基于熵权-BP神经网络的涉农类上市企业融资风险预警研究

针对涉农类上市企业的融资风险预警问题,首先从企业的资金流融入以及融出两个层面构建了含有15个指标的融资风险预警指标体系;然后收集了24家涉农类上市企业2017年的相关指标数据,并利用熵权法确定各指标层的权重值,结合指标数据计算得到24家上市企业的融资风险预警指数RWI值,即为BP神经网络的输出层;最后通过BP神经网络工具箱建立涉农类上市企业的融资风险预警模型,并进行了神经网络训练以及仿真预测。结果发现,所建立的BP神经网络融资风险预警模型对涉农类上市企业的融资风险预警具有较好的适用性,对企业的融资风险预测与控制具有实践意义。     

基于BP神经网络的财务预警实证研究

运用BP神经网络对我国制造业的上市企业进行实证研究,选取2002～2005年的62家ST企业为样本,并选取同行业、同时期、同规模的健康上市企业进行配对.通过显著性检验对指标进行筛选,并建立单纯依靠财务指标的BP神经网络财务预警模型,比较引入非财务指标后的模型的预测效果,得出引入非财务指标后的BP神经网络财务预警模型更加精确.     

基于神经网络的旅游突发事件预警研究

介绍了旅游突发事件和对其进行预警的意义.基于BP神经网络,建立了旅游突发事件预警模型,并对旅游突发事件预警模型进行了测试.测试结果表明,该模型具有较好的预测效果.     

BP神经网络的模型优化研究及应用

随着神经网络在数据分析、预测及生产控制中的应用,神经网络的优化学习成为研究的一个重要课题。通过探讨BP神经网络模型的建立过程,针对BP神经网络的模型优化问题进行了详细研究。并通过对银行客户分类的仿真实验证明,优化模型能够有效地提高BP神经网络的收敛速度及预测精度。     

基于BP神经网络的煤矿矿用设备安全监测研究

针对目前煤矿矿用设备在安全状况方面存在的问题,鉴于煤矿矿用设备各参数之间存在非线性关系,提出了一种基于BP神经网络的煤矿矿用设备安全检测方法,可实现非在线检测变量的在线估计及预测。将BP神经网络原理运用于煤矿矿用设备安全预警问题中,建立了多指标综合监测(评价)的矿用设备安全预警网络模型,并以实测数据为例对所建模型进行了训练和检验,研究结果表明,BP神经网络具有收敛速度快、逼近效果好、训练结果唯一、精度高等优点,可以较好地模拟煤矿矿用设备性能特性,有效提高了对煤矿设备安全数据的分析与预警。     

基于BP神经网络方法的财务预警模型研究

本文通过BP神经网络方法来建立我国上市公司财务失败的预警模型,该模型对检验样本的预测正确率为85%,实证研究表明,该模型具有较好的预测效果。     

一种时变非线性对象神经网络PID控制的仿真

利用BP神经网络对被控对象进行了控制和辨识,提出了一种基于BP神经网络的PID控制器;给出了相应的控制算法;并对典型的参数时变非线性系统的控制进行了仿真研究。仿真结果表明,同传统PID控制器相比,神经网络PID控制器对于模型、环境具有较好的适应能力与较强的鲁棒性,证明了神经网络控制的优越性。     

基于神经网络预测方法的Web App研究与实现

把神经网络预测模型应用到数字化工程监测安全预警服务平台的开发中,实现在Web程序中增加数值计算的功能,利用BP神经网络模型,采用Web App方式实现对基坑的动态监测预警.     

基于PCA-Rprop神经网络的建筑业上市公司退市风险预警研究

针对标准BP神经网络仅从预测误差负梯度方向修正权值和阈值,存在学习算法收敛速度满、容易陷入局部最小值从而导致模型泛化能力不足的问题.本文提出了一种基于误差反向传播算法(back-propagation algorithm,BP)改进的弹性反向传播算法(resilient back propagation,Rprop),并与主成分分析法相结合,形成了PCA-Rprop神经网络算法.同时,构建包含财务变量和非财务变量的预警体系,运用Matlab软件对我国195家建筑业(涉及房地产概念)上市公司进行退市风险预警实证分析,实证结果表明PCA-Rprop神经网络算法的退市风险预警准确性相较于标准BP神经网络算法和支持向量机模型分别提高了7.03%和10.29%.因此,该模型有望为利益相关者的风险管控和投资决策提供较好的参考依据.     

