基于GMDH与dce-GMDH算法的上市公司财务危机预测研究

预测上市公司的上市状态有助于了解企业的经营状态、稳定市场预期。选取2019年第4季度沪深A股上市公司的138家ST公司和138家非ST公司样本组,并根据盈利能力、经营增长、资产质量和债务风险等4个维度的17个财务指标,运用GMDH算法和基于多种分类器集合的GMDH(dce-GMDH)算法对ST公司和非ST公司进行财务危机分类预测,结果表明:两种算法在ST公司和非ST公司两类公司中取得较高的分类预测效果。GMDH算法的预测准确率为83.64%,dce-GMDH算法的预测准确率为85.45%。与GMDH算法相比,使用dce-GMDH算法可将分类预测准确率提高约2%。

GMDH算法的终止法则研究

为了从理论上说明GMDH(GroupMethodofDataHanding)最优复杂度模型如何在推广能力与拟合精度之间达到平衡,用插值方法讨论了GMDH外准则值取得全局最小值时,对应的模型复杂度的位置。分析了模型在一定噪声水平下,已知训练集上的拟合能力与具有同一规律性的新数据上的推广能力关系,结果显示,GMDH最优模型的结构偏差与噪声影响的比值落在1的一个小领域内,其大小随噪声方差和外准则的变化而变化。说明,GMDH最优模型如何在拟合精度与推广能力之间达到平衡。

基于非参数估计的GMDH算法模型及其在股票发行定价中的应用研究

新股发行定价是股票市场的一个重要环节,为了适应市场化的定价机制,研究科学的新股定价模型,本文结合我国证券市场的实际情况,考虑影响新股定价的诸多因素,将非参数估计与GMDH算法结合,研究股票发行定价。实证结果表明,基于非参数估计的GMDH算法模型能有效的估计新股发行价格。

基于GMDH算法的电力供需量智能分析系统设计

针对电力企业电能供应量与用户需求量之间匹配度低的问题,提出基于改进GMDH算法的电力供应智能分析系统设计,按照GMDH算法原理设计了电力供应量智能分析系统的总体框架结构,并针对传统GMDH算法泛化能力低的不足进行了优化和改进;依据改进GMDH算法搭建了电力供需量智能分析系统硬件结构,该部分主要由电力供需数据采集模块、数据分析和处理模块、和数据库系统组成,能够完成对原始电力数据的归类与分析;给出了电力供应智能分析系统的软件实现流程及具体的操作实施步骤,模拟数值测试结果表明,提出的智能风险系统设计在分析精度上明显优于传统分析系统,全部测试样本的电能供需比值都能够被控制在1.1之内,可以为电力企业节省大量的电能损耗。

改进型GMDH算法在常压塔预报模型的应用

本文将改进型GMDH算法用于化工对象的建模与预报,作一次探索性研究。结果表明这一算用于常压塔的建模,得到较为满意的效果,可以推广使用。文中除扼要介绍改进型GMDH算法外,主要讨论求取预报模型的方法,并对所得模型进行分析,提出使用GMDH算法所要注意和应解决的问题。

GMDH算法在常压塔预报模型中的应用

GMDH算法是七十年代初发展起来的一种计算机算法。已用于环保、生态系统,社会经济系统,基础理论研究以及工农业生产中的建模和预报。本文将这一算法用于化工对象的建模与预报所作的探索性研究及其结果作了介绍。其结果说明,这一算法用于常压塔的建模,得到较为满意的结果,可以推广使用。文中除扼要介绍GMDH算法及其改进算法外,还对所得模型进行分析,提出了使用GMDH算法所要注意和应解决的问题。

GMDH算法在核电阀门采购管理中的应用

通过对核电阀门设备采购合同的执行过程进行研究,找出影响合同执行工作量的关键因素。在此基础上,收集相关数据,利用自组织数据挖掘算法(GMDH)对数据样本进行学习,得出它们之间的定量关系,为后续合同执行及管理工作提供借鉴和帮助。

基于GMDH算法和面板Logit模型的电子银行风险预警研究——来自西部地区城市商业银行的经验证据

利用自组织数据挖掘算法(GMDH)客观、自动地选择西部地区城市商业银行电子银行风险预警指标。根据筛选出的风险预警指标,构建基于面板Logit的电子银行业务风险预警模型。采用2001年1月至2013年12月的月度数据对西部地区城市商业银行电子银行业务风险预警进行实证分析。实证结果表明,自组织数据挖掘算法筛选出的风险预警指标包括GDP增长率、互联网普及率、网络广告和银行广告数量、USBKey数字证书数量和电子商务交易额增长率;根据自组织数据挖掘算法筛选出的风险预警指标构建的面板Logit风险预警模型具有较好的预警能力和良好的效果。

GMDH-PTSV算法及其在发酵过程建模中的应用(英文)

本文提出了GMDH-PTSV(具有主成份双向变量选择器的GMDH)建模算法。在此算法中,变量的选择是根据对系统的测量数据,而不是根据人的经验构造出的(0-1)相关矩阵。通过仿真,对GMDH-PTSV算法和其它三种算法进行了比较。最后,应用GMDH-PTSV算法对一种生物发酵过程建立了模型。

