基于BP神经网络股价预测的一种改进方法

为提高神经网络经济预测的泛化能力,对神经网络预测数据处理方法进行了改进,把对数据的归一化变为对数据增长量的归一化,因而只要被预测的增长量不超过以往的历史数据增长量,则不会发生外延问题。根据这一思路,采用个股(中国石化)收盘价的数据,通过对收盘价的增长量进行了归一化,得到新的时间序列,将该时间序列视为一个从输入到输出的非线性映射,用BP神经网络进行非线性映射的逼近。对网络进行学习与训练的仿真试验后,预测结果与实际结果的比较说明,改进方法有效。     

汉中地区小麦条锈病的BP神经网络预测

人工神经网络具有对非线笥系统预测的重要特性,其跟踪性能好,适用面广,收敛速度快,容错能力强。本研究利用陕西汉中地区１９７４～１９９７年的病情、菌量、品种和气象资料,采用逐步回归法选择了影响汉中小麦条锈病流行的主要因子,即春季菌量、秋季菌量、感病品种面积比例、４月份卫雨量和４月份平均温度,并将其作为ＢＰ神经网络预测模型的输入,用１９７４～１９９３年的资料进行网络训练,对１９９４～１９９７年小麦条锈病     

基于环境气体信息的BP神经网络苹果贮藏品质预测

针对苹果贮藏品质预测复杂、精度低的问题,设计了基于环境气体信息的BP神经网络苹果贮藏品质预测。首先分析了贮藏环境中温度、气体体积比与苹果理化特性指标的相关性,再通过对苹果的贮藏温度、气体(氧气、二氧化碳)体积比和理化特性指标(硬度、可溶性固形物含量、总酸含量、水分含量)进行检测,将16组温度和气体体积比数据作为BP神经网络的输入,理化特性指标分别作为BP神经网络的输出,对建立的BP神经网络进行训练。训练后用5组非训练样本进行试验验证,结果表明用BP神经网络模型预测苹果贮藏品质的预测值与实测值相对误差在5%以下,可以满足苹果贮藏品质预测的精度要求。     

基于BP神经网络的黑龙江垦区人才需求预测

首先分析了黑龙江垦区人才需求预测的方法,在此基础上提出了运用BP神经网络对其预测的可行性,通过BP神经网络方法的详细分析,得出了黑龙江垦区对人才的需求数,并结合实际情况进行了分析。     

基于BP神经网络的桃林口水库水质预测

为掌握秦皇岛桃林口水库未来水质变化的状况,选取总磷(TP)、硝酸盐氮(NO_3-N)、亚硝酸盐氮(NO_2-N)、氨氮(NH_3-N)、高锰酸盐指数(COD_(Mn))、溶解氧(DO)和五日生化需氧量(BOD_5)7项指标2008—2015年8年的实测数据作为训练样本,建立BP神经网络模型对桃林口水库出库站2016、2017年7项水质指标进行预测,结果表明,该BP神经网络模型预测模拟训练后的模型预测效果良好,可以运用到桃林口水库水质指标的预测预警系统中。     

基于BP神经网络的洪水预测研究

以BP神经网络为基础,通过对神经网络的各个参数进行优化后建立洪水预报模型,并利用四川省达州市州河干流水文站所采集的水文数据进行仿真预报并和实测流量对比。研究表明,采用基于BP神经网络的洪水预测模型进行洪水预测的精度较高,是一种有效可靠的洪水预测方法。     

基于BP神经网络人均猪肉需求量预测

近年来,由于猪肉安全事故和供求关系等因素的影响,导致猪肉市场价格波动大,养猪业难以持续稳定发展。科学预测猪肉需求量,对科学指导生猪生产和宏观调控猪肉市场价格意义重大。笔者根据历年数据,采用BP神经网络预测方法,实现在MATLAB中运行,通过对模型的多次训练,选择隐层神经元数目为6个,达到了期望效果。预测结果表明,2012~2016年,我国人均猪肉需求量分别为34.10、38.12、38.66、40.28和40.60kg/a。     

