时间序列BP神经网络在福州市第三产业值预测中的应用

准确预测福州市第三产业的发展,对今后海峡西岸经济带建设具有举足重轻的意义。本文以福州市1994~2008年第三产业值为基础,采用MATLAB7.0建立非线性时间序列的神经网络预测模型,将1994~2003年的第三产业值作为训练样本,2004~2008年的第三产业值作为测试样本,并计算误差。结果表明:BP神经网络模型收敛速度较快,预测精度较高,对时间序列第三产业值的预测具有较高的应用价值。     

组合时间序列模型及其在我国农业总产值预测中的应用

基于组合预测理论,首先建立了我国农业总产值的ARIMA和Holt双参数线性指数平滑单项时间序列预测模型;对模型进行检验后,根据标准差法对各模型进行权重分配,建立我国农业总产值组合预测模型。通过对比证明,组合时间序列模型能在一定程度上克服单项模型缺陷,提高预测精度。     

BP神经网络在需水预测中的应用

阐述BP神经网络的计算步骤及其改进方法。将BP神经网络模型应用到抚顺市需水预测的实例研究中,通过实例的结果来验证该方法的精度。实例证明该方法具有较大的研究潜力,需要进一步深入研究解决现有问题提高其实用性。     

基于ARIMA模型的青岛市大蒜价格时间序列预测分析

以青岛市2012年1月至2016年11月共237周的大蒜价格为样本数据,运用SPSS 17.0软件进行统计分析,建立ARIMA(1,2,1)模型并对未来10周的大蒜价格进行预测,发现大蒜价格在短期内有持续上涨的趋势。通过分析大蒜价格剧烈波动的原因,提出完善大蒜信息体系建设、建立大蒜收储制度、建立合理畅通的产销渠道、推行大蒜集约化生产的政策建议。     

ARIMA模型在重庆市R&D人数预测中的应用

本文使用了ARIMA模型来分析预测重庆市未来的RD人数趋势,通过研究重庆市的RD人数的时间序列,建立相符的模型,预测重庆市的RD人数。     

BP神经网络在唇裂手术修复预测中的应用

采用小波变换和KL变换分析唇裂术前图片,构造了神经网络算法模型,并结合C#语言设计了一套唇裂手术修复预测软件。仿真结果表明,该软件能够预测术后效果,从而有效解决医患纠纷,因此可以运用到整形美容手术的效果预测中。     

基于遗传BP神经网络组合模型的中药销售预测研究

对某医院2010-2012年中药的销售及变化情况进行了对比分析。为了更好地保证医院中药的库存数量,提出了一种基于遗传算法优化BP神经网络组合模型,用改进的遗传BP神经网络进行中药销售量预测,并将预测结果和单纯使用BP网络的预测结果进行比较,实验证明遗传BP神经网络模型具有更高的预测准确度,为医院中药销售及科学管理中药库存量提供科学依据。     

BP神经网络在气象数据预测研究中的应用

BP(Back Propagation)网络是一种被广泛运用的神经网络.它的核心是BP算法,本文是在建立影响气象环境状态指标体系基础上,收集各指标在研究期内的有关数据,对数据进行整理分析并建立数据库,尝试利用基于BP算法的三层向前神经网络对气象数据进行预测.     

时间序列分析在径流预测中的应用

通过对1978～ 2012年浈江历年年径流量数据分析,建立时间序列模型.在模型的建立过程中,使用SPSS软件,对不同阶数的ARIMA模型进行比较,按照最小信息量原则选择最优模型ARIMA(4,1,0),并且使用该模型对2013 ～2016年径流量进行预测.     

BP神经网络模型在烟草烘烤过程中叶温变化预测中的应用

【目的】建立合适的BP神经网络模型,了解散叶烘烤过程中一系列烘烤因素对叶温变化的影响,为烤烟烘烤调制过程中叶温变化研究提供参考。【方法】运用叶温测定仪和温湿度自控仪记录烘烤过程中干球温度、湿球温度、相对湿度及干球温度与叶温的差值,并将此4项指标作为输入变量,叶温作为输出变量,建立一个拓扑结构为4—4-1的BP神经网络模型。【结果】所建立的BP神经网络模型模拟结果很快收敛,预测结果的绝对误差与相对误差小,预测所用的20组数据中相对误差〉1％的有8组数据,相对误差〉2％的有2组数据,相对误差〈1％的有12组数据。【结论】所建立的BP神经网络模型在对烟叶烘烤过程中叶温变化的预测效果较好。     

平均数预测技术在时间序列预测法中的应用

平均数预测法是市场预测方法中最普遍使用的定量预测技术。详细分析了时间序列预测法中各种常用的平均预测法,总结了每种方法的具体做法,并以具体实例来加以分析,以作为市场预测教学参考。     

组合模型在物流量预测中的应用

在分析指数拟合、灰色系统模型的平均预测误差的基础上,建立了组合预测模型,并对广州市的物流量进行了预测.结果表明,组合模型的预测结果是最优的.     

