基于灰色神經(jīng)網(wǎng)絡企業(yè)風險特征指標動態(tài)預測方法

為提高鐵路貨運量的預測準確性,運用灰色關聯(lián)分析法,計算分析了與鐵路貨運量相關的主要社會指標,確定鐵路貨運量的影響因子分別為鐵路運營里程、鐵路電氣化里程、鐵路復線比重、公路運營里程、固定資產(chǎn)投資總額和鋼材產(chǎn)量。將所確定的因子作為鐵路貨運量的預測指標,建立基于bp神經(jīng)網(wǎng)絡的鐵路貨運量預測模型,并對模型進行了應用測試。結果表明：bp神經(jīng)網(wǎng)絡模型具有較高的精度,最大相對誤差為3.7%,平均相對誤差為2.3%。該方法具有較快的收斂速度和較高的預測精度,可為我國鐵路貨運量的預測研究提供方法支撐。

利用智能方法對邊坡形變進行預測,進而對礦區(qū)安全進行評估近年來成為研究的熱點。針對邊坡形變數(shù)據(jù)小樣本、貧信息、高非線性等特點,本文將灰色理論與神經(jīng)網(wǎng)絡方法相結合構建灰色神經(jīng)網(wǎng)絡,充分利用灰色模型處理小樣本和神經(jīng)網(wǎng)絡處理非線性的能力,對礦區(qū)邊坡形變進行預測。實驗分析表明,利用灰色神經(jīng)網(wǎng)絡進行形變預測是正確有效的,預測精度取得了較好的效果。

針對建筑能耗受局地氣候多因素影響的特點,為了客觀準確地對建筑能耗進行預測,本文引入了氣象熱舒適度來綜合分析氣候對建筑能耗的影響,并以該指數(shù)預測值、建筑能耗原始數(shù)據(jù)和日期類型作為輸入層,進行復合灰色神經(jīng)網(wǎng)絡模型預測建筑能耗。該方法不僅克服了灰色模型和神經(jīng)網(wǎng)絡存在的預測缺陷,同時還考慮了氣象因素對建筑能耗的影響。通過對北京某大廈的實例應用分析,取得了較高精度的預測結果,證實了該方法的合理可靠,為建筑能耗預測提供了新途徑,其預測結果也將為大型建筑空調系統(tǒng)的再優(yōu)化設計和改造提供參考。

本文分析了影響房價的多種因素;運用灰色gm(1,1)模型預測這些因素的數(shù)據(jù)走勢,利用bp神經(jīng)網(wǎng)絡以歷史數(shù)據(jù)為依據(jù)運用matlab進行仿真,得出我國未來五年房價預測值。結果表明,采用神經(jīng)網(wǎng)絡結合灰色gm(1,1)預測而得的各影響因素預測值,預測未來房價,具有很強的實用性。

基于灰色bp神經(jīng)網(wǎng)絡組合模型的基坑變形預測研究——為了使得基坑變形預測在“少樣本”、“貧信息”的情況下依然能夠得出精度較高的結果，在傳統(tǒng)的灰色gm(1，1)模型和bp神經(jīng)網(wǎng)絡模型的基礎上，進行了灰色bp神經(jīng)網(wǎng)絡組合模型的研究。通過總結2傳統(tǒng)模型的原理和算...

準確的客流量預測在國家交通規(guī)劃與管理中具有重要意義,預測方法的選擇直接影響到預測的精度?？瓦\量的預測具有小樣本和非線性的特點。結合灰色理論和rbf神經(jīng)網(wǎng)絡的特點形成灰色-rbf神經(jīng)網(wǎng)絡模型,并采用客流運量分擔率的方式對擬建鐵路客流量進行預測。通過灰色理論對原始數(shù)據(jù)進行生成處理,將無規(guī)律的原始數(shù)據(jù)變?yōu)檩^有規(guī)律的生成數(shù)列,再利用rbf神經(jīng)網(wǎng)絡的超強適應能力和學習能力,大大加快學習速度并避免出現(xiàn)局部極小問題對生成數(shù)列進行預測,再將模型運用到客運量的預測中。最后結合新建蘭州至中川機場鐵路項目及調查數(shù)據(jù)進行客流量的預測研究,得出灰色-rbf神經(jīng)網(wǎng)絡模型對客流量具有很好的預測性。

