检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于混合神经网络模型的污水COD值预估法

中国给水排水 2003年第12期19卷 6-10页

作者：方骏戴连奎浙江大学智能系统与决策研究所浙江杭州310027

　提出了一种基于物理测量的COD值快速预估方法,它采用混合神经网络模型直接由UV分光光度计测得的吸光度数据预估出水样的COD值。实例分析表明,采用该混合模型具有比常规的BP网络和传统回归模型更好的预估精度,同时混合模型的预估值与... 详细信息

　提出了一种基于物理测量的COD值快速预估方法,它采用混合神经网络模型直接由UV分光光度计测得的吸光度数据预估出水样的COD值。实例分析表明,采用该混合模型具有比常规的BP网络和传统回归模型更好的预估精度,同时混合模型的预估值与标准分析值之间也有着良好的相关性。

关键词：水质分析 COD 混合神经网络模型 UV分光光度计预估精度预估方法

基于LSTM混合神经网络模型的ETF期权定价研究

在线全文

学校读者我要写书评

暂无评论

基于LSTM混合神经网络模型的ETF期权定价研究

作者：龚武胜西安理工大学

学位级别：硕士

随着我国金融市场制度的日益完善,金融市场已然成为价格发现、风险管理的重要场所,尤其是金融衍生品提供了灵活多变的风险管理方式,为金融市场的稳健有序发展提供了重要保障。作为金融衍生品的重要组成部分,ETF期权极大地促进了我国金... 详细信息

随着我国金融市场制度的日益完善,金融市场已然成为价格发现、风险管理的重要场所,尤其是金融衍生品提供了灵活多变的风险管理方式,为金融市场的稳健有序发展提供了重要保障。作为金融衍生品的重要组成部分,ETF期权极大地促进了我国金融市场的发展。一方面,ETF期权可以丰富市场投资策略、提高标的资产流动性、对冲资产价格波动。另一方面,ETF期权具有杠杆属性,若使用不当则会放大损失程度、加剧市场波动。因此,作为一把双刃剑,在ETF期权交易过程中,精准的定价是发挥ETF期权套期保值、风险对冲等功能的前提与基础,如何建立精准高效且兼顾市场规律与经济学意义的ETF期权定价模型对金融市场的稳健发展具有重要意义。期权定价模型主要分为参数化模型与非参数化模型两大部分,这两类模型各有优劣。其中,传统的参数化期权定价模型具有严密的经济学逻辑,但其假设条件往往过于理想,当假设条件与实际市场情况表现不符时模型定价效果不佳。而非参数化的神经网络模型虽具有强大的非线性拟合能力与计算能力,但模型自身没有严谨的经济学推导过程,导致模型缺乏经济学含义。将传统参数化期权定价模型与非参数化的神经网络模型相结合,不仅具有了严谨的经济学含义,又兼容了强大的非线性拟合能力,可以最大程度发挥各模型的优点。因此,本文应用混合建模思想,将参数化模型中的Heston模型与非参数化模型中的LSTM神经网络模型有机结合,并引入改进粒子群算法对LSTM神经网络模型参数进行优化,提出一种全新的IPSO-LSTM-Heston混合神经网络期权定价模型。为验证IPSO-LSTM-Heston混合神经网络模型的定价效果,检验其定价稳定性与适用性,本文设置了多个对照模型,并且基于华夏上证50ETF期权、嘉实沪深300ETF期权与华泰柏瑞沪深300ETF期权日频数据进行实证分析。本文对期权数据进行样本内与样本外定价误差分析,得到主要结论如下:(1)单一的神经网络模型在样本内与样本外的定价效果缺乏稳定性。(2)改进粒子群算法对LSTM神经网络模型参数的优化效果明显,引入改进粒子群算法后,LSTM混合神经网络模型的定价准确性得到了较大提升。(3)本文提出的IPSO-LSTM-Heston混合神经网络模型定价效果整体上优于其余模型,该模型不仅能够捕捉ETF期权数据的动态特征,而且融合了传统模型定价过程的严密性与神经网络模型的非线性拟合能力等优点,在降低定价误差的同时还具有良好的稳定性与适用性。

关键词：期权定价改进粒子群算法 LSTM神经网络混合神经网络模型

基于混合神经网络模型的低速率网络入侵检测研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

成都工业学院学报 2024年第1期27卷 52-56页

作者：刘珊珊李根管艺博广东财贸职业学院信息技术学院广州510000 广东工商职业技术大学人工智能与大数据学院广东肇庆526040 广东工商职业技术大学计算机学院广东肇庆526040

针对低速率入侵,常规的入侵检测方法能力不足,虚警率、漏警率偏高。为保证网络安全,提出一种基于混合神经网络模型的低速率网络入侵检测方法。利用NetFlow技术采集网络流量数据,对网络流量数据进行过滤和图像化处理。搭建由卷积神经网... 详细信息

