在约束条件下考虑红利提前退休的最优投资组合

分别研究了在退休期限和借贷约束条件下提前退休的最优投资组合问题,其中考虑风险资产派发红利的情形;退休期限和借贷约束条件会使代理人相应地改变投资策略;运用了随机控制等方法,得到了代理人在约束条件下最优消费投资组合策略显示解.     

基于小波与径向基函数的大气污染预测研究

提出了一种实用于大气污染物的小波分析和RBF(RadialBasisFunction)神经网络相结合的预测方法,对污染物TSP(TotalSuspendedParticles)进行预测,得到与观测值相符的结果。应用小波分析进行检测,消除了预测数据中奇异点所包含的奇异信号。在此基础上应用RBF神经网络进行预测,研究结果表明,小波分析的利用提高了预测精度,验证了该方法简便、快捷,具有较强的实用性,为环境管理部门宏观调控提供了理论基础。     

自适应模糊神经网络在某电力公司一产用电量预测中的应用

运用自适应神经网络模糊推理系统(ANFIS)理论,建立了某电力一产用电量预测模型,并与常用的一些预测方法所建模型进行了比较.结果表明,应用自适应神经网络建模方法简单可靠,精度极高.     

基于灰色系统理论的科技人才需求预测

一个地区在制定发展规划和作出各种决策时,必须对未来的科技人才数量的发展趋势作出估计,正确制定人力资源开发和管理战略.科技人才系统与社会经济的发展有着十分密切的关系,此关系中含有许多未知信息,可以利用"小样本,贫信息不确定"问题和"外延明确,内涵不明确"的灰色系统理论,建立灰色预测模型,对科技人才系统作较全面的分析,并作较长期预测.     

自适应模糊神经网络在工业用水量预测中的应用

阐述了自适应模糊推理系统(Adaptive Network-based Fuzzy Inference System,ANFIS)网络,提出了工业用水量预测的ANFIS网络预测模型,并以黄河流域1993-2002年工业用水量为训练样本,以2003年、2004年工业用水量为校验样本,结果表明,ANFIS神经网络预测模型具有很高的准确性和实用性.     

RBF神经网络在安徽省固定资产投资总额预测中的应用

利用先进的径向基函数(RBF)神经网络,对安徽省固定资产投资进行了实证预测研究.结果表明,利用RBF网络建立的固定资产投资预测模型经过训练后,可得到较精确的预测结果,并具有较强的适应性.     

ANFIS在企业人力资源预测中的应用

企业人力资源是影响其生存发展的关键因素,以此为研究对象,建立自适应神经模糊推理系统(ANFIS)预测模型,通过对某集团公司的人力资源进行预测来探讨自适应神经模糊推理系统在这一领域的应用前景,并将预测结果与普通FUZZY模型进行比较.结果表明,前者预测误差较小,满足精度要求,具有很高的理论价值和实际应用价值.     

基于SVM和神经网络组合预测模型的物流需求预测

物流需求的定量数据是区域物流发展政策和规划的重要依据,影响物流需求的因素很多,传统的预测方法无法全面考虑各种因素,预测精度较低。为了提高物流需求预测的精度,采用组合预测的方法,建立一种基于支持向量机和神经网络的组合模型。首先采用支持向量机进行预测得到预测基本数据,然后通过BP神经网络进行残差修正,通过算例仿真分析,结果表明组合预测模型具有更高的精度,是一种有效的预测方法,为物流需求预测提供了新的思路。     

模糊聚类在电力负荷预测中的应用

根据电力市场负荷信息,结合相关历史数据与资料,分析电力市场的负荷走势,应用Matlab神经网络工具箱的信息处理技术,预测未来各月的负荷,为决策人员提供及时、科学的决策信息.应用相应的隶属度来描述负荷与影响负荷因素之间的关系.对安徽某地区的月负荷数据进行了具体计算,结果表明该方法的可行性和有效性.