基于GM(1,1)模型的国内旅游需求规模预测

利用灰色模型对2012-2015年国内旅游需求规模进行了预测。通过计算,预测出2012-2015年国内旅游人数每年以2亿人次左右的数量增长,年均增长率为9%。研究表明:中国国内旅游需求规模是不断上升的,国内旅游将呈现良好发展的势头。     

河北海外旅游客源量的ARIMA模型及应用

在海外旅游客源量预测中引入ARIMA模型分析方法.采用河北省1989至2006年海外旅游人数资料,建立了ARIMA(0,2,1)预测模型,并预测了2007至2009年的海外游客人数.与2007年河北海外旅游人数的实际数据比较,相对误差仅为2.8%,说明该模型在海外旅游客源量短期预测中的应用是可行、有效的.     

疾病费用预测的建模分析

根据重庆市某三级甲等医院2012年1月至2014年12月5种常见疾病（糖尿病、甲状腺功能亢进、顺产、肠息肉、脑梗死）的月人均治疗费用数据,采用BP 神经网络模型、广义回归神经网络模型、灰色GM（1,1）模型以及非线性回归模型,分别预测2015年1月至8月5种疾病的月人均治疗费用的变化情况,并与真实费用数据进行对比,判断4种模型预测的准确程度。结果表明：BP神经网络模型、广义回归神经网络模型、灰色GM（1,1）模型、非线性回归模型预测5种疾病的可决系数R2最小分别为0．278、0．565、0．048和0．097,最大分别为0．826、0．901、0．600和0．747;与2015年1月至8月的真实费用数据比较,4种模型预测的相对误差最小分别为9．845％、3．507％、5．897％和3．642％,最大分别为15．450％、13．940％、30．518％和17．204％。其中广义回归神经网络在疾病费用的预测结果相对于其他模型更准确。     

改进BP神经网络在郑州市需水量预测中的应用

水资源供需矛盾日益突出,需水量预测已成为广泛关注的焦点．需水量预测可以为“三条红线”的实施提供依据,以强化水资源管理和节水监督管理,缓解水资源供需矛盾．基于BP神经网络模型,采用自适应调整的算法,改进了BP神经网络模型中学习率的求解方法,并将其应用到郑州市经济社会需水量预测中,预测了2012年和2015年经济社会需水量,分别为14．41亿m3和14．84亿m3;通过与BP神经网络模型、主成分回归分析结果对比,发现改进后的BP神经网络模型根据迭代误差自动调整学习率,求解速度和计算结果精度明显提高,适用于郑州市需水量预测．     

基于ARMA与BP神经网络模型的产品质量安全风险预测

主要通过对产品伤害人数的预测来表征产品质量安全风险。依据产品伤害人数的时间序列数据,建立较为稳定的ARMA模型和BP神经网络模型对产品伤害人数做出了科学的预测;并对两种预测方法进行了实证结果比较与分析,为管控产品质量安全风险提供方法支持。     

基于神经网络和SARIMA模型的旅游需求探讨

拟对海南省旅游需求进行预测,采用旅游人数来度量旅游需求,收集相关部门数据,并通过分析旅游资源、环境、交通、费用和服务质量因素对旅游需求的影响,从而建立多元线性回归模型．在预测时,采用GM（1,1）得出各因素的预测值,然后通过神经网络进行海南省年旅游人数的预测,在对年内每月的旅游需求进行预测时,还考虑季节对旅游需求的影响,通过时间序列分析法,建立了SARIMA（3,1,2）（1,1,1）12模型,并进行了预测,结果表明,预测值符合实际人数．     

基于改进BP神经网络的公路旅游客流量预测

针对如何精确预测公路旅游客流量这一问题,论述了公路旅游客流量研究背景,对包括神经网络模型在内的几类模型进行了分析,说明神经网络预测模型运用在公路旅游客流量预测中的优势.以实证分析为背景,论述了改进BP神经网络在公路旅游客流量预测中的应用,并深入研究了实际运用中输入/输出向量的选择、数据预处理方法、隐层神经元数目选择、训练函数选择等实际问题,对预测结果和实际值进行了比较和分析论述,得到一个适合的BP网络.最后对几种预测方法的预测结果进行比较,说明了BP神经网络在公路旅游客流量预测的合理性与可行性.     

基于ARIMA模型的国内旅游人数预测研究

以我国1985—2005年各年的国内旅游人数为例,运用计量经济学软件Eviews建立时间序列模型ARIMA(p,d,q),并对未来五年内国内旅游人数做出预测,结果表明预测结果满足精度要求,具有较强的实用性。     

桂林市旅游人数的时间序列预测模型

采用一阶自然对数差分和一阶季节差分来数学处理桂林市月旅游人数时间序列的季节性和波动性趋势,并依据1999年1月～2006年8月桂林市月旅游人数数据,建立桂林市旅游人数的时间序列预测模型,并将该模型与实际数据进行拟合和预测,结果表明该模型与实际数据的拟合性好,预测得到的数据与实际数据误差较小,可以实际用来预测未来日旅游人数的基本趋势,为管理和市场决策提供参考.     

妈祖文化旅游经济发展的GM(1,1)模型预测——以福建莆田市为例

GM(1,1)模型对于预测事物的发展具有较好的实践性.选取2004—2011年之间的旅游接待人数、旅游收入以及人均旅游消费为三大考量指标,在论证GM(1,1)模型对预测妈祖文化旅游经济发展情况适用性的基础上,预测今后4年2012—2015年妈祖文化旅游经济的发展情况,在此基础上从战略、产品、市场以及产业四大层面提出相应的发展建议.     