针对低速率入侵,常规的入侵检测方法能力不足,虚警率、漏警率偏高。为保证网络安全,提出一种基于混合神经网络模型的低速率网络入侵检测方法。利用NetFlow技术采集网络流量数据,对网络流量数据进行过滤和图像化处理。搭建由卷积神经网络和人工神经网络构成的混合神经网络模型,利用卷积神经网络提取网络流量数据的图像提取特征,利用人工神经网络检测网络入侵类型。结果表明:提出方法的虚警率、漏警率低于Transformer入侵检测方法、栈式自编码-长短期记忆(SAE-LSTM)检测方法和萤火虫优化(GSO)-基分类器检测方法,尤其在入侵速率更低(2 Mb/s)的情况下,所表现出的检测能力更为突出,说明针对低速率网络入侵问题,基于混合神经网络模型的检测方法的检测能力更强,检测结果更为准确。

关键词：混合神经网络模型卷积神经网络人工神经网络低速率入侵网络流量数据入侵检测方法

基于混合神经网络模型的架空输变电工程量分析与评估

在线全文

学校读者我要写书评

暂无评论

电力设备管理 2024年第21期 204-206页

作者：乔雄辉山西联翔电力建设集团有限公司

输变电工程量评估涉及非线性、复杂关系问题,传统评估方法的准确性和实时性差。基于此,本文提出基于混合神经网络模型的评估方案,在了解混合神经网络模型概念的基础上,处理工程量数据,确定评价指标,建立评价模型,选取架空输变电工程中... 详细信息

输变电工程量评估涉及非线性、复杂关系问题,传统评估方法的准确性和实时性差。基于此,本文提出基于混合神经网络模型的评估方案,在了解混合神经网络模型概念的基础上,处理工程量数据,确定评价指标,建立评价模型,选取架空输变电工程中的土石方量和基面混凝土两类目标工程量,采用混合神经网络模型RBM-MLP预测工程量,与纯MLP预测结果进行对比,结果表明,本文所提方法在分析与评估架空输变电工程量时精度高、效率高,评估过程简单,评估结果对输变电工程施工有参考意义。

关键词：输变电工程量混合神经网络模型

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

混合神经网络跟驰模型的建立

公路交通科技 2007年第3期24卷 130-132页

作者：徐学明荣建王丽中交公路规划设计院北京100010 北京工业大学交通研究中心北京100022

将混合神经网络模型(CNNM)应用于跟驰模型的建立。进行基于车载高精度GPS的跟驰试验设计,并结合试验数据,介绍模型建立的原理和过程。分别建立基于BP神经网络和基于径向基神经网络的跟驰模型,并应用于混合神经网络跟驰模型的建立。模型... 详细信息

将混合神经网络模型(CNNM)应用于跟驰模型的建立。进行基于车载高精度GPS的跟驰试验设计,并结合试验数据,介绍模型建立的原理和过程。分别建立基于BP神经网络和基于径向基神经网络的跟驰模型,并应用于混合神经网络跟驰模型的建立。模型通过实测数据对混合模型的信用值进行调整,从而组合得到较高的精确度。通过对预测效果的比较,可以发现混合神经网络跟驰模型可以取得比单一神经网络模型更好的预测效果。

关键词：交通工程跟驰模型神经网络混合神经网络模型

基于改进粒子群算法的LSTM混合神经网络期权定价模型

在线全文

学校读者我要写书评

暂无评论

系统工程 2024年第1期42卷 139-148页

作者：章伟果龚武胜扈文秀西安理工大学经济与管理学院陕西西安710054

引入改进粒子群算法(IPSO)对长短时记忆神经网络模型(LSTM)超参数进行自适应匹配,并结合Heston模型进行混合建模,提出一种全新的IPSO-LSTM-Heston期权定价模型。为验证模型的定价效果,基于上证50ETF期权高频数据进行实证分析。结果表明:... 详细信息

引入改进粒子群算法(IPSO)对长短时记忆神经网络模型(LSTM)超参数进行自适应匹配,并结合Heston模型进行混合建模,提出一种全新的IPSO-LSTM-Heston期权定价模型。为验证模型的定价效果,基于上证50ETF期权高频数据进行实证分析。结果表明:IPSO算法具有优异的全局寻优能力和收敛速度,能够大幅提高LSTM混合神经网络模型的定价效率。通过将优化的LSTM神经网络模型与Heston模型结合,不仅可以捕捉高频数据的动态特征,而且能够发挥神经网络模型的非线性拟合能力与传统模型定价过程的严密性等优点,在降低定价误差的同时显著提高定价精准度。

