神经网络和相似搜索技术的电力价格钉预测方法

本文提出了一种基于rbf神经网络的直接预测法,对公路货运量进行了预测,并利用matlab工具箱予以了实现.对2004和2005年公路货运量预测的结果表明,预测值与国家统计局公布的实际数值有很好的一致性,预测精度也高于其它rbf预测法,有很好的应用性.

为了对民航系统安全运行状态进行科学的分析和预测,针对反映民航系统安全运行状态的重要指标之一——飞行事故万时率,采用bp神经网络的时间序列非线性预测模型及方法,对其进行了分析研究和仿真验证,计算结果表明,该预测方法是可行的,并与实际具有较好的一致性。

公路货运量受多种因素影响,各因素的作用机制通常不能准确地用数学语言进行描述。采用广义回归神经网络(grnn)对货运量进行分析及预测。通过对1995~2003年南京市公路运量的历史数据进行分析和处理,对网络进行训练和拟合,用2004~2005年的实际数据进行模型检验,结果证明了grnn用于货运量预测的有效性。

通过对公路货运量的预测方法进行研究比较,并根据公路货运量形成的复杂和非线性等特点,建立bp神经网络预测模型.利用黑龙江省公路货运量及其相关影响因素的实际数据,确定网络输入与输出样本,并对bp神经网络预测系统进行训练和预测.通过对网络输出的误差曲线图的分析,验证bp神经网络预测系统的精确性和简单方便性,提高了公路货运量预测的精确性.

为简化震害预测工作,提出一种以房屋普查数据为震害影响因子并利用人工神经网络模型为工具的震害预测方法。从以往震害实例中选取了具有典型破坏特点的建筑物作为神经网络的学习样本,用收集的数据对网络进行了训练并得到了收敛的网络,应用此收敛的网络对一组新的房屋数据进行震害预测,结果表明了运用此方法和模型的实用性。

针对深基坑系统的复杂的非线性及基坑工程变形多步预测的重要性,将人工神经网络技术引入其中。分析了用bp网络进行多步预测时存在的不足,提出了基于递归神经网络的基坑工程变形多步预测模型。通过一软土深基坑工程变形多步预测实例的分析,论证了递归神经网络用于基坑工程变形多步预测的可靠性和实用性。该方法有效可行,在其他领域的多步预测中同样具有广阔的应用前景。

房地产业是国民经济发展的重要支柱产业之一,因此,科学预测房地产价格指数具有十分重要的意义。将神经网络算法应用于房价指数预测,收集我国主要城市的房地产价格指数数据,使用spssclementine软件进行分析。实验结果表明,该预测方法是可行的和有效的。

文章针对房地产价格的动态特性,提出了基于elman神经网络的房地产价格预测方法,并通过其对上海市房地产价格的预测,证明了该方法的有效性,为房地产价格预测提供了一条新的方法。

本文结合住宅房地产的价格理论和相关网站上的数据,科学地选取影响商品住宅价格的影响指标为人均gdp、人均可支配收入、人口数量、房地产开发投资额和商品住宅建筑面积,并以此建立hedonic商品住宅价格影响因素模型。依照bp神经网络预测的实现步骤,探索bp神经网络在预测海口市商品住宅价格的应用,得到2018年6月-2019年5月商品住宅价格预测值,对海口市商品住宅价格的研究具有一定的指导作用。

基于神经网络房地产价格指数的预测研究——研究表明,房地产价格指数常表现为非线性,要对它进行预测就必须利用一种能模拟非线性的模型。从理论上讲,神经网络能够无限逼近非线性函数,所以本文便尝试采用神经网络模型作为预测的模型。本文具体运用的是基于误差反向...

在岩土工程中如何准确预测桩基竖向承载力是一件非常重要的事情。针对现有研究存在的不足,基于标准bp神经网络算法,加入一动量因子,建立了修正的bp神经网络模型,对单桩的竖向承载力进行了预测。以镇江市勘察测绘研究院所完成的地质勘查报告为工程背景,以地震波静力触探测试(scptu)测得的4个指标(锥尖阻力、锥侧摩阻力、剪切波速和孔隙水压力)为输入参数,桩基承载力为输出参数。通过与现场静载试验进行比对,得到了相关系数较高的桩基荷载响应曲线。经过与传统预测方法进行比较发现,用修正的bp神经网络算法可以有效预测桩基竖向承载力,精度较高。