基于遗传算法的改进BP算法在水污染预警应用

遗传算法与BP神经网络结合,建立嘉陵江水污染颓警系统。通过遗传算法为BP神经网络提供训练样本集,利用改进的BP算法进行训练学习。该BP算法有效控制了陷入局部极小。将学习后的系统用于嘉陵江水污染预测,结果表明该系统提高了嘉陵江水污染预警的准确性和实时性。     

过程质量控制的BP神经网络诊断方法研究

利用BP神经网络建立了过程质量控制图模式诊断模型，并采用单因素法优化了模型参数．仿真结果表明，神经网络能有效识别控制图模式类型，具有较高的识别率，模型符合过程质量智能诊断的基本要求．     

基于BP神经网络的商品库存控制模型

为克服传统商品库存成本过大和消费者满意度过低的弊端,采用BP神经网络方法,以超市一段时间内的销售记录为样本数据,分析BP神经网络库存控制模型的训练过程,并验证BP神经网络的自适应能力、容错能力以及处理非线性关系的能力,保证库存预测的准确性,最终提出基于BP神经网络算法的商品库存控制模型.研究结果表明:该控制模型能够准确高效控制超市商品库存,可以为合理控制库存提供决策支持,有效提高库存控制的效率.     

中小企业板上市公司退市风险预警研究——基于因子分析的Rprop神经网络模型分析

以我国中小企业板上市公司退市风险预警为例,利用弹性反向传播算法(resilient back propagation,Rprop)和因子分析法相结合,建立一种基于因子分析的Rprop神经网络模型。首先利用因子分析法构建包含财务变量和非财务变量的预警体系;其次运用Rprop神经网络模型对我国160家中小企业板上市公司进行退市风险预警实证分析;最后对该模型的有效性进行实证分析,结果表明,该模型对上市公司退市风险预警的准确性比标准的BP神经网络模型和支持向量机模型分别提高2.91%和6.09%。因此,该模型可为投资者决策提供较好的参考依据。     

基于神经网络和不同立地质量的森林蓄积量遥感估测

运用BP神经网络技术建立区分立地质量等级森林蓄积量遥感估测模型并探讨其适用性。以2009年黑龙江省伊春市凉水自然保护区森林资源二类调查数据为基础数据划分森林的立地质量等级,以森林蓄积量为研究对象,基于该地区LANDSAT-TM影像以及DEM数据提取遥感因子,采用BP神经网络方法构建区分立地质量的森林蓄积量遥感估测模型,并引入回归分析方法和不区分立地质量的模型予以比较。结果表明,基于不同立地质量等级的模型明显好于不区分立地质量等级的估测模型,且BP神经网络模型较回归分析模型可以更好地预测森林的蓄积量。经过对比检验,基于不同立地质量等级的BP神经网络模型性能优异,验证总体预测精度高达97%以上、实测值与预测值的R~2在0.94左右;不区分立地质量等级的BP神经网络模型的R~2为0.89,预测精度95%左右。同等条件下,BP神经网络模型较多元线性回归模型的预测精度约提高了3%～5%,R~2值提高了0.1左右。     

基于遗传算法优化的BP神经网络侧翻预警算法

针对轮毂液压混合动力重型商用车,引入基于遗传算法优化的BP神经网络算法建立侧翻预警控制策略.首先,建立重型车辆3自由度侧翻参考模型,选取车辆侧翻预警算法的侧翻指标,并结合参考模型建立侧翻指标观测器;然后,在传统TTR(Time-To-Rollover)侧翻预警算法研究的基础上,引入遗传算法优化的BP神经网络(GANN)对传统的TTR预警算法进行优化,建立基于GANN-TTR的侧翻预警算法;最后,利用Truck Sim仿真软件建立整车模型,利用AMESim仿真软件建立轮毂液压系统模型,在Matlab/Simulink环境下实现侧翻预警算法,并通过Matlab/Simulink、Trucksim和AMESim三软件搭建联合仿真平台,选取阶跃转向和鱼钩转向两种典型工况进行仿真,对比传统TTR、传统BP神经网络以及基于GANN-TTR的侧翻预警算法的预警精度.仿真结果表明,基于GANNTTR的侧翻预警算法能够有效提高预警精度,通过方向盘转角和纵向车速进行算法修正后得到的曲线与理想预警曲线误差最小达5%.     

