基于ARIMA模型的海南月度旅游人数预测

从2011.01～2018。08共104个月的海南旅游人数数据出发,首先利用自相关图和偏自相关图对旅游人数序列进行平稳性检验,根据长期趋势性和季节性的特点,确定采用乘积ARIMA模型。按AIC最小准则,对模型进行定阶,最终建立了ARIMA(1,1,1)×(1,1,1)_(12)模型。通过R软件计算,实现对海南旅游人数的预测。2018年9旅游人数预测相对误差分别为2.06,一步预测效果非常理想。与确定性因素分解模型相比,ARIMA(1,1,1)×(1,1,1)_(12)模型预习效果更优。在智慧城市建设进程中,月度旅游人数预测更能及时、准确地掌握游客数量变动趋势,相关管理部门能提前做好预案,提升游客体验度。     

基于BP神经网络的地震预测

地震预测是地理问题研究领域中的一个重要课题.由于引起地震的相关性因素很多,很难建立物理理论模型.神经网络在预测和构造未知时象模型方面具有独特的优势,因而在预测控制领域得到广泛的应用,本文探讨将BP神经网络应用到地震预测中的一种方法.     

基于BP神经网络的图书流通量预测研究

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。     

基于BP神经网络的道路交通事故预测研究

随着我国机动化进程的加快,道路交通安全问题越来越受到人们的关注。对道路交通事故进行了机理分析,采用BP神经网络,建立可靠性较高的事故预测模型,提出了可预测事故发生因素导致事故发生概率值的研究方法。     

基于BP神经网络的邮轮旅游需求预测

科学分析邮轮旅游需求规模是正确引导邮轮产业规划、投入和发展所面临的重要议题。本文首先采用定性分析和定量统计相结合的方法研究邮轮旅游需求的影响因素,并在此基础上建立基于BP神经网络的邮轮旅游需求预测模型,然后基于美国邮轮市场的统计数据进行模型的训练及测试,最后将模型应用于我国邮轮旅游需求规模的预测,精度达到95%以上。     

基于BP神经网络模型的个人信用风险评估研究

基于神经网络强大的非线性处理能力和模式识别能力,建立信用评估的BP神经网络模型,通过合理应用MATLAB7.0软件的功能,并基于"德国人的信用"数据集中的数据实例详细完整地阐述了模型的建立过程和方法,为商业银行规范个人信贷管理、减少投资风险起到了重要作用,为商业银行个人信贷业务提供了决策依据。     

基于新维灰色马尔柯夫模型的自贡旅游人数预测

针对中长期预测的特点,引入了新维无偏灰色马尔柯夫预测模型。该模型充分利用了灰色预测与马尔柯夫链的特点,利用无偏灰色预测拟合系统的变化发展趋势,并在此基础上进行了马尔柯夫预测,在以后每一步的预测中,不断推陈出新,对原始数据进行等维新息处理,成功地对自贡旅游产业2009-2020年旅游需求人次进行了预测。通过对预测数据的对比分析,表明该模型的预测准确度特别是中长期预测准确度较理想。     

基于BP神经网络的机场能见度预测

人们对高质量生活品质的追求,使得人们对于出行的需求与日俱增,而机场终端区的大雾会使跑道视程和能见度降低,直接影响航空安全和航班运行效率,也降低了空中交通流量和空域利用率。为了在不降低机场最低运行标准的前提下,低能见度时仍然正常起降航班,构建了基于BP神经网络算法的低能见度预测模型。将与能见度相关的4种主要气象因子作为输入参数,对普洱思茅机场早晨07:00～07:25能见度进行预测及精度分析。分别得到训练集的拟合效果图,样本集的预测结果图和波动分析图,以及大样本长时间的预测图和精度分析图,使BP神经网络模型的预测总误差的方差为0.1392,决定系数R2达到0.97043,可见该网络具有良好的预测效果,较高的精度和较好的泛化能力。     

基于BP神经网络的江西省GDP预测

本文基于2000—2016年江西省国内生产总值(GDP)数据,通过建立BP神经网络模型,对江西省2017年以及2018年GDP进行了预测,江西省GDP将在2017年达到19039亿左右,2018年达到19761亿元。     

基于BP神经网络的电力系统负荷预测

短期电办负荷存在着未知不确定因素和周期性变化的规律,负荷曲线具有相似性;同时受特殊情况的影响,呈现强烈的非线性特性。而神经网络具有较强的非线性映射特性,本文期BP神经网络对电力负荷进行matlab仿真预测。     

基于BP神经网络的机场能见度预测

社会经济的不断发展,使得人们对于出行地需求与日俱增,而天气能见度(VIS)的高低直接影响着人们出行的能力和体验感,尤其是高速公路、航海以及航空运输在能见度低的情况下运行常常会导致发生一系列不必要的损失甚至危及人身安全.能见度是交通运输和气象中的一项重要指标,在民航业的机场终端区,能见度高于400m但仍然不满足安全起降要...     

