实例进行了验证。     

城市需水预测算法比较

建立高精度水量预测算法模型,有利于水资源充分利用。以北京市2002-2015年需水量为例,对数据进行相关性分析后选出主要影响因素,然后采用主成分回归法、逐步回归法、灰色模型以及BP神经网络共4种方法进行建模,并用北京市2016年和2017年数据进行模型精度验证。结果表明：4种方法都适合用于城市需水量预测,其中主成分分析和逐步回归分析两种方法主要考虑了多元线性回归存在多重共线性,但是逐步回归模型优于主成分回归模型。将4种模型进行对比验证,BP神经网络模型预测精度最高,平均相对误差达到0.79%,用来预测2016-2017年需水量,预测结果分别为38.66亿m3、39.49亿m3,适合作为城市需水量预测方法。     

神经网络在股票市场预测中的应用

分析了BP神经网络、遗传神经网络、双神经网络、RBF神经网络和概率神经网络在股票市场预测中的应用。     

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     

盾构施工引起地表沉降的预测方法及浅析

就盾构隧道施工引起的地表沉降预测方法进行总结,并对各种预测法进行分析。经验法一般用于地表沉降的粗略估计且有一定的适用范围;理论预测方法由于一些参数选取的局限性,目前尚不能成为较为实用的预测方法,实测数据法是目前应用较多的预测方法,其中的神经网络方法具有较好的应用价值,是进行地表沉降预测的有效方法。     

基于BP神经网络的公路客运量和货运量预测方法研究

公路客运量和货运量预测是一个复杂的非线性问题,由于影响因素较多,难以用普通的数学方法建模,而建立BP神经网络可以表达这些非线性问题。根据公路客运量货运量历史数据及其相关影响因素数据建立了BP神经网络预测模型。利用实际数据确定网络输入与输出样本,对BP神经网络预测系统进行训练和预测。通过对网络输出预测结果与实际数据的分析,验证了BP神经网络预测系统的精确性和方便性,提高了公路客运货运预测的精确性。     

基于最优非负可变加权系数组合预测法的CPI预测研究

准确的物价预测是稳定物价的前提之一,及时根据预测结果制定有针对性的宏观经济措施,对维持经济系统的有效运行、保证居民的生活稳定有着重要的意义.文章分别采用回归预测法、ARMA时间序列预测法、VAR模型预测法和BP神经网络预测法四种单项预测方法和最优非负可变加权系数组合预测法对我国物价走势进行预测,并将预测值进行对比分析,得出最优非负可变加权系数组合预测方法能够综合各单项预测方法的信息,有效提高预测精度,该模型可以用作我国物价走势预测的模型的结论.     

小波CWT-MLP网络预测负荷方法改进

为提高对短期负荷的预测精度,提出基于小波变换,并加入电价因子构建MLP神经网络对负荷进行短期预测的方法。首先通过小波变换将原始负荷、电价序列进行分解,得到高、低频率的时间序列带;其次分别利用高频、低频电价序列对高频、低频负荷序列进行MLP神经网络训练与预测;最后,将预测的高频、低频负荷值通过小波变换,重构完整的负荷预测值。采用美国电力联盟实例对该方法进行验证,并与含电价因子的MLP网络预测法、经典MLP网络预测法,以及不含电价因子的CWT-MLP网络预测法预测效果进行比较。结果证明,含有电价因子,并结合小波与MLP神经网络构建的模型能够丰富数据信息,提高负荷预测精度。     

应用神经网络专家系统预测浅层地下水水质

在系统介绍神经网络专家系统基本原理和工作步骤的基础上，利用开发出的神经网络专家系统，总结分析出影响淮南市区浅层地下水水质的主要参数，并通过B-P网络对大量实例的学习，自动生成符合实际的专家知识库；对实际问题，只要输入区块的特征参数，系统就能由推理机根据专家知识库给出预测区的水质，权值不受人因素为干扰．并以淮南市区16已知水样点的评价参数及水质级别为学习样本，对6预测水样点的水质进行了预测，结果表明效果良好；从而指出运用神经网络专家系统可以克服指数法和聚类法等不易准确确定参数的隶属度和权重分配等局限性，保证了预测结果的精确度和可靠性；只要测得预测目标的特征参数后，输入系统，很快就能得出预测结果，从而提高了预测速度和工作效率。     

盾构施工引起地表沉降的预测方法及浅析

就盾构隧道施工引起的地表沉降预测方法进行总结，并对各种预测法进行分析。经验法一般用于地表沉降的粗略估计且有一定的适用范围；理论预测方法由于一些参数选取的局限性，目前尚不能成为较为实用的预测方法，实测数据法是目前应用较多的预测方法，其中的神经网络方法具有较好的应用价值，是进行地表沉降预测的有效方法。     

BP网络-正交设计用于炼油厂废水处理中活性污泥的活化

为探讨生化法处理炼油厂废水中活性污泥的活化条件，本文利用BP神经网络的数值逼近方法和实验检测方法，选择COD、硫化物、温度、DO为影响因素，针对活性污泥浓度和指数，得到了处理条件下的预测数值和实验数值，二者接近，说明BP神经网络预测的精确度较高．通过对检测结果的正交分析，得到了处理炼油厂废水用活性污泥的活化条件．     

基于灰关联分析的神经网络组合预测模型

针对提供的道路交通事故相关影响因子数据,构建了基于关联分析的灰色神经网络组合道路交通事故预测模型。结合实例,用所提出的模型给与了预测。结果表明,基于灰色关联分析神经网络预测模型充分发挥关联选优的优越性,比全输入神经网络预测模型有更好的预测精度,从而说明运用灰色关联分析方法对输入因子选择是有效可行的。基于灰色关联分析的神经网络组合交通事故预测模型充分发挥各单一模型的优点同时弱化了单一模型的缺点,比单一模型的预测结果更理想、精度更高。     

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．     

基于灰色神经网络组合模型的电力消费量预测——以河北省为例

在分析灰色预测模型GM(1,1)以及BP神经网络预测模型2种单一模型在电力消费量预测方面不足的基础上,提出灰色神经网络组合预测模型。以河北省电力消费量为基础,分别用3种模型进行预测,并加以比较分析。结果表明,灰色神经网络组合模型提高了关于河北省中长期电力消费量的预测精度,对河北省未来电力系统及能源需求规划具有一定参考价值。     

基于模式匹配识别和神经网络的股指预测研究

股票市场是个非线性系统,由于受到多方面因素的影响,对于股指的预测一直是个难题。各种建模方法都有自身的缺点,如模式匹配识别系统过分依赖历史数据,缺乏自身变化。 BP神经网络容易陷入局部最优,而且训练时间较长。文章从模式匹配识别和BP神经网络相结合的角度来进行股票指数预测分析,预测系统克服了单一神经网络预测系统和单一模式匹配识别预测系统的各自缺点,能有效地预测股指。     

基于改进BP神经网络对非线性时间序列的建模预测

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。     

小波神经网络在短时交通流中的应用

传统的BP神经网络在预测短时交通流问题上存在很多不足。针对这些不足,提出将小波分析与BP神经网络结合,组成小波神经网络来预测短时交通流的方法。以自贡市某十字路口数据来实测交通流量,Matlab2010b仿真结果表明,小波神经网络在交通流预测精度和收敛速度上都有很大提高。     

一种智能预测方法在电梯群控系统交通分析中的应用

交通流预测是电梯群控系统的重要组成部分 .将基于神经网络的时间序列预测理论应用到电梯群控系统的交通分析中 ,构造了一种神经网络时间序列交通流预测模型 .仿真实验表明 ,这种交通流智能预测方法是有效的