- 年份
- 2024(9627)
- 2023(13817)
- 2022(12129)
- 2021(11365)
- 2020(9560)
- 2019(22429)
- 2018(22073)
- 2017(43039)
- 2016(23087)
- 2015(25967)
- 2014(25681)
- 2013(24972)
- 2012(22476)
- 2011(20100)
- 2010(19665)
- 2009(17748)
- 2008(16842)
- 2007(14188)
- 2006(12001)
- 2005(10038)
- 学科
- 济(89774)
- 经济(89677)
- 管理(65976)
- 业(61812)
- 企(52427)
- 企业(52427)
- 方法(47709)
- 数学(41934)
- 数学方法(41289)
- 财(22409)
- 农(22033)
- 中国(20925)
- 业经(19922)
- 学(18936)
- 地方(16155)
- 贸(15749)
- 贸易(15744)
- 理论(15341)
- 易(15309)
- 务(15180)
- 财务(15103)
- 财务管理(15069)
- 农业(14886)
- 技术(14554)
- 企业财务(14289)
- 和(14222)
- 制(13546)
- 环境(13499)
- 划(12212)
- 银(11750)
- 机构
- 大学(320681)
- 学院(316984)
- 管理(131294)
- 济(122604)
- 经济(120001)
- 理学(115593)
- 理学院(114374)
- 管理学(112054)
- 管理学院(111485)
- 研究(99610)
- 中国(71951)
- 京(66983)
- 科学(63370)
- 财(54069)
- 业大(48688)
- 农(48122)
- 所(48077)
- 中心(46695)
- 财经(45190)
- 研究所(44430)
- 江(42981)
- 范(42141)
- 师范(41758)
- 北京(41648)
- 经(41362)
- 农业(37976)
- 院(36764)
- 经济学(36648)
- 州(35581)
- 财经大学(34187)
- 基金
- 项目(230098)
- 科学(181785)
- 基金(168606)
- 研究(166378)
- 家(146685)
- 国家(145533)
- 科学基金(126521)
- 社会(104679)
- 社会科(99329)
- 社会科学(99304)
- 基金项目(89612)
- 省(89034)
- 自然(84037)
- 自然科(82172)
- 自然科学(82154)
- 自然科学基金(80638)
- 教育(77405)
- 划(75437)
- 资助(70171)
- 编号(68009)
- 成果(53622)
- 重点(50759)
- 部(50699)
- 创(47884)
- 发(47356)
- 课题(45447)
- 科研(44689)
- 创新(44634)
- 教育部(43799)
- 大学(43465)
- 期刊
- 济(120853)
- 经济(120853)
- 研究(87107)
- 中国(52033)
- 学报(50730)
- 管理(45857)
- 科学(45646)
- 农(42132)
- 财(39787)
- 大学(38876)
- 学学(36148)
- 教育(35114)
- 农业(30069)
- 技术(28709)
- 融(21666)
- 金融(21666)
- 财经(20511)
- 业经(20402)
- 图书(20245)
- 经济研究(19881)
- 经(17408)
- 统计(16394)
- 理论(15926)
- 科技(15574)
- 问题(15574)
- 技术经济(15390)
- 业(15386)
- 实践(14860)
- 践(14860)
- 策(14688)
共检索到435211条记录
发布时间倒序
- 发布时间倒序
- 相关度优先
文献计量分析
- 结果分析(前20)
- 结果分析(前50)
- 结果分析(前100)
- 结果分析(前200)
- 结果分析(前500)
[期刊] 价格理论与实践
[作者]
