基于BP神经网络的大非减持影响因素实证分析——以深交所上市公司为例

基于BP神经网络,以深交所上市公司大非股东为样本建立模型,利用遗传学算法对模型结构进行优化并通过神经网络贡献率分析法得出对大非减持贡献率较大的因素。对在指标变量几种典型取值状态下的关系曲线进行深入研究后认为,大非减持并非全然表示企业投资价值下降,普通投资者亦可从中获取积极投资信息;对监管者而言,充分保证大股东流通权以维持其对国家政策的信心,立足贡献率较大的因素调控大非减持比单纯进行限制更能维护市场稳健,实现监管者、普通投资者与大非三方共赢。     

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.     

BP神经网络预测边坡稳定性

利用BP神经网络对边坡稳定性进行预测,考虑到岩土体的物理力学性质、边坡参数等对边坡稳定性有影响的各种因素,通过训练和检验的对比,证明该方法可以满足精度要求,进一步验证了该方法在预测边坡稳定性方面的可靠性,具有一定的推广价值。     

BP神经网络在高速公路交通量预测中的应用

本文介绍应用BP神经网络对高速公路交通量的预测,采用Matlab神经网络工具箱函数建立神经网络预测模型,运用该模型对高速公路的收费情况进行预测.从而间接预测该高速公路的交通量.     

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。     

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.     

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。     

一种BP神经网络气象预测中的应用研究

针对历年长江流域的小麦赤霉病发病的气象指标和统计资料,应用改进型的BP神经网络建立了该地区流域的小麦赤霉病发病的预报模型.实验证明,该改进型的算法利用为变梯度反向传播算法和强大的函数映射的特征,可以建立符合小麦赤霉病发病的气象预报模型,为小麦赤霉病地研究提供科学依据,对指导农业工作具有一定的应用意义.     

基于BP神经网络的产业集群创新能力研究

近几年,产业集群化的趋势已引起我国政府和业界的关注,各地涌现出一批大大小小的产业集群,带动了我国经济的发展。但从总体上来说,它们的创新能力都不强。因此,正确分析和评价产业集群创新能力,对于提高企业的整体创新水平、增强产业国际竞争力,具有重要的现实意义。通过应用BP神经网络理论,对我国的产业集群创新能力进行评价。     

基于BP神经网络的企业突破性创新绩效评价研究

基于突破性创新的特征,借鉴传统创新绩效评价模式,从资源投入、技术产出、产品性能、过程管理、商业价值和社会价值等6个维度构建企业突破性创新绩效评价指标体系,并利用BP神经网络原理建立了企业突破性创新绩效评价模型。通过对样本企业的突破性创新绩效评价进行模型训练和仿真验证,结果表明该评价方法可信度高,模型具有较好的泛化能力。     

基于BP神经网络的南通市建设用地需求预测

以南通市1988年～2006年社会经济发展和建设用地数据,利用二元变量相关分析选取南通市建设用地规模扩张的驱动因子,分别采用多元回归分析和BP神经网络构建建设用地需求预测模型.在模型比较优选的基础上,预测未来南通市建设用地需求量,并应用灰色系统法结合趋势判断对预测结果合理性进行了验证.结果表明,运用全部引入法进行多元回归分析,预测模型置信程度较低;运用逐步回归法进行模型优化,多重共线性消除的同时多数驱动因子在预测模型中被剔除,造成指标选取不足;而基于BP神经网络的建设用地需求预测模型融合了各驱动因子对建设用地规模的影响,模型变异系数仅为1.78%,运用该模型可有效提高建设用地需求预测精度,计算结果较合理.     

基于BP神经网络的企业知识流绩效评价研究

知识在交流中形成知识流,为使知识流健康发展,科学、全面地评价知识流的绩效至关重要。采用BP神经网络的方法解决企业知识绩效评价的问题,建立企业知识绩效评价模型,并结合算例进行分析。应用示例表明该模型具有较高的精度和效率,在知识绩效评价中具有较好的应用价值。     

基于BP神经网络的企业技术创新能力评价及应用研究

针对当前评价企业技术创新能力的方法所存在的不足,提出一种基于BP神经网络的企业技术创新能力评价方法。首先建立企业技术创新能力评价指标体系,然后根据指标体系,设计BP神经网络模型,并给出可行的评价程序。在计算方法上,用MATLAB神经网络工具箱来进行网络设计和计算。通过大量学习样本的训练和测试,使模型的误差达到预定的范围内。最后,以实例验证了这种方法的准确性和可操作性。     

BP神经网络在智能雨刮器上的应用及MATLAB仿真研究

在分析了传统雨刮器缺点的基础上,提出了一种基于BP神经网络的模式识别模型,用专家的经验数据训练它,并测试了它;给出了BP神经网络的学习过程及算法。结果表明这个基于BP神经网络的模型不使用精确的数学模型即可有效处理智能雨刮器系统的不可靠性和非线性。