基于BP神经网络人均猪肉需求量预测

近年来,由于猪肉安全事故和供求关系等因素的影响,导致猪肉市场价格波动大,养猪业难以持续稳定发展。科学预测猪肉需求量,对科学指导生猪生产和宏观调控猪肉市场价格意义重大。笔者根据历年数据,采用BP神经网络预测方法,实现在MATLAB中运行,通过对模型的多次训练,选择隐层神经元数目为6个,达到了期望效果。预测结果表明,2012~2016年,我国人均猪肉需求量分别为34.10、38.12、38.66、40.28和40.60kg/a。     

基于BP神经网络的番茄干重预测研究

以番茄干重作为正交试验指标,研究温室内番茄生长的环境参数(温度、相对湿度、光照强度)对番茄干重的影响,建立BP神经网络模型,运用MATLAB对试验数据进行训练和模拟,为检验预测的可靠性,采用10-折交叉验证,准确率为95.32%。结果表明,利用BP神经网络得出预测值与实测值接近,具有较好的预测性,可用于干重的预测,能够为温室环境调控提供科学依据。     

基于BP神经网络的河川年径流量预测

运用人工神经网络模型对松花江流域年径流量径流序列做出预报,表明了人工神经网络模型在水文预报中具有一定的优势。通过对基本BP网络算法和L-M算法的比较工作,得到了适合该神经网络模型的训练算法,既L-M算法,提高了预报的精度。以松花江流域哈尔滨站年径流量实测序列为研究对象,在数值试验的基础上找到了适合于松花江流域哈尔滨站年径流序列预报的人工神经网络预报模型结构,提高了该模型的预报准确性。     

基于BP神经网络的湖北省旅游总收入预测

旅游总收入的预测结果对于政府部门和旅游管理部门有着重要的参考意义,寻求科学合理的预测模型是保障预测结果准确可靠的关键。针对这一问题,作者利用人工神经网络理论建立了BP（Back.Propagation）网络预测模型,并与指数平滑模型、自回归模型的预测结果进行比较,结果表明应用BP神经网络对旅游总收入进行预测精度更高、效果更好。     

基于BP神经网络的坝体垂直位移预测

利用建立多元回归模型的方法对大坝的垂直位移进行预测,往往因为数学模型的局限性和对影响因子分析的不全面导致预测结果不准确。利用BP神经网络良好的非线性问题处理能力和自学习功能,通过训练神经网络,对水电站坝体的垂直位移进行了有效的预测,得到与实测值相对误差小于1%的预测结果,从而实现对大坝更为可靠的安全监测。     

基于BP神经网络的中国大豆进口量预测

文章主要讨论了BP神经网络的预测精度问题,得出其预测精度随着预测时间的推移而不断降低的结论,利用BP神经网络对2006～2008年我国的大豆进口量进行了预测。     

基于BP神经网络的柑橘农药残留预测

基于BP神经网络算法,采用主成分分析法得到农药相对分子质量、气温、降水量、pH、CEC、有机质、施药浓度、采收间隔期是影响农药残留量的主要因素,并将其作为输入变量,初步构建柑橘农药残留预测模型。结果表明：经160组样本数据模型训练和测试,预测相对误差为0.92%～18.93%,平均为7.42%,绝对误差为0.001～0.153 mg/kg;BP神经网络预测模型的决定系数为0.962 05。可见,面对复杂的自然环境及柑橘种质性状,基于BP神经网络的柑橘农药残留预测系统对柑橘上多种农药的残留显示出较高的预测精度,说明将机器学习算法用于柑橘的农药残留检测是可行的。     