李盼扉 卢凯灵 易江文 董成 李鹏程
电力市场环境下短期电价预测面临全新挑战，其预测结果的准确性对市场主体报价决策具有重大意义。对此，本文提出一种基于样本权重的深度神经网络（Deep Neural Network,DNN）短期电价预测方法，通过对样本进行筛选并为不同训练样本赋予相应的权重，有效提升DNN模型的电价预测精度。样本权重赋值方法的两个重要步骤为：（1）通过计算样本数据间的欧式距离衡量样本间的相关程度，并以此为依据挑选训练样本；（2）根据各训练样本数据与预测日数据之间的欧式距离为训练样本赋予不同权重，使得DNN能有选择、有重点地对训练样本进行学习。模型构建后，对2020年1月美国PJM实际电价数据进行虚拟预测，结果表明：所提方法能有效提升电价预测的准确性和可靠性，可为市场环境下市场主体提供可靠的决策依据。
[期刊] 统计与决策
[作者]
蔡宁 孟濬 颜文俊
由于单一的AR、MA和ARMA模型不能很好地匹配复杂的电价时间序列数据,因此传统的Box-Jenkins方法不能很好地进行电价预测。文章提出了基于模糊Box-Jenkins的电价建模和短期预测方法。引入模糊策略,生成分别对应Box-Jenkins方法中的AR,MA,ARMA三个模型的模糊因子,再通过模糊因子对三个模型进行模糊综合。对浙江省电力市场电价数据的仿真表明,在电价序列不能较好地匹配Box-Jenkins方法中各模型的情况下,模糊Box-Jenkins方法能取得更好的预测效果。
[期刊] 西北农林科技大学学报(社会科学版)
[作者]
王洪刚 韩文秀
将小波神经网络应用于 S&P5 0 0短期走势预测 ,应用从 1 998年 3月 2 0日至 1 999年 4月 2 6日 S&P5 0 0的每周数据 ,建立小波神经网络预测模型。训练后的小波神经网络不仅能准确地拟合 S&P5 0 0的历史数据 ,而且能较精确地预测未来的短期走势。结果表明 S&P5 0 0的小波神经网络预测模型比神经网络模型更为优越
关键词：
小波 神经网络 共扼梯度 预测
[期刊] 地理科学进展
[作者]
刘炳春 齐鑫 王庆山
城市化进程提升促使城市环境污染加剧、能源消耗激增、人口密度过大等问题的深层次原因在于城市代谢失调。为精准预测北京市城市代谢变化趋势,论文通过能源消费量及人类活动时间指标测算了1980—2016年北京市体外能代谢率,表征城市代谢程度。据此运用长短期记忆神经网络模型(LSTM)预测了2017—2022年北京各部门体外能代谢率。结果表明:①基于长短期记忆神经网络的城市代谢预测模型精度较高,能够对北京各部门体外能代谢率进行更为精准的预测;②2017—2022年间,北京第一产业和总体外能代谢率呈下降趋势,其中第一产业在2017年达到峰值,第二、第三产业及生活部门体外能代谢率将呈现增长趋势。③除第一、第三产业和总体外能代谢率外,历史变化的时间扰动幅度先小后大。④对各部门体外能代谢率EMRT的影响贡献度最大的因子为第二产业体外能代谢率EMR2,最小的为第一产业体外能代谢率EMR1。论文研究结果可为政策制定者优化城市管理方案、提升城市综合实力提供理论依据和决策支持。
[期刊] 物流技术
[作者]
曾浩然 刘名武
首先建立基于遗传BP神经网络的滚装运输市场货运量预测模型,然后采用川江滚装运输年度数据进行神经网络训练与预测。结果表明,遗传BP神经网络算法在预测的精度与收敛速度上均优于传统预测算法。预测结果为川江滚装运输企业战略规划和滚装运输竞争力的提高提供了决策支持。
[期刊] 预测
[作者]
文新辉 牛明洁
1 引言在科学技术和社会高速发展的今天,愈来愈多的问题,具有系统的复杂性、时变性和模糊性的特点,这就使得利用传统的预测方法解决这类问题十分困难。1987年,Lapedes和Farber首先应用神经网络进行预测,开创了神经网络预测方法的历史。目前,在范围广泛的商贸信息交流中,神经网络技术可以解决用传统方法不能解决的问题。例如Varfis和Versino运用神经网络解决经济时间序列预测问题,White利用神经网络进行IBM公司每日库存占用资金率的预测,都得到了很好的效果,节约了大量的资金。人们
[期刊] 经济问题
[作者]
章文 张莉
企业是市场的主体和产业的载体,目前阶段企业数的增长是衡量地区创新活力的重要标志。基于1988～2008年深圳企业数据,运用Logistic生长曲线、ARIMA模型和动态神经网络对2009～2011年深圳企业数进行短期预测,论证了企业数短期预测的可行性,并在预测结果的基础上分析了三种预测方法的优缺点。企业数短期预测的实现可以为相关政策的制定提供参考。