关键词：期权定价粒子群算法 LSTM神经网络混合神经网络模型

基于混合神经网络(GANN)的沥青路面使用性能预测模型

在线全文

学校读者我要写书评

暂无评论

桂林理工大学学报 2016年第3期36卷 521-525页

作者：俞竞伟傅睿李雄威王新军东南大学建筑学院南京210096 常州工学院土木建筑工程学院江苏常州213002

针对GM模型要求的样本点少、不必有较好的分布规律,且计算量少、操作简便,而BP神经网络可以反馈校正输出的误差,具有并行计算、分布式信息存储、强容错力、自适应学习功能等特点,将GM(1,1)模型与BP神经网络模型相结合,建立了混合神经网... 详细信息

针对GM模型要求的样本点少、不必有较好的分布规律,且计算量少、操作简便,而BP神经网络可以反馈校正输出的误差,具有并行计算、分布式信息存储、强容错力、自适应学习功能等特点,将GM(1,1)模型与BP神经网络模型相结合,建立了混合神经网络预测模型,并结合实例进行了检验性预测。结果表明:混合神经网络模型在预测精度方面优于传统灰色模型。该模型的算法概念明确、计算简便,有较高的拟合和预测精度,具有良好的应用前景。

关键词：沥青路面使用性能 GM模型人工神经网络混合神经网络模型

中国城市能源电力转型发展战略影响因素量化模型及分析

在线全文

学校读者我要写书评

暂无评论

电网技术 2024年第10期48卷 4106-4114,I0047,I0048,I0046页

作者：黄子桓林伟芳中国电力科学研究院有限公司北京市海淀区100192

随着国家碳达峰、碳中和目标的提出,作为二氧化碳主要排放源的城市能源电力消耗,其转型面临着极大的挑战。由于影响因素的指标计算存在极大的主观差异,该文根据中国296个地级市和4个直辖市的面板数据,基于信息熵提出了中国城市能源电力... 详细信息

随着国家碳达峰、碳中和目标的提出,作为二氧化碳主要排放源的城市能源电力消耗,其转型面临着极大的挑战。由于影响因素的指标计算存在极大的主观差异,该文根据中国296个地级市和4个直辖市的面板数据,基于信息熵提出了中国城市能源电力转型的影响因素指标体系。为解决传统线性统计学模型对城市能源电力转型影响因素的解释存在局限性的问题,该文提出了“基于SHAP值神经网络-个体随机效应-时间固定效应的混合模型”,分析了中国城市能源电力转型战略影响因素,阐述了中国城市能源电力转型的特征,并分析了不同区域、不同发展规模等级的城市能源电力转型影响因素的差异性特征和产生原因,提出了有针对性的发展战略建议,为能源电力转型战略的制定提供了理论基础。

关键词：能源电力转型个体因素随机效应时间因素固定效应混合模型混合神经网络模型 SHAP值

维普期刊数据库博看期刊

一种高精度LSTM-FC大气污染物浓度预测模型

在线全文

学校读者我要写书评

暂无评论

计算机科学 2021年第S1期48卷 184-189页

作者：刘梦炀武利娟梁慧段旭磊刘尚卿高一波天津中科智能技术研究院天津300300 上海大学计算机工程与科学学院上海200444 中国科学院自动化研究所北京100190

大气污染已经严重影响到人们的生活和健康,大气治理势在必行,探究大气污染物浓度变化的规律,实现污染物浓度预测,对指导大气治理工作具有重要意义。文中构建了一种基于长短期记忆神经网络(Long Short-Term Memory,LSTM)和全连接神经网络... 详细信息

大气污染已经严重影响到人们的生活和健康,大气治理势在必行,探究大气污染物浓度变化的规律,实现污染物浓度预测,对指导大气治理工作具有重要意义。文中构建了一种基于长短期记忆神经网络(Long Short-Term Memory,LSTM)和全连接神经网络(Full Connected,FC)的混合神经网络模型,并提出了数据桶划分的训练方式来解决由于训练数据与预测数据存在较长时间间隔导致精度下降的问题,进而实现大气污染物浓度的预测。该模型具有较好的通用性和精度,充分结合了长短期记忆神经网络和全连接神经网络的优点,能够在多种污染物数据上实现精确预测。以天津市2013-2019年大气污染物数据实现模型的训练和预测,结果表明,混合神经网络模型在PM_(2.5),PM_(10),NO_(2),SO_(2),O_(3),CO 6种污染物浓度的预测上均可以达到R2>0.90,平均百分误差小于15%的效果,LSTM-FC模型在大气污染物预测中具有明显的优势,具有较高的实用价值。

关键词：混合神经网络模型长短期记忆神经网络全连接神经网络污染物浓度预测多维度特征融合