基于BP神经网络的煤层瓦斯含量预测研究

煤层瓦斯一直以来都是煤矿开采过程中必须面临的一个严峻问题,一旦发生矿井瓦斯事故,后果不堪设想,因此准确测定煤层瓦斯含量,做好提前防治工作十分重要。本文以淮北市邹庄煤矿的若干钻孔瓦斯含量实测数据为研究对象,通过建立BP神经网络模型,学习并检验煤层瓦斯含量。结果表明,BP神经网络能够较好的预测煤层瓦斯含量,为预测煤层瓦斯含量提供了一种可行性研究思路。     

基于改进BP神经网络的灌溉需水量预测研究

为了解决我国农业灌溉自动化程度不够高,灌溉用水量不够精确等问题。本文使用基于遗传算法改进的BP神经网络建立了灌溉需水量预测模型,选取了对灌溉需水量的主要影响因素作为输入数据进行仿真实验,实验结果表明,遗传算法改进的神经网络算法能够准确预测灌溉需水量。     

递推滚动BP神经网络模型及预测应用

本文针对油气藏开发的递减期,同时预测采出程度和地层压力两个关联参数复杂困难的难点,提出了递推滚动ＢＰ神经网络模型,并讨论了实现过程。与传统的数值模拟方法相比,该模型具有简便、快速、准确的优点。可为其它行业类似问题处理时借鉴参考     

旅游危机预警的BP神经网络模型及应用

从分析影响旅游业发展的因素出发,选择了对旅游业发展影响最大的危机预警指标,并结合相关数据样本,应用BP神经网络技术,研究建立一种基于BP神经网络模型的旅游危机预警系统,借助MATLAB中的神经网络工具箱进行仿真训练和检测,训练结果表明模型性能良好,预警准确率高,能够很好的用来对旅游危机进行预警、检测和分析研究。     

基于BP神经网络的地球生态的预测

地球生态预测无论在生态效应方面还是在经济效应方面都占有重要地位.考虑到多种因素的影响,本文采用神经网络的预测方法,通过单层次温度预测模型,先后采用了两次网络层,第一层是对气温的预测,然后又对海拔高度和年平均降水量的发展趋势进行分析,最终通过实验数据,得出结论:全球若升高2度,将会有18%～30%的物种灭亡,海平面将上升6.6～9米,土地荒漠化加剧,同时在10～50年之间,气温上升幅度不高,只对生态环境造成轻微影响.     

基于BP神经网络的个人信用评估模型

由于我国个人信用评估体系的不完善,使银行面临巨大的信用风险。通过提出基于神经网络的个人信用评估模型,利用神经网络的自学习、自调整以及非线性映射功能,动态量化了个人信用评估模型。同时,在探讨个人信用评估模型的基础上,提出了模型实际应用的具体解决方法。     

基于BP神经网络的风险投资评估模型

风险投资作为一种新型的投资工具，具有不同于传统的金融投资评估的方法，评估方法更复杂、更专业，带有很强的主观性，而当前的各种评估方法却很难体现风险投资的这种特点，这在一定程度上降低了评估结果的科学性和客观性，限制了风险投资业的发展。近年来兴起的神经网络评估模型，由于具有信息分布性、容错性大的特点，适于信息残缺或推理规则不确定的环境，加上模型中的权重是通过样本学习而形成的，不需要对各项指标确定权重，所以比较接近人的思维模式，它对人们解决风险投资评估问题是有帮助的。鉴于神经网络的这些优点．本文构建了基于BP神经网络的风险投资评估模型．并对模型进行了检验。     

基于免疫遗传算法的BP神经网络模型

本文研究了基于免疫遗传算法的BP神经网络模型,利用免疫遗传算法的全局搜索寻优能力和较好的收敛性,优化了神经网络的权值.仿真实验证明该模型具有较好的全局收敛性和快速学习神经网络权值的能力.     

基于混沌机制BP神经网络的旅游可持续发展预警系统研究

本文从旅游可持续发展预警系统内涵出发,结合旅游自身的特点,在构建指标体系的基础上,运用混沌机制BP神经网络对旅游可持续发展预警系统进行构建,并以河北省省会石家庄为例进行实证研究,以预警结果为基础提出了相应对策。