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.     

基于粗糙集和BP神经网络的复合图书馆馆藏质量评价研究

建立了基于粗糙集和BP神经网络的复合图书馆馆藏质量评价模型,首先运用粗糙集模型对评价指标体系中的指标进行约简,消除冗余,然后把约简后得到的评价指标输入到BP神经网络中进行智能训练,最后把待评价的检测样本输入到训练好的BP网络中,得到了馆藏质量实际输出值,实际输出与期望输出结果相吻合,从而证明了评价的可行性和有效性.     

贝叶斯正则化BP神经网络在油气钻井成本预测的应用

对反映油田绩效的油气钻井成本进行准确预测,有助于做出科学的决策和评估。为了解决在运用BP神经网络进行油气钻井成本预测过程中,油气钻井成本影响因子确定难以及标准BP神经网络泛化能力差的问题,建立了基于主分量分析的贝叶斯正则化的BP神经网络油气钻井成本预测模型,并结合中国石油某公司各区块钻井成本数据,验证了该模型具有较高的预测精度及实用性。     

基于BP神经网络的我国外汇储备规模预测

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.     

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。     

粗糙集和BP神经网络在供应链绩效评价中的应用研究

从知识发现和数据挖掘的角度,利用粗糙集和BP神经网络的理论和方法,建立了基于粗糙集和BP神经网络相结合的供应链绩效评价模型。并结合一个供应链绩效评价实例,首先对其基于平衡记分卡的指标体系进行了约简,然后将约简的评价指标输入到BP神经网络中进行智能训练,最后把评价的样本输入到训练好的BP网络中,得出供应链绩效的评价值、评价结果与实际结果基本一致。     

基于邻域粗糙集和神经网络的财务预警研究

利用邻域粗糙集对属性进行约简,得到由财务指标和非财务指标构成的预警指标体系。将其作为神经网络的输入变量对我国上市公司财务状况进行预测。实证研究表明,模型能有效剔除冗余信息,避免传统粗糙集模型因数值离散化带来的信息丢失。在大大缩短训练时间的同时,模型的预测精度达91.7%,高于同等条件下神经网络模型、Logistic模型。     

基于BP神经网络的中国人口预测

本文基于中国统计年鉴1990—2010年中国人口数据,通过建立BP神经网络模型,对中国人口进行了预测。结果表明,神经网络预测数据相对误差不到0.01%,比传统预测方法精确很多,根据该模型预测,中国人口将在2050年达到峰值14.5亿左右。     

基于BP神经网络的江苏省秸秆资源量预测

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。     

基于大数集模糊BP神经网络的金融股票市场的预测

为了提高金融股票价格预测的准确性,分析了金融股票价时间序列的特点和规律,采用一种改进的BP神经网络建立时间序列预测模型,以中国石化股票价格走势作为案例进行分析和预测研究.结果表明基于大数集模糊BP神经网络具有良好的自组织性和自适应性,有很强的学习能力和抗干扰能力,基于大数集模糊BP神经网络对金融股票价进行预测是行之有效的.     

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神经网络技术的服装质量预测管理系统设计

本文在深入分析传统服装生产管理环节中存在的缺点及成因,利用BP神经网络技术的技术特点及优势,结合信息化手段,提出一个针对传统的服装生产过程中质量难以控制问题的解决方案,并探讨了具体实现方法.     

基于k-means与神经网络机器学习算法的用户信息聚类及预测研究

【目的/意义】基于机器学习算法对信息进行聚类及预测引起了广泛关注,本文将以航空公司客户信息为对 象构建出k-means,BP神经网络模型,对航空用户进行聚类及预测,实现用户的精准营销。【方法/过程】首先,对航 空公司的客户信息进行预处理,并根据信息聚类和信息预测理论,构建出k-means客户聚类模型与BP神经网络的 流失预测模型。【结果/结论】实证结果表明,在聚类模型上,k-means算法将客户聚为五类,实现了不同价值客户的 差异化识别;在客户预测模型上,BP神经网络的准确性更高。【创新/局限】本次研究将LRFMC模型引入到用户聚 类模型的实验中,使得模型泛化能力上存在了一定的局限,但也为该问题的未来研究提供了新的方式。     

基于AHP评价的BP神经网络汽车售后服务质量研究

针对汽车4S店售后服务的具体情况,构建汽车售后服务质量评价体系,应用基于AHP评价的BP神经网络模型,对汽车4S店的售后服务质量进行了综合评价。汽车售后服务质量的综合得分越高,说明该4S店的汽车售后服务质量水平越高;综合得分越低,说明该4S店的汽车售后服务质量水平欠缺,有待改进。实例证明,该理论对于汽车售后服务质量的评价和改进具有实际性和有效性。     

基于Matlab的优化BP神经网络在水稻虫害预测预报中的应用

本文主要利用神经网络理论,基于Matlab的神经网络建立水稻虫害发生量预报预测的BP神经网络预测系统,确定了自然因素-9发生量之间的联系,并通过对江西省抚州市田间水稻虫害情况的预测来检验模型的效果.实验结果证明了该模型用于虫害预测的可行性,具有很好的应用价值.     

基于混合BP神经网络算法的信用卡消费行为风险预测

随着中国信用卡市场的急速发展,信用卡消费行为的风险评估已成为业界研究的一个重要方向.目前风险预测的研究常采用单一的BP神经网络算法,但该算法存在一些固有缺点,如易陷入局部极小点、收敛速度较慢等,这些缺点会影响风险预测的效果.针对单一BP神经网络算法的不足,提出了一种将BP神经网络算法与遗传算法相结合的混合算法,它以BP神经网络作为基础,利用遗传算法对BP神经网络进行优化,并通过数据集的实验证明该混合算法要优于单一BP神经网络算法,可以有效提高信用卡消费行为风险评估中的检测率和准确率.     

高技能人才需求的BP神经网络预测——以天津为例

首先分析运用神经网络进行区域高技能人才需求预测的可行性,然后重点阐述二层MLP神经网络的BP学习算法以及网络结构的确定原则,接着运用BP神经网络对天津高技能人才需求进行预测.     

基于LM算法的BP神经网络股价预测

介绍了一种BP神经网络的改进Levenberg-Marquardt(LM)算法原理,用这种方法对上证指数收盘价进行了训练和仿真,并将此改进算法与标准BP算法及其他三种改进算法进行了比较。结果表明,该算法稳定、快捷、预测准确,适合应用于对实时性要求比较高的股票市场。