共查询到20条相似文献,搜索用时 31 毫秒
1.
2.
3.
针对传统指数平滑时间序列模型预测精度不足及传统BP神经网络在训练过程中易陷入局部最优的问题,通过粒子群算法优化BP神经网络,对美国明尼苏达州2021年7月11日至8月25日新冠肺炎累计死亡和累计确诊人数进行时间序列预测,并与传统双指数平滑模型(Holt)、BP神经网络模型进行比较分析.实验结果显示,PSO-BP模型的预... 相似文献
4.
丁洁 《忻州师范学院学报》2013,29(2)
为了更准确对空调系统负荷进行预测,文章在介绍Elman神经网络原理的基础上,对应用在处理动态数据模型上具有优越性的Elman回归型神经网络建立负荷预测模型,讨论了负荷预测模型中隐层神经元数目的选取,并对空调负荷值进行预测.同时也对静态前馈型BP神经网络进行建模和预测,比较两种预测结果,分析其误差,证明了Elman网络在动态预测实验中与BP网络相比较的优势. 相似文献
5.
褚晨辉 《中阿科技论坛(中英文)》2024,(2):108-111
装配式高层住宅成本受诸多因素影响,成本与各个因素之间存在复杂的非线性关系,BP神经网络难以对其进行准确的成本预测。文章提出了一种遗传算法(GA)优化BP神经网络的预测方法,利用GA-BP神经网络模型提高装配式高层住宅成本预测的准确率。通过对GA-BP神经网络模型的权值和阈值进行优化,构建了GA-BP神经网络装配式高层住宅成本预测模型,并以50组装配式高层住宅样本数据为例,分别运用GA-BP神经网络与BP神经网络预测模型进行了对比试验。试验结果表明,GA-BP神经网络预测模型具有较强的稳定性和更高的预测准确率。 相似文献
6.
介绍时间序列预测的一种重要模型布朗非线性指数平滑预测.以1999-2008年我国城镇居民个人平均收入为具体分析对象,建立模型并结合Excel及Eviews软件完成计算并检验过程,得出结论.布朗非线性指数平滑预测是一种可靠的具有高精度的短期或中期预测模型,最后用此方法来预测未来十年我国城镇居民收入. 相似文献
7.
8.
房地产价格近年来持续上涨,对于房价趋势的预测成为经济社会热点,但这些预测大都停留在定性分析阶段。从定量分析的角度入手,提出利用加入动量因子的BP神经网络算法建立数学模型,运用Matlab仿真实现房价预测。详细分析了BP神经网络学习算法过程,并加入动量因子以加快收敛、避免陷入局部最优。以山东济南为例,分析得出影响房价的7大主要因素,搜集2000-2012年数据,运用Matlab建立单隐含层的BP神经网络,通过训练网络,预测2014年该市房产均价。实验结果表明,该方法能在有限的数据条件下,对房价预测精准度达99.1%,为我国房地产业的可持续发展提供了科学的咨询和决策手段。 相似文献
9.
通过指数平滑工具,并结合我国1994-2001年中国连锁超市销售额资料,采用二次、三次指数平滑法建立起的经济预测模型,并通过该模型对2002-2006年的销售状况做出精确预测. 相似文献
10.
交通事故的发生因受随机因素的影响而呈现出不确定性和非线性的特点。在分析交通事故与人口、车辆、道路、经济发展等因素关系的基础上,综合考虑影响交通事故的多种因素,建立了BP神经网络。进而,选取总人口、机动车驾驶员人数、公路密度、民用车辆、人均GDP作为交通事故预测模型的输入向量,以交通事故的四项指标作为输出向量,利用LM算法或GALM算法优化的BP神经网络模型对交通事故进行预测。实验表明,GALM算法优化的BP神经网络模型与BP神经网络或LM算法优化的BP神经网络相比,具有较高的精度和较快的收敛速度,能更好地适用于交通事故预测。 相似文献
11.
