灰色系统理论预测家蚕微粒子病流行研究

研究系首次应用灰色系统理论ＧＭ（１,１）模型结合ＭＩＮＴＡＢ统计软件包编程计算预测广东家蚕原种１９８０～２００１年及普通种１９８３～２００１年的微粒子病发生情况。图１,表３,参６。     

家蚕微粒子病流行发生与气象因子的关系分析研究

通过收集整理广东省家蚕原种微粒子病流行发生的原始数据,利用最优子集回归分析法分析了原种微粒子病发病率与当地气象因子的关系,结果全年原种微粒子病发病率与年平均气温及其距平有极显著的正相关关系。各批次原种微粒子病发病率与相关月份的平均气温相关显著;原种微粒子病年发病率与4、11月两月的降雨量的相关关系较显著;原种微粒子病发病率与5、6、7月两月的日照对数的相关关系显著,与6月份的日照时数呈正相关,而与5、7月两月的日照时数呈负相关。气象因子以温度和日照时数对家蚕微粒子病流行发生的影响最为显著,气温是影响原种微粒子病流行发生的重要原因之一。     

人工神经网络在中长期汇率预测中的应用

本文尝试用人工神经网络方法（ＡＮＮ）预测ＵＳＤ／ＤＥＭ汇率。研究结果表明,人工神经网络算法用于汇率预测是有效的（与随机游走模型相比）。模型中的宏观经济数据采用取对数之差的处理方法,大大扩大了模型的应用范围。     

人工神经网络在非线性经济预测中的应用

运用人工神经网络方法 ,以天津市特定时间段工业总产值为样本 ,进行宏观经济模拟预测分析 ,结果证明与其它经济计量方法相比较 ,其预测精度较高 .人工神经网络应用于宏观经济预测具有广泛的实际应用前景 .     

遗传算法和BP人工神经网络在税收预测中的应用

针对经典的BP人工神经网络所存在的缺陷,结合遗传算法,提出了基于实数编码的GA-BP神经网络税收预测模型。在结合递归预测方法的基础上,该模型取得了令人满意的结果。     

基于主成分BP人工神经网络的人力资本预测

人力资本是决定地区经济增长的重要因素之一,其形成受多种因素的综合影响。通过主成分分析法将众多指标进行综合,消除样本间的信息重叠,降低BP网络的输入维数。针对人力资本系统的非线性特征,运用BP网络高度非线性映射能力,对我国各地区人力资本投资进行了预测。     

人工神经网络在煤矿巷道围岩移近量预测中的应用

首先对煤矿巷道围岩移近量的影响因素进行了分析,由此构造出巷道围岩移近量的人工神经网络预测模型.预测结果表明,该模型具有很高的映射精度.     

能源消费量模拟分析和预测的神经网络方法

基于我国１９７８～１９９４年间能源消费量的实际数据,采用人工神经网络方法对影响能源消费量的主要因素进行了模拟和分析。然后,采用相关因素预测法和组合预测法预测了能源消费量。经实际样本检验表明：组合预测法的预测精度较高。最后,应用组合预测法预测了我国１９９５～２０００年的能源消费量。     

基于人工神经网络与Petri网的宏观经济调控分析

在简要分析人工神经网络方法和 Petri网技术特点的基础上 ,提出了将人工神经网络与 Petri网技术相整合 ,并将其运用于宏观经济调控中的设想 .同时提出了两种技术的整合方法 ,并以中国近二十年来的统计资料为样本 ,进行了宏观经济调控的模拟分析 ,得出此种方法效果较好的结论 .     

利用互联网搜索关注度预测期权隐含波动率变动:基于人工神经网络的分析

本文运用人工神经网络方法,研究互联网搜索对期权隐含波动率的影响.基于标普500指数看涨期权,本文首先建立了一个揭示期权隐含波动率变化与指数收益率、期权Delta和期权剩余有效期之间关系的人工神经网络模型,结果显示此模型的估计精度比Hull和White (2017)提出的解析模型提升了约15%,比Cao、Chen和Hull (2020)提出的神经网络模型提升了约40%.接着,本文引入25个互联网搜索关注度指标,将它们集成一个谷歌趋势指数并作为度量互联网搜索关注度的综合指标.最后,将该谷歌趋势指数的变化率加入到前述人工神经网络模型,从互联网搜索关注度的角度探究期权隐含波动率的动态特征,新的模型进一步提升了约30%的估计精度.     

