组合预测模型在物流需求预测中的应用

通过对物流需求影响因素的分析，建立了回归分析、灰色系统及神经网络方法的物流需求单项预测模型，鉴于单项预测模型的局限性，以误差绝对值加权和最小为最优化准则，建立了物流需求组合预测模型，并辅以实例进行分析和验证，通过误差的分析表明该模型能够改善预测精度，可以作为未来物流需求量预测的有效工具。     

几种作物产量预测模型及其特点分析

作物产量预测是农业科学研究的一个重要内容，是农业决策的重要依据，不少学者进行了大量研究并建立了许多预测模型。简述了常用的GM（1,1）灰色预测模型、趋势一随机预测模型、神经网络预测模型和组合预测模型的原理、方法，并就应用情况及其特点进行了简要评价，为人们的选择性使用提供依据。     

数学模型中预测模型的应用及比较分析

针对学生在建立预测模型时不能准确判别使用合适的预测模型的问题,归纳了几种使用较多的预测方法：多元回归预测模型、灰色预测模型、BP神经网络模型、微分方程模型。对每种预测模型做了简单的介绍分析和适当地对某些模型进行了改进,总结了相应的优缺点以及各自适用的预测范围。     

基于神经网络的预测模型的比较研究

随着经济预测、电力预测等各种预测的兴起,预测对各种领域的重要性开始显现.针对在建立预测模型时不能准确判别使用合适的神经网络,论文归纳了几种常用干预测的神经网络:BP神经网络、RBF神经网络、小波神经网络、组合神经网络,并总结了相应的优缺点,及其适用的预测范围.以某蓄电池厂近几年的销售量为例,检验各种预测模型的精度.预测结果显示,用单一预测模型进行预测时,因自身的局限,使其预测精度和稳定性不高.相比之下,组合预测模型更能有效提高预测精度,可以较充分的降低预测风险,保证预测结果的稳健性.     

一种新的组合灰色神经网络预测模型

对GM（1，1）灰色和几种灰色组合模型进行了讨论，针对多个相关序列预测的问题，提出了组合灰色GM（1，1）神经网络预测模型。此方法采用灰色模型对各序列进行预测，然后利用神经网络对预测值进行校正，得到最终预测值。实例表明此种模型在实际应用中的确能够提高预测精度。     

一种组合预测模型及其应用

在分析宏观经济灰色预测模型、BP神经网络预测模型、回归分析预测模型等基础上,结合西安市宏观经济预测模型指标GDP的历史数据,采用最小二乘法求权系数的方法,建立并检验了一种组合预测模型.实验证明该模型的预测精度有显著提高.     

灰色组合预测模型应用研究

道路交通事故预测是道路交通安全研究的一项重要内容,它的目的是为了掌握交通事故的未来发展状况,对交通安全措施的可行性和实施效果进行合理评价,有效地控制各影响因素,达到减少交通事故的目的．可构建适应道路交通系统多属性特点的道路交通事故预测模型：灰色预测及其改进模型、神经网络预测模型、灰色神经网络组合预测模型．实证结果表明,灰色组合预测模型能够充分发挥各单一模型的优点,同时弱化了单一模型的缺点,比单一模型的预测结果更理想,精度更高．     

灰色系统理论与神经网络的宏观经济预测模型研究

灰色建模要求的样本点少,不要求样本有较好的分布规律,而且计算量少,操作简便.而BP网络在对样本进行学习时,会对输出误差进行反馈校正,具有并行计算、分布式信息存储、容错能力强、自适应学习功能等优点.本文将灰色预测建模和神经网络技术融合起来建立灰色神经网络组合模型.应用于青海省宏观经济的预测,实证表明,该组合模型精度方面比常规灰色模型要好.组合的算法概念明确,计算简便,有较高的拟合和预测精度.它的提出拓宽了灰色模型的应用范围.     

基于BP神经网络优化的灰色线性回归组合模型应用分析

在分析灰色线性回归组合预测模型基本原理的基础上,利用MATLAB强大的计算功能,实现组合预测模型算法。通过实例分析发现拟合结果对实测值出现一定的波动性,故通过建立实测值与模拟值之间的比值序列,再利用BP神经网络模型对该比值序列进行建模优化,以进一步优化组合模型的预测精度。最后实例证明了该优化模型具有较高的拟合和预测精度,是一种可行、有效的优型变形数据分析模型。     