基于BP神经网络的浙江省人口预测

本文以浙江省1978-2010年的人口统计数据为依据,论证BP网络预测模型的可行性,同时改进模型建立了基于BP神经网络预测模型和时间序列分析的逐步回归模型,并对浙江省2011-2015的人口数量进行预测。     

基于灰色BP神经网络的我国工业增加值预测研究

针对我国工业增加值存在季节波动性等外部因素影响其预测准确性不高的问题,提出了一种基于灰色BP神经网络的工业增加值预测算法,即采用以我国2008~2017年各季度工业增加值数据作为时间序列建立的灰色BP神经网络预测模型进行预测。结果表明,采用灰色BP神经网络组合模型预测的精度较灰色模型和BP神经网络模型精度分别提升了0.94%~4.98%和0.01%~0.08%,稳定性分别提升了1.43%~2.97%和0.03%~0.05%。此实验结果验证了灰色BP神经网络组合模型可以有效预测我国工业增加值的发展趋势,进而为政府部门制定工业发展政策提供有效依据。     

BP神经网络在中国旅游发展总量预测中的应用

利用改进的BP神经网络对我国旅游发展总量(旅游收入和旅游人次数)进行了预测,并详细介绍了MATLAB6.5中的神经网络工具箱中的GUI界面的使用程序,得出了BP神经网络能够有效预测旅游发展总量的结论。     

基于小波神经网络的建筑工程沉降变形预测

变形监测是安全化、信息化工程建设和管理的重要内容,贯穿于建筑物设计、施工和运营整个过程.本文基于小波分析、BP神经网络、小波分析与神经网络结合的相关理论,借助MATLAB编程,建立了改进的BP神经网络、辅助式小波神经网络、嵌入式小波神经网络3种变形预测网络模型.结合工程实测数据,利用建立的3种模型,分别应用累积沉降和期间沉降不同模式数据进行预测.结果表明,两种小波神经网络组合模型的预测效果明显优于单一的BP神经网络模型,具有更高预测精度和更快的收敛速度,且训练样本数目越多,模型精度越高,预测效果越好.     

基于BP神经网络的就业人口数量预测研究

介绍了重庆市就业人口数量预测的BP神经网络预测模型的设计和预测原理．以2005年的《重庆市统计年鉴》提供的数据为依据,论证了该预测模型的可行性,并用此模型对2006—2008年重庆市就业人口数量进行了预测．     

基于灰色系统和神经网络的高校科技活动投入数据预测组合模型研究

分别使用灰色系统预测模型、神经网络预测模型和灰色系统-神经网络组合模型对高校科技活动投入数据进行预测.结果显示:与其他两个预测模型相比,灰色系统-神经网络组合模型预测效果明显较好,相对误差明显得到改善.使用灰色系统-神经网络组合模型对2015年和2016年高校科技活动投入进行预测.     

城市建筑安装涂料VOCs排放量模拟预测研究

通过建立灰色离散分数阶预测模型GM(1,1)、BP和RBF神经网络预测模型,以西安市建筑安装涂料产生的VOCs为例,将用于建筑安装的涂料量以及其驱动因子数据作为模型的输入值,用收集整理的2004—2011年16组西安建筑安装涂料消耗量数据进行BP和RBF神经网络训练模拟,2011—2014年5组年数据进行检验预测,采用曲线拟合度和相对误差2个评价指标对3种预测模型结果进行比较分析。结果表明,灰色预测、BP和RBF神经网络预测模型的样本训练及预测的平均误差为:-16.53%,、7.05%,和4.73%,,结合真实值与预测值的曲线拟合和误差下降曲线来看,RBF神经网络的预测结果优于BP神经网络预测结果,采用RBF神经网络预测模型对城市建筑安装VOCs的排放量进行预测具有模拟效果好和预测精度高的优势,对城市VOCs的治理有一定的参考价值。     

基于BP-ARIMA组合模型的福建滨海旅游市场规模预测

分别采用ARIMA模型和BP神经网络模型,计算出2018—2025年福建省滨海旅游市场需求量及其预测误差值。考虑到接待游客量历史数据中的线性趋势和非线性趋势,采用组合模型提高其预测精度。组合模型预测结果显示:福建省滨海旅游市场规模未来仍呈递增趋势,2018—2025年市场需求年均增长率为26.35%,2025年游客量将接近2017年的2倍。政府和企业应共同协作,以满足福建滨海旅游市场规模增长的需求。     

黑龙江省玉米单产预测模型的建立及应用

以黑龙江省1980—2012年玉米单产为研究对象,根据时间序列原理和灰色理论原理分别建立玉米单产预测模型,通过平均相对误差绝对值对这两种预测模型分配权重,进而得到玉米单产的整合模型。利用这三种模型分别对2010-2012年玉米单产量进行预测,并与实际值比较,发现整合模型预测精度最高。应用整合模型对黑龙江省2013-2015年的玉米单产进行了预测。     

基于BP神经网络客运量的分析及预测

客运量分析预测是一个复杂的非线性系统，针对传统分析预测方法的不足，采用BP神经网络对客运量进行分析及预测，通过对1990—2002长江三角洲地区社会经济数据与客运量数据的处理，建立了客运量的神经网络预测分析模型，借助MATLAB7．0软件，进行网络学习与训练仿真实验，与线性回归模型分析预测结果进行对比，结果表明应用BP神经网络对客运量的分析预测精度更高、效果更好。