数学建模：基于灰色和bp神经网络的人口预测问题。数学建模知识，望对你能有所帮助！

求助BP神经网络温度预测问题-MATLAB实现BP神经网络的煤炭需求预测.pdf 想做温度预测的问题。每5分钟取一个数据，如果知道12个小时数据，来预测接下来一个小时的温度，不知道BP神经网络可不可以实现？ 不知道，输入层，隐层，输出层分别的神经元个数如何选取？隐层的个数如何确定？

SVDRecommenderSystem, 将SVD应用于推荐系统中的评分预测问题

简单介绍机器学习的一些基础知识，然后通过一些经典案例：鸢尾花分类问题、波士顿房价预测问题、手写数字识别等详细介绍Scikit-learn的使用，非常适合初学者。

本问主要以预测秦皇岛煤炭价格为目标，通过问题一中不同因素对其影响权重的大小以及神经网络算法，建立价格预测模型。BP神经网络模型处理信息的基本原理是：输入信号，通过中间节点（隐层点）作用于输出节点，经过非线性变换，产生输出信号，网络训练的每个样本包括输入向量和期望输出量t，网络输出值y与期望输出值t之间的偏差，通过调整输入节点与隐层节点的连接强度值和隐层节点与输出节点之间的连接强度以及阈值，使误差沿梯度方向下降，经过反复学习训练，确定与最小误差相对应的网络参数（权值和阈值），训练即告停止。此时经过训练的神经网络即能对类似样本的输入信息，自行处理输出误差最小的经过非线性转换的信息。

本文围绕银行效率评价问题进行讨论，建立了秩和比综合评价模型和TOPSIS模型，再建立评价对比模型，利用灰色预测法验证银行效率综合状况。 针对问题一，基于熵权法，采用秩和比综合评价作为对银行效率评定的依据。首先得出各项评价银行效率因素的权重为[0.10831,0.06931,0.05052,0.07539，0.07138,0.10594,0.07901,0.22921,0.07815,0.05909,0.07423]，然后运用聚类分析对各个银行进行分档排序。最终得出14家银行的分类结果： 若将14家银行分为两类，则中国银行，工商银行，建设银行和农业银行为一类，其余的为另一类；若将银行分成3类，可以得到：中国银行为一类，工商银行和农业银行为一类，其余银行为一类；若将银行扩展到4类，可以知道中国银行和建设银行为一类，工商银行和农业银行为一类，交通银行为单独一类，其余银行为一类。 针对问题二，采用TOPSIS模型，将14家银行分为高，较高，中等，较差四类评价结果，通过向量规范化获得加权规范阵，再确定正负理想解，以各方案到正理想解与负理想解的距离对各个银行进行分档排序。从而对评价对象做出综合评价，最终得出14家银行的评价结果： 效率高的银行行为：中国银行； 效率较高的银行为：建设银行，工商银行，农业银行，招商银行，交通银行； 效率中等的银行为：浦发银行，中信银行，民生银行； 效率较差的银行为：华夏银行，广发银行，平安银行，兴业银行，光大银行。 针对问题三，首先建立评价对比模型，针对现有的三年的数据进行处理，求解，从各银行的成本性指标和收益性指标排序进行研究分析，对比排序的变化情况。再结合问题二得到的银行效率排序结果，发现两者排序结果相同，即2013年银行效率综合状况比较稳定。

采用了基于最大矩阵元法的改进RBF神经网络模型对MG时间序列进行建模预测。

利用LSTM做预测例子实现易懂，以了解，比较容易入门，。

本人搜集的时间序列预测问题的相关论文，主要是硕博士。包括机器学习和深度学习的方法，主要是各类神经网络的应用。

高考志愿填报中录取线及录取概率预测问题