灰色系统理论与神经网络的色谱保留值预测模型研究

灰色建模允许样本点少,不要求样本有较好的分布规律,而且计算量少,操作简便。而BP网络在对样本进行学习时,会对输出误差进行反馈校正,具有并行计算、分布式信息存储、容错能力强、自适应学习功能等优点。本文将灰色预测建模和神经网络技术融合起来建立灰色神经网络组合模型,应用于色谱保留值的预测。实证结果表明:该组合模型精度方面比常规灰色模型要好;组合的算法概念明确,计算简便,有较高的拟合和预测精度。组合模型的提出拓宽了灰色模型的应用范围。     

SARS经济预测模型

利用经济预测方法，建立了非典数学模型，分别利用0．618法、时间序列的指数平滑技术及温特法对数据进行纵向和横向处理，得出了数据预测趋势走向图和统一预测公式．     

改进PSO的WNN模型在短期负荷预测中的应用

针对电力系统负荷预测中实际的负荷数据往往具有极大的波动性,模型呈现出极大的非线性,提出一种改进粒子群优化的小波神经网络模型,将其应用于电力系统的负荷预测研究.首先,分析和介绍了小波神经网络和改进的粒子群算法的基本原理和优点;其次,将改进的PSO算法用于优化小波神经网络的参数优化;最后对改进的PSO-WNN负荷预测模型进行仿真分析.实验结果与传统PSO-WNN的实验结果进行对比,证明改进的PSO能够提高模型的运算效率和负荷预测精度.     

沉降组合预测模型研究及其应用

在已有工作的基础上进行组合建模研究,将基于预测有效度的组合预测模型用于建(构)筑物沉降分析.研究显示,组合预测模型的预测精度较单个预测模型的精度高,主要体现在预测误差较小,最大误差<6%.这有助于准确地预测沉降,从而使后期施工组织安排达到最优化,具有一定的经济效益.可以预见,经过模型的不断更新,当实测数据充分可靠时,对其长期趋势的预测可取得可靠的结果.     

经济增长中全要素生产率的灰色神经网络预测模型

为克服以往研究成果中注重全要素生产率测算的弊端,将PGM(1,1)模型与贝叶斯正则化神经网络相结合,建立了全要素生产率的PGM(1,1)—贝叶斯正则化神经网络组合预测模型,以中国全要素生产率预测为例,验证了模型的有效性和实用性,为研究全要素生产率开辟了新的思路.     

组合预测模型在北京市汽车拥有量预测中的应用

将单项预测模型有机地结合,从相关性角度出发,各单项模型在各时点的权重系数与该时点的预测精度有关,得到了基于Theil不等系数的IOWGA算子组合模型,克服了传统组合预测的缺陷.介绍了相应的优性组合预测的概念,并利用该组合模型对北京市家用汽车拥有量进行预测,5种误差指标值均较低,说明了本文方法的有效性.     

改进粒子群优化 BP 神经网络的洪水智能预①测模型研究

该文提出改进的PSO-BP算法在洪水预测应用中建立预测模型.以BP神经网络为基础,提取观测站往年平均径流量作为洪水属性.采用改进的PSO-BP算法对神经网络的各个参数进行优化,最后建立模型应用于流域观测站的洪水预报模型,叙述了PSO粒子群算法和BP神经网络算法,详细阐述粒子群算法优化BP神经网络的权值和阈值,得出最优的BP神经网络预测适应度值.通过实验仿真对比,结果表明此方法预测结果比BP神经网络算法和混沌径向基神经网络模型算法精度更高,提高了预测的效率.     

基于改进BP网络的经济发展预测模型及应用

分析了标准BP神经网络用于复杂经济系统预测的原理以及其中存在的弊端,通过综合运用附加动量法、改变作用函数的方法、以及将预测对象从生产总值改为生产总值增长率的方法,改进BP神经网络用于经济预测时的精度、收敛速度及易陷入局部极值等问题,并将改进后的新方法运用于江苏省第三产业生产总值的预测,通过实验证明改进的BP神经网络在经济系统预测的应用中具有良好的效果。     

图书流量预测模型

根据美国某大学11年的图书借阅量，分析借阅的图书的分布特点，建立模型，并通过模型来预测各类图书在未来时间里的需求量。     

动态线性预报模型的研究

分析了镗孔尺寸误差规律,提出了动态线性预报模型,研究了动态线性模型中参数的自修正算法。     

灰色预测GM(1,1)模型的研究与应用

运用灰色系统GM(1,1)模型进行预测时,模拟精度和预测精度是关注的焦点.对原始数据构造缓冲算子和进行完整的前期检验,运用等维灰数递补的动态建模方法,针对误差建立残差修正模型,都可以提高预测的可信度.本文通过归纳建模各阶段可能出现的典型问题以及解决方法,以期对建立优化模型有所帮助.