为准确预测煤的自燃倾向性,在总结和分析煤自燃倾向性研究现状的基础上,选取煤的组成与结构方面的碳含量、镜质组含量、固定碳含量、比表面积、微孔占比与羟基含量6项主要影响因素建立了基于BP神经网络的煤自燃倾向性预测模型,确立了建模所需的样本,并运用Matlab软件进行网络训练并完成模型检验。将该模型应用于唐山矿9煤层、11煤层及荆各庄矿的煤自燃倾向性预测,结果显示误差均小于5%,证明基于BP神经网络的煤自燃倾向性预测模型的准确度较高,可用于工程实际。 相似文献
12.
13.
运用TRAINGDX训练函数对标准BP神经网络进行改进.根据2012年《四川省统计年鉴》相关数据,利用影响国内生产总值(GDP)的6个主要因素,借助Matlab软件平台,建立了6:5:1的三层BP神经网络GDP预测模型,实现四川省GDP值的预测.改进后BP神经网络预测相对误差在1%以内,仿真结果同模型外推法比较,预测精度较高. 相似文献
14.
公路客运量和货运量预测是一个复杂的非线性问题,由于影响因素较多,难以用普通的数学方法建模,而建立BP神经网络可以表达这些非线性问题。根据公路客运量货运量历史数据及其相关影响因素数据建立了BP神经网络预测模型。利用实际数据确定网络输入与输出样本,对BP神经网络预测系统进行训练和预测。通过对网络输出预测结果与实际数据的分析,验证了BP神经网络预测系统的精确性和方便性,提高了公路客运货运预测的精确性。 相似文献
15.
胡万达 《四川三峡学院学报》2014,(5):60-63
针对当前区域物流需求预测数据复杂且可变性较大、预测方法环境适应性较差的问题,提出了基于遗传BP神经网络的区域物流需求预测模型。首先,分析区域物流需求预测影响因素,并建立区域物流需求预测指标体系;其次,采用遗传算法优化预测网络中的可变参数,并建立多输入—多输出的BP神经网络多元预测模型;最后,通过实例结果表明该模型具有较高的预测精度和有效度。 相似文献
16.
建立有效的空气质量指数预测模型,可以为个人出行及相关部门治理大气污染提供指导。选取北京市的历史空气数据以及气象数据作为研究对象,建立基于BP(Back Propagation)神经网络和SVR(Support Vector Regression)支持向量机回归的BP-SVR组合预测模型。首先利用灰狼优化算法分别对BP模型和SVR模型参数进行寻优;然后运用该组合模型对空气质量指数进行预测。实验结果表明,BP-SVR模型的平均绝对百分误差、均方根误差、平均绝对误差均小于单一预测模型,分别为0.217 5、37.032 0、25.157 5。BP-SVR组合模型具有更高的预测精度,泛化能力更强,可以对空气质量指数进行有效预测。 相似文献
17.
18.
19.
随着我国居民收入的不断提高及理财意识的不断增强,消费者对互联网理财需求越来越多,但目前关于消费者购买互联网理财产品影响因素以及购买意向预测的研究还很少。为了准确挖掘消费者购买理财产品的影响因素,并在此基础上对购买意向进行预测,首先依托消费者购买理财产品数据,运用主成分分析法挖掘其中潜在的、有价值的消费者信息;然后使用PCA对网络进行降维,将主成分模拟到BP神经网络中建立购买互联网理财产品预测模型;最后对预测进行实证分析。分析结果显示构造的PCA-BP神经网络预测模型训练样本结果准确率达83.61%,测试样本准确率达80.12%,具有较好的泛化能力和预测精度,可用于对消费者购买理财产品进行分析和预测。 相似文献
20.
刘朋辉 《江西电力职业技术学院学报》2023,(2):10-12
当前现有预测方法对智能电网短期时间内的电力负荷预测存在预测精度低、预测精度受气象条件变化影响等问题,现引入BP神经网络研究智能电网短期电力负荷预测方法:获取智能电网历史运行数据,对数据进行预处理,对样本进行归一化处理;利用BP神经网络构建电力负荷预测模型;建立模型训练网络拓扑结构,训练模型预测性能;完成电网短期电力负荷预测,并在考虑气象因素的情况下对预测进行补偿,得到预测结果。实验证明:新的预测方法在实际应用中预测精度更高,且预测精度不会受到气象条件的影响。 相似文献