基于BP神经网络的稻瘟病预测预报研究

【目的】稻瘟病是水稻主要病害之一,严重制约水稻高产稳产。近年来随着品种布局、耕作制度改变及气候变化的影响,其流行程度年度间波动很大。目前,稻瘟病在云南省各水稻产区呈现中等偏重发生的趋势,预测预报作为指导防治的先行者,具有重要作用。【方法】为了及时有效的做好稻瘟病防范工作,本研究采用稻瘟病发生相关气象因子及田间穗瘟病情指数,利用BP神经网络技术,选取德宏州芒市为试验点开展稻瘟病预测预报研究。【结果】从气象因子与预测对象的相关性来看,筛选出来的各气象因子与病情指数之间都存在较强的相关性,其理想输出和实际输出值都比较接近,误差曲线也比较吻合,预测准确度能满足实际需求。【结论】由此可见,BP神经网络建立的稻瘟病中期预测模型更具有优势。不需要事先进行数学公式表达,具有更高的预测准确度,选择试验点5-9月的气象数据以及田间稻瘟病病情指数建立的预测预报模型,预测结果更为客观和可靠,能及时做好稻瘟病的防控工作。     

基于PCA—BP神经网络的股票价格预测

一、引言股票的价格预测,是股票界和学术界一直关注的问题。人们通过各种方法对股票的价格进行预测：多元回归分析、时间序列分析、指数平滑等是最常见的方法。然而由于股票市场的非线性,时变性的特点,传统的统计方法很难给出满意的结果。     

基于BP神经网络的西瓜仁重预测

人工神经网络是人工构造的模拟人脑功能而构建的一种网络,其中BP学习算法是一种单向传播的多层前向网络.利用MATLAB神经网络工具箱,设计BP网络的训练步骤,从园艺试验田观测的数据中抽取部分数据作为样本预测西瓜仁重,把影响西瓜种仁重的4个主要因素作为网络的输入向量,西瓜种仁重为网络的输出向量,根据需要调用相关程序,从而避免了编写大量的算法程序,训练结果表明,预测结果与实验结果吻合.     

基于BP神经网络预测林内PM2.5浓度

[目的]利用BP神经网络预测林内PM_(2.5)浓度。[方法]利用人工神经网络理论,采用2013年7月—2014年5月野外实时监测数据,建立了以气象参数、污染源强变量和林分结构特征为输入因子,林内PM_(2.5)小时平均浓度为输出因子的预测模型,并对其预测精度进行了评价。[结果]BP人工神经网络模型能够很好地捕捉污染物浓度与气象因素和林分结构间的非线性影响规律,预测结果的平均相对误差为1.71×10~(-3),均方根误差为6.77,拟合优度达0.98,模型具有很高的预测精度。而传统的多元线性回归(MLR)模型预测结果的平均相对误差、均方根误差和拟合优度分别为0.27、22.92和0.93。[结论]研究成果印证了应用BP人工神经网络模型预测林内PM_(2.5)浓度的可行性和准确性。     

基于BP神经网络的农村用电量预测的研究

农村用电量预测是县级供电部门的重要工作之一，其受国民生产总值和上年度用电量的影响，具有一定的随机性。利用BP神经网络建立了农村用电量预测模型。通过应用实例分析表明，预测结果和实际结果有很好的一致性。     

基于Vis-NIR光谱的土壤质地BP神经网络预测

为快速、准确地获取土壤质地信息,提出了应用Vis-NIR光谱结合BP神经网络的建模方法。以河南封丘县的86个土壤样本为研究对象,以原始光谱和微分光谱主成分为输入变量,建立土壤粘粒和砂粒的BP神经网络预测模型,并将其预测结果与多元线性逐步回归模型进行比较。结果表明:基于原始光谱主成分的BP人工神经网络预测结果最好,优于多元逐步回归模型,预测粘粒和砂粒的RMSE分别为1.62和6.52。BP神经网络所建模型训练时间短、准确度也较高,能实现对土壤质地的高效预测。