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RBF神经网络的成都市城镇建设用地需求预测

以成都市为研究区域,利用城镇建设用地和社会经济统计数据,从因素和时间二维角度出发,分别选用RBF神经网络模型和GM(1,1)模型,在模型比较优选的基础上对成都市城镇建设用地需求进行了预测。结果表明:RBF神经网络模型与GM(1,1)模型相比,前者的平均绝对误差和误差均方根较低,且线性拟合效果更佳,是一种精度较高的预测方法;据预测,近期2015年和远期2020年研究区城镇建设用地需求量将分别达到145 986.10hm2和182 321.26hm2,研究结果既能为具有类似数据"突变"特征的城市开展城镇建设用地需求预测提供方法借鉴,又能为研究区土地资源的可持续利用和土地利用总体规划的定期修编提供决策依据。     

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。     

基于神经网络BP模型的建筑项目工程进度控制

通过应用误差反向传播(Back Propagation,BP)神经网络数学模型,利用神经网络充分逼近任意复杂的非线性系统;可学习与适应严重不确定性系统的动态特性和具有很强的鲁棒性和容错性的优点,预测一定投入的项目各自的项目进度结果。实际应用中,根据进度目标和环境条件,有效控制工程进度,这对于完成部队整体计划,节约成本和管理效益最高化具有重要意义。     

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神经网络的纤维混凝土力学性能预测模型

基于BP神经网络预测模型对不同材料掺量的纤维混凝土进行混凝土力学性能预测,找到适宜的隐藏层单元数和误差目标值.通过将预测数据和实测数据进行对比,研究该预测模型对于混杂纤维混凝土强度预测的可行性.经检验当隐藏层单元数为9个,目标误差值为1e-7时,预测值的准确性最高.     

基于BP神经网络的企业人力资源配置模型研究

通过对企业人力资源特点的分析与比较,指出了决定企业人力资源配置和影响人员流动的若干因素.在此基础上,运用人工神经网络理论建立了对应的人员流动预测模型,同时利用Matlab软件对模型进行了仿真分析.     

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。     

创业板研发投入的神经网络预测:是采用RBF模型还是BP模型?

创业板公司成立时间较短、企业规模较小,其研发投入的影响因素较多,使用营业净利率、每股收益、董监高年薪、可持续增长率、资产负债率、现金流量净额和GDP这些指标,运用径向基神经网络(RBF)和逆传播神经网络(BP)方法构建一个训练完成的神经网络模型,研究发现RBF神经网络模型比BP神经网络模型具有更好的拟合、预测效果。     

基于供求关系的城镇建设用地适宜性评价——以扬州市为例

本文基于供求理论构建城镇建设用地适宜性评价指标体系,应用BP神经网络模型测算城镇建设用地适宜性,以期为城镇建设用地的科学配置奠定理论与实践基础,实现区域土地资源的可持续利用。研究结果表明,①基于供求理论,可以从本底条件、技术水平、区位交通、集约程度、人口密度、经济发展等方面构建城镇建设用地适宜性评价指标体系;②BP神经网络可准确反映各评价单元的城镇建设用地适宜性,有助于提高城镇建设用地适宜性评价结果的精度;③根据测算结果可将研究区分为四个区域：高度适宜区可进行大规模城镇建设用地开发,但应注重城镇建设用地组团式发展,促进产业结构优化升级;基本适宜区可依靠高度适宜区发展,适度开发城镇建设用地;勉强适宜区城镇建设用地开发受限条件多,以基本农田与生态保护优先,选择性发展具有自然生态保护和经济开发效益的绿色产业;不适宜区应注重通过政策扶持,保障粮食安全和生态安全;④将城镇建设用地适宜性评价结果与《扬州市土地利用总体规划（2006—2020年）》中新增城镇建设用地布局对比分析表明,规划新增城镇建设用地配置基本满足区域供求关系,但有部分位于勉强适宜区与不适宜区,建议将区内部分或全部规划新增城镇建设用地剔除或调整至高度适宜区与基本适宜区。     

基于神经网络的建筑企业技术创新能力评价

介绍了建筑企业技术创新能力评价方法。通过对建筑企业技术创新能力影响因素的研究,构建了评价指标体系,探讨了各定性和定量指标的量化方法,采用BP神经网络建立了建筑企业技术创新能力评价模型。研究表明,该模型能够完成建筑企业技术创新能力评价指标与评价结果之间的非线性映射,是一种有效而准确的评价方法。     

基于BP神经网络的房地产业顾客满意度测评研究

针对传统预测方法对房地产业顾客满意度预测效果差的问题,首先结合房地产业的行业特点,在ACSI的基础上建立顾客满意度指标体系。其次,构建基于BP神经网络的房地产业顾客满意度测评模型。最后,利用MATLAB软件对样本数据进行学习和训练,为房地产业顾客满意度测评提供一种更为有效和实用的方法。     

基于分类回归树和神经网络模型的零售商品促销数据分析与探讨

随着信息技术的不断发展,应用商业智能技术进行数据挖掘与分析对商家来说也越来越重要,分类回归树和神经网络算法是数据挖掘的经典算法,其广泛运用在数据分析、预测和评估等方面。文章分别运用分类回归树和神经网络算法对零售商品采取促销方案后收入变化的数据进行分析,并建立相应的模型对促销方案效果进行预测。     

基于BP神经网络的不同学习方案下上市公司信用风险评价

企业的信用风险评级是金融领域的一个重要问题,采用BP神经网络来研究上市公司的信用风险评价问题。首先构建了上市公司信用评价的财务指标体系,然后根据3个不同的隐层结点,生成3种不同的神经网络模型。设计7种不同的学习一验证比例,选取了不同行业上市公司的财务数据,利用MATLAB中的神经网络工具箱编程进行实证分析在哪种模型和学习一验证比例下能够更好的对企业进行信用风险评价。     

增量与存量建设用地的经济贡献差异

如何高效配置利用增量和存量建设用地已成为中国实现高质量增长和城市建设目标的重要问题,增量和存量建设用地的经济贡献量是进行建设用地优化配置的基础依据,但两者尚未得到很好的区分和量化.本文结合土地要素性质和地方政府行为特征,构建和对比了基于不同要素替代率假定的两种土地生产函数,识别了增量和存量建设用地的要素特征,并比较了两...