W-RBF神经网络模型在中药材价格预测中的应用

中药材作为一种特殊的农产品,其价格态变化过程呈现出高度复杂的非线性特征,增加了中药材价格预测的难度.通过研究影响中药材价格的主要因素,并在分析传统价格预测方法的基础上,针对中药材价格变化具有随机性、突变性和非线性的特点,通过小波和RBF神经网络结合构建一个中药材价格预测模型(W-RBF).采用W-RBF神经网络模型对白芍价格进行预测,并将预测结果与RBF神经网络模型预测结果做了比较.实验结果说明,W-RBF神经网络模型预测准确率明显提高,比RBF神经网络模型更具优越性.     

自贡市房价走势分析——基于马尔可夫转换波动和改进的小波神经网络

本文应用马尔可夫转换波动和改进的小波神经网络理论及软件,对自贡市房地产价格走势问题进行分析,建立房地产价格波动模型。得到影响房地产价格的实际利率变动率、人口增长指数、建安成本指数和人均支配收入四大主要因素,对自贡市房地产价格走势进行预测。具有较强的实践性。     

混沌理论在"价格钉"预测中的应用

“价格钉”是电能价格随时间变化过程中出现的一种波动现象。对“价格钉”形成的机理、影响因素及表现形式进行了研究,在分析其产生原因的基础上,利用负荷和电价之间的相关性,提出了一种基于混沌理论和神经网络的电价预测模型,并对其进行了改进。模型分析及实际算例表明,该模型可大大减少网络的训练次数,提高预测精度。     

重复购买与市场变化下产品扩散实证研究

重复购买以及市场环境变化对产品扩散有影响作用,从而限制了基本产品扩散模型的应用.通过构建反映动态市场变化的环境变量集合,基于影响系数对产品扩散模型做出修正,同时考虑重复购买因素,得到重复购买与市场变化下的产品扩散模型.以我国汽车产品细分市场之一的微型交叉型乘用车产品扩散为实例,将超过使用年限后的重复购买因素与市场的燃油价格、产品价格、宏观政策等因素作为修正变量融入扩散模型,分析目标产品的扩散规律.研究结果表明,加入重复购买与动态市场因素后,模型计算结果拟合度提高13%,预测结果的误差平均绝对比率由23.93降低至5.5.由此可知,提出的扩展产品扩散模型在解释能力和预测能力上均优于基本模型。     

基于BP神经网络的我国股指期货价格预测

应用BP神经网络理论提出了我国股指期货市场价格走势短期预测模型。首先根据实验数据的特点分别构建单因素、多因素BP神经网络预测模型,再通过重复试验的方法,运用BP神经网络对股指期货价格序列进行训练,从而对股指期货价格进行预测。结果表明,通过BP神经网络预测模型得到的预测值与股指期货的实际价格有着很高的拟合度。     

基于长短时记忆神经网络的生猪价格预测模型

生猪价格序列的长短周期现象是困扰生猪价格预测的一个难题.针对这一问题,研究了生猪价格序列的波动特点和影响因素,提出了萤火虫算法(firefly algorithm,FA)优化长短时记忆神经网络(long-short term memory,LSTM)的生猪价格预测方法.首先对生猪价格序列进行预处理和分析;然后采用萤火虫算法优化LSTM的模型参数,根据得到的最优参数建立了3种预测模型,分别能够对未来1、2、8周的生猪价格进行预测.结果表明:文中方法的平均绝对误差、均方根误差和确定系数分别为1.4558、4.9102和92.57％,相比传统的浅层预测模型和未经优化的LSTM模型精确度更高,能够解决生猪价格周期长短变化带来的预测困难,适合对生猪价格以及与其有相似特点的农产品价格序列预测.     