基于神经网络的社会经济系统分类方法

本文采用ＨＭ神经网络ＢＰ模型，对安徽省各地市工业发展状况进行了分类，旨在探索神经网络模型在社会经济系统中的应用，通过计算与分析，表明与传统的聚类分析相比，人工神经网络有其独特的优势。     

基于神经网络最优组合预测方法的应用研究

针对最优组合预测模型最优权重分配时往往出现负权重等方面的不足 ,建立了基于 Ann模型组合预测模型 ,并进行了实证研究 ,结果表明该模型比最优组合预测具有更高的拟合精度 .最后从机理分析其中的原因 .     

基于多物种进化遗传算法的神经网络进化设计方法

针对神经网络结构设计的问题与一般结构学习方法的不足，提出了多物种进化遗传算法(SEGA)，并以MLP为例给出了基于此算法的神经网络结构进化设计方法。该方法融合了遗传算法与神经网络，具有模型搜索空间广泛、算法适应性强的特点。仿真结果表明该方法是有效的。     

一种基于环境预报数据的阵风建模方法

针对现有飞行器仿真试验自然环境模型,研究环境预报数据转换和处理方法;基于随机波浪理论,建立二元阵风紊流数学模型,并研究该模型的仿真建模方法;基于Davenport谱建立基于环境预报数据的阵风紊流模型,并引入到飞行器六自由度数学仿真试验中,得到阵风紊流对于飞行器飞行状态的影响情况。试验结果表明,阵风紊流对于飞行器攻角影响较大,对于飞行高度影响较小,利用阵风紊流模型开展飞行器航迹仿真试验切实可行。     

基于R/S分析的水资源预测

根据水资源丰枯变化的历史和实测资料 ,利用 R/ S分析的原理和方法 ,计算了 H指数 ,建立了 R( i) / S( i)与 i的关系式 ,对水资源的丰枯变化趋势进行了预测分析 ,结果较好 ,因而是水资源预测的一条比较有效的途径     

基于支持向量机的武器系统费用预测分析

采用了一种基于支持向量机的武器系统费用预测方法,计算结果表明,这种方法有效解决了神经网络方法出现的过拟合、网络结构难以确定等问题,与传统的方法相比较,有更好的泛化能力,因而该方法可以作为研究此类问题的新途径.     

基于神经网络的混沌系统状态预测

在对混沌时间序列的未来状态进行预测时,必须能够正确确定重构序列相空间时的最优时滞及最优嵌入维数,并根据序列状态的变化选定适当的模型进行预测。利用时间序列的自相关函数来确定时滞τ值,利用混沌序列嵌入维数与关联维数的关系来确定最优嵌入维数m值。在此基础上,选择神经网络模型来逼近真实系统,并采用一种新的算法来确定网络权重。最后,通过Logistic映射所产生的时间序列对所述理论进行了实证研究。     

State Prediction of Chantic System Based on ANN Model

The choice of time delay and embedding dimension is very important to the phase space reconstruction of any chaotic time series.In this paper,we determine optimal time delay by computing autocorrelation function of time series,Optimal embedding dimension is given by means of the relation between embedding dimension and correlation dimension of chaotic time series,based on the methods above,we choose ANN model to appoximate the given true system.At the same time,a new algorithm is applied to determine the network Weights.At the end of this paper,the theory above is demonstrated through the research of time series generated by Logistic map.     

State Prediction of Chaotic System Based on ANN Model

0　 IntroductionFor a chaotic system characterized by an one- dimensional time series,the appoximating re-sult of ANN model to it is affected greately by the choice of network input series.Theconventional method of determining the input series is qualitative analysis,which bringsmany subjective factors into system appoximation. Itwill make system appoximation moredistorted. To resolve this problem,we introduce the theory of chaos in this paper,andthree steps are described:( i) the reconstruc…     

基于多元判别分析和神经网络技术的公司财务困境预警

应用我国上市公司的财务报表数据，采用多元判别分析（MDA）技术和神经网络（ANN）技术对我国上市公司进行财务困境预警研究。实证结果显示这两种方法都具有较好的预测效果，其中ANN模型的短期预测效果优于MDA模型的预测效果，但无明显的优势。研究同时证明在现有会计制度和会计准则下。财务报表能提供预测财务困境的大量有用信息。财务危机有踪可寻。