ARIMA模型在云南省农村居民人均消费预测中的应用

运用1978～2007年云南省农村居民人均消费支出数据建立了ARIMA（3,1,0）模型,其预测结果通过了检验,预测结果为各级政府提出扩大农村消费支出的政策提供了科学依据。     

ARIMA模型在贵州省全社会固定资产投资预测中的应用

采用1978—2008年贵州省全社会固定资产投资总额数据,运用自回归求积移动平均(ARIMA)模型,预测分析了未来几年内贵州省全社会固定资产投资增长情况。结果表明,ARIMA(4,1,3)能够提供较准确的预测,可以用作预测未来贵州省全社会固定资产投资变化趋势,为贵州省保持经济平稳快速增长所需全社会固定资产投资规模提供数据参考。     

ARIMA模型在马尾松毛虫发生面积预测中的应用

[目的]为了研究ARIMA模型在马尾松毛虫发生面积预测中的应用。[方法]利用时间序列对郁南市1975~2002年马尾松毛虫发生面积数据进行了分析。经过数据平稳化、模型识别及参数估计确立了ARIMA(2,2,2)模型,对郁南市1975~2002年的马尾松毛虫发生面积作了回测。[结果]ARIMA(2,2,2)模型预测值的动态趋势与实际情况基本一致,特别是1990年以后的预测效果更佳,实际值都落入了预测值的可信区间范围,结果比较理想。[结论]ARIMA模型假定未来的发展模式与过去的模式是一致的,更适用于作短期的预测。     

BP神经网络在石油生产能耗分析预测中的应用

为系统分析和预测石油生产过程的能源消耗，通过分析石油生产系统的工艺流程，确立了影响能耗的主要因素及其评价能耗水平的综合性指标；采用人工神经网络BP算法，构建了能耗分析预测网络模型。以某采油厂能耗统计数据为样本，对模型进行培训和检验，在此基础上，分析了各因素对能耗的影响规律并对节能潜力进行预测。结果表明：机采系统效率对电耗的影响最大，机采系统效率每增长1个百分点吨油耗电将降低5．6kwh，如果机采系统效率能达到预期的目标值，则年节电量近1．68亿kwh，节能潜力巨大。本研究思路和方法已在某采油厂应用，分析预测结果对该厂节能降耗工作起到了一定的指导作用。     

BP神经网络在渭干河流域土壤盐渍化预测中的应用

[目的]比较神经网络算法和传统统计建模方法对土壤盐渍化预测模型的效果.[方法]对渭干河流域多年土壤盐渍化和其影响因子进行分析的基础上,采用BP网络的3种算法,建立基于BP神经网络土壤盐渍化预测模型.将预测结果与多元线性回归模型预测结果进行对比分析,讨论线性和非线性方法用于土壤盐渍化预测模型.[结果]与传统的统计建模方法相比BP神经网络结构简单、快捷,预测精度高,很好地再现了土壤盐渍化与其影响因素之间复杂的非线性函数关系;三种BP算法中,基于trainlm算法建立的壤盐渍化预测模型具有较好的推广能力.[结论]BP神经网络的土壤盐渍化预测性能良好,用来可以预测土壤盐渍化情况.     

BP神经网络在小麦赤霉病气象预测中的应用*

 应用BP神经网络的方法建立四川资中小麦赤霉病发病的预报模型,为预防小麦赤霉病发病提供科学依据。根据四川资中小麦赤霉病发生发展的气象生理指标及历年该病发生的统计资料,借助人工神经网络强大的函数映射能力,采用Fletcher-Reeves算法的变梯度反向传播算法——Traincgf,建立了小麦赤霉病发病的气象预报模型。该模型不需要事先确定数学模型,拟合与预测的平均绝对偏差分别为0.01,0.05,优于多元线性回归模型的0.17,0.29。BP神经网络预报模型的拟合精度和预报精度都较高,优于多元线性回归模型,能很好地实现预期效果,对小麦赤霉病发病的预测预防工作具有一定的指导意义。     

基于因子分析的BP神经网络在需水预测中的应用

需水预测涉及农业、工业、生活和环境等多种因素,是典型的多指标评价问题,需对多因素进行综合评估.以广东省珠海市为例,利用1986～2000年的需水量数据,采用因子分析法对影响需水量的8个变量进行因子分析,根据确定的主要影响因子构造BP神经网络的输入样本,从而进行不同水平的需水量预测.结果表明:前4个公因子,即综合实力因子、畜牧影响因子、环境影响因子和补充分析因子,累计贡献率达99%以上,为影响研究区需水量的主要因子,以此作为输入样本建立的BP神经网络需水预测模型既能合理地构造神经网络的拓扑结构,又可加快网络的收敛速度,精度较高.因子分析与BP神经网络结合是多因素需水预测的一个有益尝试.     

优化BP神经网络算法在油茶产量预测中的应用

针对标准的BP神经网络模型对我国南方的重要木本油料树种油茶产量进行预测过程中存在的缺陷,采用相对误差逐步优化回溯算法在迭代过程的参数,使原始的BP神经网算法在运算精度和计算速度上均得到显著的提高,即一种改进的回溯算法优化BP神经网络预测模型。经过试验效验与仿真证明,得到的改进算法不仅能提高油茶产量预测的收敛速度,而且在油茶产量预测精度上也有很大的提高。优化后的BP神经网络算法为多要素因子之间相互影响事件的结果预测,提供了新的设计思路和更好的解决方法。