準確的客流量預測在國家交通規(guī)劃與管理中具有重要意義,預測方法的選擇直接影響到預測的精度?？瓦\量的預測具有小樣本和非線性的特點。結合灰色理論和rbf神經(jīng)網(wǎng)絡的特點形成灰色-rbf神經(jīng)網(wǎng)絡模型,并采用客流運量分擔率的方式對擬建鐵路客流量進行預測。通過灰色理論對原始數(shù)據(jù)進行生成處理,將無規(guī)律的原始數(shù)據(jù)變?yōu)檩^有規(guī)律的生成數(shù)列,再利用rbf神經(jīng)網(wǎng)絡的超強適應能力和學習能力,大大加快學習速度并避免出現(xiàn)局部極小問題對生成數(shù)列進行預測,再將模型運用到客運量的預測中。最后結合新建蘭州至中川機場鐵路項目及調查數(shù)據(jù)進行客流量的預測研究,得出灰色-rbf神經(jīng)網(wǎng)絡模型對客流量具有很好的預測性。

本文提出了一種基于rbf神經(jīng)網(wǎng)絡的直接預測法,對公路貨運量進行了預測,并利用matlab工具箱予以了實現(xiàn).對2004和2005年公路貨運量預測的結果表明,預測值與國家統(tǒng)計局公布的實際數(shù)值有很好的一致性,預測精度也高于其它rbf預測法,有很好的應用性.

為了對民航系統(tǒng)安全運行狀態(tài)進行科學的分析和預測,針對反映民航系統(tǒng)安全運行狀態(tài)的重要指標之一——飛行事故萬時率,采用bp神經(jīng)網(wǎng)絡的時間序列非線性預測模型及方法,對其進行了分析研究和仿真驗證,計算結果表明,該預測方法是可行的,并與實際具有較好的一致性。

公路貨運量受多種因素影響,各因素的作用機制通常不能準確地用數(shù)學語言進行描述。采用廣義回歸神經(jīng)網(wǎng)絡(grnn)對貨運量進行分析及預測。通過對1995~2003年南京市公路運量的歷史數(shù)據(jù)進行分析和處理,對網(wǎng)絡進行訓練和擬合,用2004~2005年的實際數(shù)據(jù)進行模型檢驗,結果證明了grnn用于貨運量預測的有效性。

通過對公路貨運量的預測方法進行研究比較,并根據(jù)公路貨運量形成的復雜和非線性等特點,建立bp神經(jīng)網(wǎng)絡預測模型.利用黑龍江省公路貨運量及其相關影響因素的實際數(shù)據(jù),確定網(wǎng)絡輸入與輸出樣本,并對bp神經(jīng)網(wǎng)絡預測系統(tǒng)進行訓練和預測.通過對網(wǎng)絡輸出的誤差曲線圖的分析,驗證bp神經(jīng)網(wǎng)絡預測系統(tǒng)的精確性和簡單方便性,提高了公路貨運量預測的精確性.

為簡化震害預測工作,提出一種以房屋普查數(shù)據(jù)為震害影響因子并利用人工神經(jīng)網(wǎng)絡模型為工具的震害預測方法。從以往震害實例中選取了具有典型破壞特點的建筑物作為神經(jīng)網(wǎng)絡的學習樣本,用收集的數(shù)據(jù)對網(wǎng)絡進行了訓練并得到了收斂的網(wǎng)絡,應用此收斂的網(wǎng)絡對一組新的房屋數(shù)據(jù)進行震害預測,結果表明了運用此方法和模型的實用性。

針對深基坑系統(tǒng)的復雜的非線性及基坑工程變形多步預測的重要性,將人工神經(jīng)網(wǎng)絡技術引入其中。分析了用bp網(wǎng)絡進行多步預測時存在的不足,提出了基于遞歸神經(jīng)網(wǎng)絡的基坑工程變形多步預測模型。通過一軟土深基坑工程變形多步預測實例的分析,論證了遞歸神經(jīng)網(wǎng)絡用于基坑工程變形多步預測的可靠性和實用性。該方法有效可行,在其他領域的多步預測中同樣具有廣闊的應用前景。

