数据挖掘技术在网络舆情预测中的应用

提出一种数据挖掘技术的网络舆情组合预测模型。首先利用灰色模型GM模型对网络舆情进行预测,然后采用BP神经网络对GM模型预测结果进行修正,同时采有粒子群算法优化BP神经网络参数,最后采用某网络某热门话题对模型进行仿真实验。仿真结果表明,本文模型可以准确预测网络舆情变化趋势,提高了网络舆情预测精度。     

高层建筑结构设计BP算法的精度优化

针对传统的BP神经网络算法在对高层建筑进行结构设计时还存在精度不高、误差较大等问题,本文提出了一种基于自适应和误差修正BP神经网络算法的高层建筑结构设计模型,该模型在BP神经网络算法的基础上,首先采用自适应调整策略对其网络模型进行优化,然后采用增加动量项、误差累积处理和陡度因子优化等误差修正策略提高原算法的训练精度。仿真试验结果表明,本文提出的基于自适应和误差修正BP神经网络算法的高层建筑结构设计模型相比较传统的BP神经网络算法精度要高,具有较好的鲁棒性。     

交通流量VNNTF神经网络模型及其预测研究

研究了VNNTF神经网络交通流量混沌时间序列预测的问题。首先,通过混沌理论提取了交通流量时间序列的混沌特征,并在此基础上建立了VNNTF神经网络交通流量时间序列模型;接着,阐述了VNNTF神经网络学习算法原理．设计了交通流量Voltem神经网络的学习算法快速学习算法：最后利用交通流量混沌时间序列对VNNTF网络模型、Voherra预测滤波器和BP神经网络进行了单步预测,并对预测结果的仿真图和真实值与预测值的方均根进行了比较,结果表明基于混沌学习算法的VNNTF神经网络的预测性能明显优于Volterra预测滤波器和BP神经网络。     

一种基于BP神经网络的转型企业知识转移风险评价模型研究

市场经济快速发展加速了企业转型进度,转型企业需要有效地吸收和转化新进入产业的知识,识别转型过程中存在的风险,积极促进企业正常转型.结合转型企业的组织特性以及企业特性,本文构建了转型企业知识转移的风险指标体系,引入BP神经网络算法,提出基于BP神经网络的转型企业知识转移风险评价模型,实验结果证明该算法能够很好地评估和预测企业知识转移面临的风险.     

动态参数神经网络的投资银行风险预测模型

针对传统神经网络算法在投资银行风险预测的应用中表现出预测准确性不高的问题,提出了一种基于动态参数优化神经网络的投资银行风险预测模型。首先根据动态合并与删减规则,对参数进行自适应动态调整,得到最为合适的神经网络模型,然后为了加速收敛和防止振荡,引入一个动量因子,最后修改误差函数,在保证网络训练误差尽可能小的情况下使网络具有较小的权值。仿真试验结果表明,本文提出的基于动态参数优化神经网络的投资银行风险预测模型相比较标准神经网络算法,具有更高的预测准确性。     

基于BP-Adaboost算法的建筑能耗预测研究

针对传统BP神经网络存在收敛速度慢和容易陷入局部极小值缺点,影响建筑能耗预测精度的问题,引入Adaboost算法对BP神经网络进行改良,提出一种基于BP-Adaboost算法的建筑能耗预测方法。该方法充分结合BP神经网络良好学习能力和Adaboost算法预测精度高的优点,通过Adaboost算法将BP神经网络训练所得的弱预测器组合集成为BP-Adaboost强预测器,完成对建筑能耗的预测。案例仿真结果表明:与传统BP神经网络预测比较,该算法预测速度快、预测精度较高,其预测结果可为建筑节能方案的实施提供参考依据。     

基于FNN的高新技术企业技术创新项目风险评价研究

从风险来源、风险影响因素和技术创新过程的角度,对高新技术企业技术创新项目风险进行了识别,构建了技术创新项目风险评价指标体系。依据评价指标主观性、模糊性的特点,建立了基于模糊神经网络的风险评价模型,并从河南省一批高新技术企业中选取了30项技术创新项目作为实例,说明了模糊神经网络评价模型在高新技术企业技术创新项目风险预测研究中的适用性,得出模糊BP神经网络比单纯的BP神经网络具有更强的客观性和可靠性的结论。     

基于小波神经网络的电力负荷预测

小波神经网络是建立在小波理论基础上的一种新型前馈神经网络,具有许多优良特性。本文分析了小波神经网络的特点,建立了电力负荷的小波神经网络预测模型,设计了小波神经网络结构,给出了小波网络参数调节算法。对实际电力负荷预测算例,以及与BP网络的对比研究实验表明,小波神经网络对非平稳信号能进行有效地预测,比BP神经网络具有更高的预测精度。     

小微企业成长性评价研究

在小微企业的成长性评价中引入BP神经网络模型进行量化评价研究。通过建立评价指标体系、对应数据的学习训练,调整模型结构,建立了基于BP神经网络的小微企业成长性评价动态模型,并进行了实证分析。该模型解决了传统评价中权重确定不客观、定量分析不足、评价效率低下等缺陷,具有较好的实际应用效果。     

BP神经网络在股价预测中的应用

对BP神经网络方法在股价预测中的应用进行了研究,对BP神经网络的结构进行了介绍。针对BP网络学习速度慢,采用弹性BP学习算法和tansig传递函数提高了收敛速度。在仿真过程中通过MATLAB编程实现了BP神经网络对中国石油近一年交易日的数据的训练和测试,获得了一定的预测精度,对BP算法和改进后的BP算法在预测股票中的收敛性能和拟合程度进行比较,并用训练好的BP网络股市预测模型来预测其股票数据,达到了预测效果。