基于GM（1，1），BP和ARIMA模型的居民消费价格指数预测研究

本文通过对CPI数据进行分析，利用滑动平均法分离出季节指数，首先对趋势项建立了灰色预测模型，对周期项建立ARIMA模型，并与由BP神经网络建立的模型比较，得出对周期项由BP神经网络建立的模型预测效果比较好，最后利用乘法模型对其进行集成。

基于支持向量回归与BP神经网络对创业板指数的预测研究

本文主要选取了中国创业板指数2010年6月2日到2013年11月22日的840个样本数据,分别用支持向量回归(SVR)和BP(back propagation)神经网络对其开盘指数进行了分析和预测,预测结果表明,支持向量回归在小样本的条件下在预测精度、全局最优上要优于BP神经网络,对新型的算法进行了一定的探索。