房地產(chǎn)業(yè)是國民經(jīng)濟發(fā)展的重要支柱產(chǎn)業(yè)之一,因此,科學預測房地產(chǎn)價格指數(shù)具有十分重要的意義。將神經(jīng)網(wǎng)絡算法應用于房價指數(shù)預測,收集我國主要城市的房地產(chǎn)價格指數(shù)數(shù)據(jù),使用spssclementine軟件進行分析。實驗結果表明,該預測方法是可行的和有效的。

風險投資過程中,項目評估是首要的環(huán)節(jié).評估過程中要根據(jù)項目的歷史及現(xiàn)狀,對項目的未來發(fā)展及收益做出比較科學準確的預測.本文介紹灰色建模預測方法,并應用該方法對某電子新材料創(chuàng)業(yè)公司的利潤情況進行預測,得到了比較滿意的效果.

針對高校涉密項目風險因素多和保密環(huán)境復雜的特點,利用三層bp神經(jīng)網(wǎng)絡對能夠逼近任意非線性函數(shù)的良好特性,突破傳統(tǒng)上基于統(tǒng)計學方法進行預測的限制,綜合了時間序列的計算簡單,需要歷史數(shù)據(jù)少的優(yōu)點,設計了一種體現(xiàn)時序的多因素動態(tài)時間序列bp神經(jīng)網(wǎng)絡預測模型,并將模型運用于某高校涉密項目泄密風險的預測研究中。仿真實驗表明,此方法切實可行,而且具有較好的預測精度。

強烈的地震給人們生命財產(chǎn)帶來巨大損失,為了能夠在地震之前預測出建筑物震害,提出一多層磚房為例。利用matlab神經(jīng)網(wǎng)絡工具箱,建立一種基于貝葉斯正則算法的bp神經(jīng)網(wǎng)絡模型,并以過去發(fā)生地震地區(qū)的多層磚房調查數(shù)據(jù)為震害因子的震害預測方法。結果表明:對多層磚房的震害樣本的預測達到理想效果。

針對基坑變形預測中信息的灰色性和數(shù)據(jù)的非線性性,提出用灰色神經(jīng)網(wǎng)絡預測基坑變形的新方法。用一樁錨聯(lián)合支護體系實例進行了預測研究,得到支護體系的不同預測模型的組合預測值。研究結果表明:灰色神經(jīng)網(wǎng)絡預測誤差比gm(1,1)預測模型小;與bp預測模型相比,前期誤差大,后期誤差小。在基坑變形監(jiān)測中,為了更準確地預測基坑變形,可以采用灰色神經(jīng)網(wǎng)絡預測與bp預測相結合的方法進行預測。

針對一些復雜的非線性系統(tǒng)在神經(jīng)網(wǎng)絡逆動態(tài)控制方法下控制效果不理想的問題,本文提出對被控對象進行直接多步預測,利用多步預測性能指標函數(shù)對系統(tǒng)實現(xiàn)基于神經(jīng)網(wǎng)絡的逆控制。并將仿真結果與利用遞推多步預測方法的結果進行了比較,得到直接多步預測控制較遞推多步預測更準確的結論。

在巖土工程中如何準確預測樁基豎向承載力是一件非常重要的事情。針對現(xiàn)有研究存在的不足,基于標準bp神經(jīng)網(wǎng)絡算法,加入一動量因子,建立了修正的bp神經(jīng)網(wǎng)絡模型,對單樁的豎向承載力進行了預測。以鎮(zhèn)江市勘察測繪研究院所完成的地質勘查報告為工程背景,以地震波靜力觸探測試(scptu)測得的4個指標(錐尖阻力、錐側摩阻力、剪切波速和孔隙水壓力)為輸入?yún)?shù),樁基承載力為輸出參數(shù)。通過與現(xiàn)場靜載試驗進行比對,得到了相關系數(shù)較高的樁基荷載響應曲線。經(jīng)過與傳統(tǒng)預測方法進行比較發(fā)現(xiàn),用修正的bp神經(jīng)網(wǎng)絡算法可以有效預測樁基豎向承載力,精度較高。

基于灰色理論的基坑變形預測方法——本文通過具體工程實例，探討了灰色理論用于高層建筑大基坑的變形預測方法問題，所得出的結論是，灰色理論用于基坑的變形預測是可行的。　　

智能工程是多層灰色神經(jīng)網(wǎng)絡中的智能算法,處理多個非線性復雜系統(tǒng)研究。