基于BP神经网络的股票预测

股票投资是一项非常复杂的活动。对股票走势的正确预测是非常重要的。本文基于BP神经网络预测模型,对未来股票的走势进行预测,通过实例分析及实际结果,表明BP神经网络的准确性和科学性。     

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。     

采用改进的BP神经网络预测离心通风机性能的研究

ＢＰ神经网络在离心通风机性能预测的研究中具有重要的价值,研究结果表明,对于任意平方可积函数,都可以采用ＢＰ算法通过对样本的学习获得满意的模拟结果,因此,在构造离心通风机性能预测模型中,ＢＰ算法提供了一个有力的工具。但是,在实际应用中,ＢＰ算法的收敛速度很慢,而且,人教学上看,它是一种梯度最速下降法,这就不可避免地存在着局部最小问题,尤其在训练量大、输入参数众多的情况下,学习效果大受影响。作者从改善     

用于股市预测的BP算法的一些改进

补充分析了影响国内股票综合指数预测效果的一些因素,对学习步长η和矩参数α进行了讨论,分析了不同的能量函数对网络及预测效果的影响,运用一些新方法,进一步提高了预测的可信度和正确度,理论分析和数值实验结果表明,人工神经网络应用于股票市场的预测是可行和有效的,有着良好的前景。     

基于BP神经网络的电力系统负荷预测研究

通过对岳阳县地区电力负荷历史数据及特点的研究,分析了影响中期负荷预测准确性的多方面因素,利用日常负荷与气象条件的关系,建立神经网络中期负荷预测模型,研究了这一人工智能技术应用于电力系统负荷预测的可行性。提出了一种基于BP神经网络的综合预测方法,能够稳定和较准确地对电力负荷做出预测。在实际电力负荷预测中,该方法取得了比较高的的预测精度。     

基于PCA的BP神经网络股票预测研究

股票市场是国民经济发展变化的"晴雨表",股票价格的涨跌也是政治、经济、社会等诸多因素的综合反映.近几年来,神经网络取得较大发展已经成为热点研究并在各个领域中得到应用.文章基于主成分分析和BP神经网络,以中国石化100天股票历史技术指标数据作为训练样本对收盘价进行预测,20天数据进行检验,并通过图像仿真拟合来验证神经网络股票预测的可行性和准确性.     

BP神经网络在股指预测中的应用

设计了一个三层的BP神经网络,优化了网络输入,结合Matlab神经网络工具箱,采用LM算法与归一化方法相结合的方法对网络进行训练与仿真,并对上证指数收盘价进行了预测,实验表明网络收敛快,泛化能力强.     

基于BP神经网络的高速公路交通量预测

基于甘肃高等级公路收费年收入的统计数据,结合其收入和交通量之间的粗略关系,运用BP神经网络预测高等级公路各收费站年收入,从而间接地对高等级公路交通流量进行预测,为提高高速公路的管理与服务水平,对提高高等级公路管理部门的信息感知能力和应急处置能力、提高路网运行效率、建设和谐高等级公路具有极其重要的意义。     

BP神经网络在围岩变形预测中的应用

利用神经网络，建立了围岩变形预测的BP神经网络模型，采用围岩变形的实测数据对网络进行了训练，以此训练好的BP神经网络对围岩变形进行了预测。预测结果表明，该模型具有很高的预测精度，为预测围岩变形提供了一种新的方法。     

基于BP神经网络的交通流量预测设计

在研究交通流量特性的基础上,以交通流量控制为最终目标,建立了基于BP(Back Propagation)神经网络的交通流量预测模型.以某市某三叉口路段为例进行仿真模拟,结果表明预测系统能较准确地预测出交通流量状况.     

基于人工神经网络的股市预测模型

建立了构成基于人工神经网络的3种股市预测模型（基本数据模型、技术指标模型和宏观分析模型）,分析了神经网络应用于股市预测的实效性。实证分析表明,3种模型对上证综合指数的拟合效果均较好。在“基本数据模型“中,建立带有附加动量项和自适应学习速率的BP网络,具有较快的运算速度和逼近性能。在“技术指标模型”中,通过一些股市重要技术指标的引入,使其增加了反映市场各方面深层内涵的信息,而且网络的泛化能力有所提高。在“宏观分析模型”中,引入了影响股市的5项主要宏观经济指标,使模型包含了宏观经济基本面的更多信息,强化了股市神经网络模型的应用价值。     

基于神经网络BP算法的市场预测研究

提出了一种利用神经网络BP算法模型于发现和预测商业市场价格变化趋势的模型。文章着重论述了这一模型的设计思想和实现技术，并选择重庆房地产市场为实验研究对象，给出了用所述方法进行房地产价格预测的实验结果。     

BP神经网络IF钢铝耗的预测模型

为了解决某钢厂IF钢冶炼RH精炼过程铝耗偏高问题,通过数理统计和BP神经网络相结合的方法建立了铝耗预测模型,并与多元线性回归模型进行比较,该模型具有更高准确度.该模型分析了不同冶炼工艺参数对铝耗的具体影响,并对相应工艺参数进行了优化.结果表明:脱碳结束氧活度或RH进站氧活度降低0.005％左右,每吨钢铝耗可降低0.07～0.08kg,铝脱氧有效利用系数为70.31％～80.35％;RH进站钢液温度增加35～40℃,铝耗降低1kg左右,铝热反应升温利用系数在97.4％左右;吹氧量小于100m3和大于100m3时,氧气与铝反应的比例分别为37.3％和74.6％左右,吹氧量每增加50m3,铝耗分别增加0.1kg和0.2kg左右.工艺参数优化后平均铝耗由1.359kg降低到1.113kg,降幅达18.1％.