[期刊] 工业技术经济
[作者]
夏景明 肖冬荣 夏景虹 贾佳
证券市场中存在大量的非线性及混沌现象使得许多基于证券投资理论建议的各种线性模型在对其发展进行预测时往往得不到很好的结果。利用两种非线性预测模型并充分考虑各技术指标之间的序列相关性 ,在灰色GM (1 ,1 )预测模型的基础上提出了组合灰色神经网络预测模型。通过对近期深证成指及首钢股份进行短期预测和检验 ,结果表明了该方法具有很高的精确度及广泛的应用前景。
关键词：
灰色 神经网络 短期 预测
[期刊] 统计研究
[作者]
杨青 王晨蔚
作为深度学习技术的经典模型之一,长短期记忆(LSTM)神经网络在挖掘序列数据长期依赖关系中极具优势。基于深度神经网络优化技术,本文构造了一个深层LSTM神经网络并将其应用于全球30个股票指数三种不同期限的预测研究,结果发现:①LSTM神经网络具有很强的泛化能力,对全部指数不同期限的预测效果均很稳定;②相比三种对照模型(SVR、MLP和ARIMA),LSTM神经网络具有优秀的预测精度,其对全部指数的平均预测精度在不同期限上均有提升;③LSTM神经网络能够有效控制误差波动,相比三种对照模型,其对全部指数的平均预测稳定度在不同期限上亦均有提高。鉴于LSTM神经网络在预测精度和稳定度两方面的优势,其未来在金融预测等方向将有广阔的应用前景。
关键词：
LSTM神经网络 深度学习 股票指数预测
[期刊] 统计与决策
[作者]
朱家荣 梅索 赵东方
现阶段人民币汇率机制比较富有弹性,以至于人民币汇率一直处于直线上升趋势。为了研究人民币汇率的发展趋势,文章以研究美元对人民币汇率作为媒介,利用Matlab为工具平台,首先验证了RBF神经网络对人民币汇率进行短期预测的可能性,并利用其对人民币汇率趋势进行分析,并得出了政府必须加强对汇率控制力度,以稳定住人民币对美元的汇率。
关键词：
Matlab RBF神经网络 汇率趋势
[期刊] 统计与决策
[作者]
何丹
文章针对神经网络预测存在的缺陷,提出了GA-BP神经网络经济预测模型,将遗传算法用于优化BP网络的初始权值和阀值,在此基础上对BP神经网络进行训练,对CPI历史数据进行检验分析,实例证明该模型在预测的精度和收敛速度上都高于纯BP神经网络模型,具有良好的应用前景。
关键词：
遗传算法 神经网络 CPI预测
[期刊] 统计与决策
[作者]
何丹
文章针对神经网络预测存在的缺陷,提出了GA-BP神经网络经济预测模型,将遗传算法用于优化BP网络的初始权值和阀值,在此基础上对BP神经网络进行训练,对CPI历史数据进行检验分析,实例证明该模型在预测的精度和收敛速度上都高于纯BP神经网络模型,具有良好的应用前景。
关键词：
遗传算法 神经网络 CPI预测
[期刊] 情报科学
[作者]
付斌 张吉军 钟健 黄长略 于智博
【目的/意义】数据挖掘是从庞大数据中挖掘出有潜在价值信息的信息处理技术,它包括神经网络、遗传算法、粗糙集、支持向量机和决策树等多门技术,其中神经网络法具有良好的自学习和含联想储存功能,能够高速寻找优化解,有效提高需求预测准确率。【方法/过程】本文利用BP神经网络具有的优异非线性逼近能力,以我国天然气需求量预测为例,对需求量数据进行训练并采用L-M算法进行改进,最终提高对天然气需求量的预测精度。【结果/结论】实验结果证明,利用数据挖掘中的BP神经网络非线性预测优势能准确捕捉天然气需求预测的变化趋势,为精准预
关键词：
BP神经网络 数据挖掘 需求预测
[期刊] 华东经济管理
[作者]
华晓晖 闫秀霞
快速变化的市场对企业的生存和发展提出了更高的要求,而按照代表顾客需求的订单进行生产则是企业提高柔性和竞争力的关键。正因为如此,准确地预测订单就显得异常重要。文章利用BP神经网络和径向基神经网络建立了新的订单预测模型,并通过解决一个实际问题对其仿真结果进行了比较。
关键词：
订单 神经网络 模型
[期刊] 金融理论与实践
[作者]
谢小璐
上海银行间同业拆放利率(Shibor)的推出是中国利率市场化重要的一步。在阐述了Shibor的背景、功能以及对经济发展的重大意义之后,分别建立了小波神经网络和回归时间序列组合模型对2周品种Shibor进行预测对比分析,研究结果表明,小波神经网络的拟合和预测精度较高,具有一定的科学性和实用性。
文献操作()
导出元数据
文献计量分析
导出文件格式：WXtxt
删除