在岩土工程中如何准确预测桩基竖向承载力是一件非常重要的事情。针对现有研究存在的不足,基于标准bp神经网络算法,加入一动量因子,建立了修正的bp神经网络模型,对单桩的竖向承载力进行了预测。以镇江市勘察测绘研究院所完成的地质勘查报告为工程背景,以地震波静力触探测试（scptu）测得的4个指标（锥尖阻力、锥侧摩阻力、剪切波速和孔隙水压力）为输入参数,桩基承载力为输出参数。通过与现场静载试验进行比对,得到了相关系数较高的桩基荷载响应曲线。经过与传统预测方法进行比较发现,用修正的bp神经网络算法可以有效预测桩基竖向承载力,精度较高。

提出了一种基于灰色模型和神经网络组合的短期负荷预测方法。首先利用频域分解消除负荷序列的周期性,然后利用灰色模型计算负荷序列的历史拟合值和未来预测值,将其作为神经网络的输入。在历史数据中选择一天作为基准日,以该基准日的量为参照,以负荷的灰色模型拟合值相对基准日的变化量,以及温度变化量为bp神经网络的输入,实际负荷变化量为输出,训练神经网络并预测待预测日负荷的变化量,加上基准日负荷后得到预测负荷。该方法综合了灰色模型方法和神经网络方法的优点,仿真结果验证了方法的有效性。

公路客运量和货运量预测是一个复杂的非线性问题,由于影响因素较多,难以用普通的数学方法建模,而建立bp神经网络可以表达这些非线性问题。根据公路客运量货运量历史数据及其相关影响因素数据建立了bp神经网络预测模型。利用实际数据确定网络输入与输出样本,对bp神经网络预测系统进行训练和预测。通过对网络输出预测结果与实际数据的分析,验证了bp神经网络预测系统的精确性和方便性,提高了公路客运货运预测的精确性。

基于混沌优化-神经网络的单桩竖向极限承载力预测方法——分析了bp神经网络和混沌优化的特点，并将混沌优化方法和梯度下降法结合起来构成一种新的组合搜索优化方法。结合珠江三角洲大量试桩资料，建立了基于混沌优化一神经网络的单桩极限承载力预测模型。实例研...

为提高铁路货运量的预测准确性,运用灰色关联分析法,计算分析了与铁路货运量相关的主要社会指标,确定铁路货运量的影响因子分别为铁路运营里程、铁路电气化里程、铁路复线比重、公路运营里程、固定资产投资总额和钢材产量。将所确定的因子作为铁路货运量的预测指标,建立基于bp神经网络的铁路货运量预测模型,并对模型进行了应用测试。结果表明：bp神经网络模型具有较高的精度,最大相对误差为3.7%,平均相对误差为2.3%。该方法具有较快的收敛速度和较高的预测精度,可为我国铁路货运量的预测研究提供方法支撑。

文章通过分析调查影响自贡房地产市场的主要因素,基于bp神经网络,结合自贡住宅市场的实际情况,建立两类bp神经网络预测模型:基于时间序列的趋势预测模型、基于影响因素的回归预测模型,预测了自贡房地产市场价格走势。模拟预测2010年的结果证明了2011年房价预测的有效性,可为自贡城市建设的可持续发展提供有价值的指导意见。

为了保证电梯系统安全可靠地运行,需要对电梯进行故障预测.论文分析了电梯系统故障预测的重要性及神经网络预测原理,提出了基于神经网络的电梯门系统故障预测方法.仿真结果表明了该方法在电梯门系统故障预测中的有效性.

将bp神经网络用于电力负荷预测。给出了具体的数据处理方法、神经网络构造及预测结果评价方法。在南京市夏季电力负荷统计数据集上面的实验结果表明,bp神经网络能够对电力负荷进行较好地预测。

基于人工神经网络蔬菜价格预测

强烈的地震给人们生命财产带来巨大损失,为了能够在地震之前预测出建筑物震害,提出一多层砖房为例。利用matlab神经网络工具箱,建立一种基于贝叶斯正则算法的bp神经网络模型,并以过去发生地震地区的多层砖房调查数据为震害因子的震害预测方法。结果表明:对多层砖房的震害样本的预测达到理想效果。

房地产在金融市场中占有举足轻重的地位,其价格变化对整个金融市场有着显著的影响。采用特征价格模型,对美国一线城市2007年6月及2008年的房价进行了相关定价研究。对传统特征价格模型的属性因子进行了扩充,加入房产周边犯罪率因子进行模拟;在数值方法计算方面,首先对数据进行了box-cox变换,分别采用bp神经网络及传统的最小二乘法进行数值模拟分析,结果表明,房价随犯罪事件类型及发生距离房地产的远近有-5.78%～2.08%的变化;在2008年与2007年6月的不同时段内,犯罪率的变化对房价的影响有所不同。bp神经网络模拟的价格与实际交易价格曲线比传统最小二乘模拟的价格曲线精度高出5.74个百分点。