基于改进RFM与GMDH算法的MOOC用户流失预测

MOOC在全球引起在线学习风靡的同时存在着严峻的挑战。通过调查发现MOOC用户中途放弃课程学习的现象十分严重。为最大限度保持和发展更多的MOOC用户,需要对其流失状态进行准确预测,确保对学习危机用户及时发出预警。本研究首先通过改进商业领域中RFM模型建立针对MOOC用户学习行为与流失预测的RFLP指标体系;其次通过直方图检验与卡方检验确定影响MOOC用户流失的特征变量;最后结合数据分组处理(GMDH)网络作为后置处理信息系统构建MOOC用户流失预测模型。利用该模型对中国大学MOOC上一门课程的学习者流失状态进行预测,并与经典决策树C5.0和支持向量机SVM算法进行实验对比。研究结果表明,该模型对MOOC用户流失判别的预测精度更高且在不同数据规模与极端值干扰下均有良好表现。

GMDH神经网络算法在变形预测中的应用

针对GMDH神经网络存在的不足,分别从网络初始变量预选个数的确定、部分表达式构成、中间变量选择准则、终止法则等方面进行改进,并且用Matlab语言编程实现之。将改进之后的GMDH神经网络应用于非线性变形数据预测之中,并且将短期以及长期预测结果与BP神经网络以及GMDH神经网络得到的预测结果进行比较,得出结论:改进的GMDH神经网络有较好的实用性,并且预测精度有较大提高。

基于GMDH的商业银行电子银行业务发展影响因素研究

电子银行业务发展影响因素是国内外学者重点关注的问题之一,采用自组织数据挖掘方法,客观、自动地筛选商业银行电子银行发展的主要影响因素,寻求电子银行业务发展与其影响因素之间的非线性关系。研究结果表明,电子银行交易额增长率、产品规划、网络营销和电子商务发展是电子银行业务的主要影响因素。前一期的电子银行交易额增长率和产品规划对电子银行业务发展的影响较大。网络营销对电子银行业务影响的持续时间较长,其与产品规划的交互作用的影响较大。电子商务通过与前期电子银行业务增长率的交互作用对电子银行发展产生影响。

基于HFLANN自组织多项式网络学习算法

首先提出一种双曲函数型神经网络 HFL ANN,设计出一类基于 HFL ANN网络的层次双曲型函数网络HHFL ANN,给出了 HHFL AN N的网络学习算法 ,使其在用于非线性的拟合中体现了较强的优越性 ,对于任意的Volterra级数使用 HHFL ANN网络来逼近是完全可行的 ,该算法较 GMDH算法和 SOP算法 ,具有快速简单的特性 ,它优于 GMDH算法 ,有规律地选取部分多项式 ;优于 SOP算法 ,在构造 SOP网络不需要太多的中间隐层 ,从而加快了学习过程 ,提高了网络的逼近性能 。

自组织多项式网络算法在油气产能定量预测中应用

油气定量预测中复杂函数的拟合与逼近一直是人们关注的热点之一。文章利用神经网络方法结合自组织理论设计了用于非线性模型描述的自组织多项式网络算法，该算法特征多项式的完全描述性和自组织功能，使其在用于陕甘宁中部气田油气产能定量预测中取得了较为理想的效果。

基于ARMA-GMDH的水利工程变形预测模型

变形监测数据是定量评价水利工程结构安全的重要依据。水利工程变形数据是一种典型的非平稳信号,同时包含线性成分与非线性成分。针对水利工程变形的线性成分和非线性成分特征,分别利用针对线性信号的自回归移动平均模型和非线性信号的数据分组处理方法,构建了一种基于ARMA-GMDH的组合预测模型对水利工程的变形进行预测。工程实例表明,该方法可以有效地对水利工程变形的线性及非线性成分进行预测,与多个预测方法结果进行对比发现所提出的组合模型具有较高的预测精度,且与实测数据具有相似的变形趋势,可以分别对变形的线性及非线性成分规律进行分析,综合判断结构的变形趋势和安全性态,因此具有一定的工程应用价值。

基于GMDH模型的滚动轴承故障预警研究

针对传统的故障预警预测方法存在误差较大的问题,提出一种基于数据分组处理(GMDH)模型的故障预测方法对滚动轴承的潜在故障进行预警。该方法利用模型选定准则选择最优的预警模型,发出故障预警信息,并设置停机阈值,可为设备的预知性维护研究提供支持。对滚动轴承加速疲劳寿命试验所得的数据进行分析,分析结果表明,利用GMDH模型对滚动轴承故障的预测结果与实际值的拟合程度高,相对误差仅为3.1%,比传统的基于BP神经网络模型的预测精度提高了0.51%。这说明基于GMDH模型的故障预测方法为油气设备的安全运行提供了更可靠的保障。

中小流域设计流量的GMDH方法解

通过应用GMDH算法,引入与设计流量密切相关的汇流面积、主河床长度与河道平均坡度的比值、24 h最大降雨量等变量,建立与多因素相关的流量的GMDH模型,并且通过调整K—G多项式的系数,得出适合中小流域设计流量计算的GMDH模型。实例结果表明:该模型的拟合能力强,可作为中小流域设计流量计算的一种方法。

一种改进GMDH的新方法

本文提出在ＧＭＤＨ中利用“新息贡献”准则选择关键变量（包括初始变量和中间变量）、自动构成最优部分多项式，并且给出了递推算法以避免重复运算，从而优化了模型结构，提高了精度，简化了建模过程。最后用仿真例子验证了新方法的有效性。

基于自组织数据挖掘的房地产影响因素分析

本文利用自组织数据挖掘中的GMDH算法,建立一个反映房地产销售面积变化的最优复杂性模型,分析影响房地产发展的主要因素,为制定相关的宏观经济政策提供理论指导和依据。