Buck电路输出电流的神经网络PID控制

简述了降压斩波电路的电路模型,从其原理上解释其非线性输出的原因.其次,描述了传统控制的局限性和神经网络的研究现状,介绍了神经网络的特征和功能.再者,通过神经网络的模型,对BP算法进行了数学公式推导,给出了BP算法的详细思路和具体过程,采用Matlab软件编程实现BP神经网络算法,并将算法训练后的BP神经网络运用到非线性函数的逼近中去.最后,使用Matlab软件下的Simulink模块搭建了降压斩波电路,再分别搭建传统PID控制和神经网络PID控制的结构模型对其进行控制仿真,得到相应的输出电流电压仿真结果图.仿真结果表明,BP神经网络控制器具有更好的控制效果,相比较闭环PID控制器,能够有效克服经典PID控制器在被控对象具有非线性、时变不确定性和难以建立精确的数学模型时,出现的控制结构复杂、参数整定不良和性能欠佳等缺点.     

大型地下空间综合交通枢纽中巨型斜柱长期沉降的监测及预测分析

结构及其重要构件的长期沉降是影响地下空间综合交通枢纽施工安全的关键因素之一,对其开展监测与预测具有重要的工程意义。以深圳市黄木岗大型地下空间综合交通枢纽为研究背景,采用自动化监测系统,首先监测了12轴巨型斜柱施工后的119期长期沉降,分析其长期沉降规律,并评判其预警状态。监测结果表明,斜柱施工后,长期的沉降规律为先在安全状态内小幅波动,再增大至黄色预警状态,最后在安全状态与预警状态之间小幅波动。然后,利用109期监测数据分别构建斜柱沉降的反向传播(back propagation, BP)神经网络模型和遗传算法-BP(genetic algorithm-BP,GA-BP)神经网络模型,并预测之后10期的斜柱累计沉降量以对比验证两种模型效果。结果表明,相比BP神经网络模型,GA-BP神经网络模型的预测值与实测值更吻合。     

基于BP神经网络的杭州紫之隧道最大地表沉降预测

杭州紫之隧道浅埋暗挖北段处于地下水丰富的软弱地层中,施工过程中产生的地表沉降量难以控制,波动范围较大.为了准确评估施工风险,采用BP神经网络对最大地表沉降进行预测.首先对地表沉降的影响因素进行选取和量化,构成样本数据组.然后通过试错法,建立预测精度最高的一般BP神经网络和遗传算法优化的BP神经网络模型,研究发现BP神经网络在预测地表沉降方面效果较好,且使用遗传算法可以进一步提升预测精度.接着探讨了地层渗透性对BP神经网络预测精度的影响,研究发现不考虑地层渗透性会使预测精度大幅下降.最后对BP神经网络模型参数进行了敏感性分析,揭示了预测沉降的变化趋势符合客观变形机理.     

互联网金融企业风险预警模型构建研究

结合互联网金融企业自身特点,建立互联网金融风险指标体系,采用主成分分析和BP神经网络结合的方法,构建互联网金融风险预警模型,将筛选后得到的主成分分析结果输入到训练后的BP神经网络风险预警模型中,进行实证分析.结果显示,训练后模型准确率可以达到96.35%,对于样本预测精准度具有较强作用,从而可以为互联网金融企业提供一种科学有效的风险预警方法,为政府决策部门提供智力支撑.     

基于BP神经网络的船舶航向智能PID控制研究

针对船舶航向控制非线性的特性,以船舶航向运动一阶KT模型为研究对象,设计了基于BP神经网络的自整定PID算法航向控制器。将传统PID与BP神经网络结合,对被控对象由BP神经网络进行辨识,给出PID控制参数,由PID控制算法进行控制并优化收敛速度。根据真实渡轮船舶特征参数,利用MATLAB/Simulink仿真软件建立船舶航向运动控制系统模型。仿真结果表明,基于BP神经网络的PID控制系统超调小、鲁棒性好,可长时间稳定工作,几乎无稳态误差,控制算法的实用性以及动态控制系统的优越性得到验证。