煤与瓦斯突出预测灰色理论-神经网络方法

将灰色理论-神经网络方法应用于煤与瓦斯突出预测中,利用灰色系统理论的灰色关联法确定了控制矿井煤与瓦斯突出的主控因素,并对煤与瓦斯突出主控因素进行筛选. 建立了煤与瓦斯突出危险性预测人工神经网络的数学模型和系统结构. 在平顶山八矿突出区进行了煤与瓦斯突出危险性预测应用,预测效果表明:利用灰色系统理论-神经网络方法对预测矿井煤与瓦斯突出是可行的.     

基于神经网络技术的股票频谱分析

根据艾略特波浪理论以及波浪理论中的各参数具有费波纳奇数列关系的特征,分析股票价格波形的特点;运用人工神经网络模型,提出基于波形分解与重构的神经网络预测方法,给出具体的实现过程.研究结果表明:通过波形分解与重构,把原始价格时间序列分解为规律相对简单、不同频率范围内的子波动序列来提高神经网络的预测精度,实现对特征不同的信号选取不同的参数模型进行预测;采用傅里叶反变换拟合出股价波动变化趋势的曲线,以达到预测股价波动变化周期的目的.     

基于组合模型的大宗商品价格预测与可视分析——以甲醇价格为例

大宗商品价格因受国际和国内众多因素的影响而具有较大的波动性,对其进行准确预测具有较大的挑战.从对大宗商品价格影响因素的筛选出发,提出了基于因素分析的组合预测方法.对一年期的甲醇价格的跟踪预测表明,以广义自回归条件异方差(generalized auto-regressive conditional heteroskedasticity,GARCH)模型和自回归移动平均(auto-regressive and moving average,ARMA)模型相结合的组合预测模型对甲醇价格的中长期趋势预测有较好的效果.为结合专家的经验判断,弥补已有方法对波动拐点预测滞后的不足,并对各类组合模型的预测效果进行动态比较,构建了一个融合专家经验值的动态可视分析系统.     

基于小波去噪的灰色关联BP神经网络在大坝沉降变形监测中的应用

针对大坝变形中存在多种影响因子干扰的问题,提出了基于小波去噪的灰色关联BP神经网络模型.首先利用小波阈值去噪方法对数据进行处理,然后通过灰色关联分析对大坝沉降变形监测中多种影响因素计算分析,得出关联度大的影响因子,将灰色关联分析和BP神经网络相结合建立模型,最后与未经数据处理的灰色关联BP神经网络以及卡尔曼滤波模型进行对比分析,得出结论.实验表明,经过小波去噪数据处理后,提高了灰色关联BP神经网络模型的预测精度和可靠性.通过灰色关联分析,可以对大量的输入变量进行处理,而不必经过主观的筛选,进而增加了BP神经网络的适应能力,同时预测的结果比其他单一模型更加接近最终实测值,具有更高的准确性与可信度.     

基于RBF神经网络的股市建模与预测

提出一种基于ＲＢＦ神经网络的股市预测建模方法,并采用递阶遗传算法训练ＲＢＦ网络的参数、权重和结构,对上证综指和个股（伊利股份）的建模与预测结果表明,该训练方法使ＲＢＦ神经网络具有很强的学习与泛化能力,它在股市这样一个复杂的非线性随机系统建模中具有很高应用价值。     

基于系统动力学视角的武汉市商品住宅价格分析

与商品住房价格相互影响的因素很多,其关系复杂,对其进行单独分析很难取得良好的效果,而利用系统动力学则可以很好地解决这一问题。针对武汉市商品住宅市场的实际情况,借助系统理论,对影响其价格的各方面因素进行综合考虑,把其看成是一个系统,然后利用系统动力学原理对其建立相应模型并进行仿真与分析,得出武汉市商品住宅价格及其相关影响因素的变化趋势,为武汉市商品住宅宏观调控提供相关理论依据。     

基于遗传神经网络的个股价格短期预测

针对个股价格的短期预测,提出了一种基于遗传神经网络算法的股票收盘价格分析和预测方法,在允许的相对误差下,所得到的模拟结果表明预测系统能够较好地预测股票价格的趋势.人工神经网络预测股票价格具有良好的应用前景,而遗传神经网络算法则可提高预测的速度和可靠性.     

预测基础上考虑价格折扣的两级供应链库存模型

首先提出一种变权重的灰色．神经网络（VW-CNN）组合预测模型，并将其用于某耐火公司产品销售量的预测。进而针对一个供应商、多个销售商组成的两级供应链的库存系统，提出了一种面向预测的采购策略。在此基础上建立了考虑价格折扣的两级供应链库存数学模型，并运用一种简单而有效的方法求出了模型最优解，确定了供应链中各企业的最佳订货批量。     

国内外成品油价格形成机制及其对军品价格管理的启示

石油作为重要的战略资源,特殊的公共商品,具有天然的垄断性,其价格形成不仅受市场影响,还一定程度受政府控制。目前,美国、日本和西欧等国外石油定价主要采用市场定价的模式,我国也正处于政府定价向市场定价的过渡时期。军品是特殊的商品,其公共性与垄断性一定程度上与石油相似。借鉴国内外石油价格形成机制,探讨军品价格管理的改进措施：加强市场调节在其价格形成中的作用,以适应市场经济的需要;促进军品市场竞争主体的多元化,以削弱垄断的影响;建立合理的价格调整机制,以应对市场因素的变化。     

基于价格的产品质量损失建模与分析

产品价格既是制造销售商与用户双方利益平衡的反映,也是双方对产品性能、质量的综合认识,可以直接用于度量产品上市后给社会带来的损失.基于此观点,提出了一种分段线性质量损失模型(以下简称为价格模型).以某型号微电机的铁芯外径为例,深入探讨该模型中的重要参数对铁芯质量损失的影响,并通过与田口质量损失模型对比分析,得出价格模型比田口模型更加符合实际.该模型为产品的公差优化设计提供了条件,丰富了质量损失领域的内容.     

可变保留价格下的三阶段水平差异模型

分析了利润最大化厂商可以通过改变产品质量方式内生来改变消费者保留价格的三阶段水平差异模型，在单位周长的圆周城市模型中，厂商在第一阶段进入并选址，第二阶段选择产品质量，第三阶段进行价格决策，针对一特定的质量成本函数讨论了模型的子博弈精炼纳什均衡，厂商的质量选择策略符合社会最优，但行业过多的进入最终导致质量下降。     

基于灰色-马尔可夫模型的上海房价走势实证研究

针对房地产营销过程中,价格变化随机性的特点,将灰色GM(1,1)预测与马尔可夫预测有机结合,构成灰色-马尔可夫预测模型,对未来某一时段的房价的灰色预测结果做马尔可夫评价。结果表明,该模型是切实有效的。因此,此模型可用于指导房地产政策的制定。     

中国建筑产品价格先导变量研究

把握建筑产品价格变动趋势对建筑市场上各利益主体的投资决策、建筑需求、建筑业产出甚至宏观经济的发展都至关重要,而建筑产品价格先导变量是建筑产品价格变动的晴雨表,基于修正的Granger因果关系,结合中国建筑产品价格时间序列的特征,引入了表征国内建筑市场成熟度的虚拟变量,发现广义货币供给量、建筑材料出厂价格指数、建筑业劳动生产率、已完大中型建设项目个数及城镇居民消费价格指数构成中国建筑产品价格连续的先导变量,同时发现中国建筑市场在1984年和1991年发生了两次比较显著的结构变更,且1991年以后,国内建筑市场的市场化程度已经较高,建筑市场的实证分析结果与市场经济理论的符合程度较以前有了显著提高。     

基于小波分析和RBF神经网络的铜价预测

提出一种非线性时间序列预测方法,即把小波分析结合RBF神经网络预测方法对非线性时间序列进行预测。对铜价的预测结果表明,该方法比单纯的小波预测或单纯的RBF网络预测精度高,可以很好的应用于某些非线性时间序列的预测中。