文章利用小波分析對(duì)時(shí)間序列進(jìn)行N層分解去噪,然后使用改進(jìn)的時(shí)間序列結(jié)合BP神經(jīng)網(wǎng)絡(luò)構(gòu)建組合預(yù)測(cè)模型。實(shí)驗(yàn)選取某個(gè)時(shí)期內(nèi)P2P網(wǎng)貸平臺(tái)微信公眾號(hào)傳播指數(shù)Top50作為訓(xùn)練樣本,選取同期網(wǎng)貸平臺(tái)的微信文章熱度指數(shù)作為預(yù)測(cè),并與實(shí)際公布數(shù)據(jù)Top10進(jìn)行對(duì)比。實(shí)驗(yàn)結(jié)果表明,小波分析有助于去噪,ARIMA模型預(yù)測(cè)突變值易調(diào)控,結(jié)合BP神經(jīng)網(wǎng)絡(luò)隱含層的恰當(dāng)選取,使得結(jié)果更為精確和具有針對(duì)性。 

【文章來源】：統(tǒng)計(jì)與決策. 2019,35(14)北大核心CSSCI

【文章頁數(shù)】：4 頁

【部分圖文】：

BP神經(jīng)網(wǎng)絡(luò)隱含層個(gè)數(shù)探究示意圖2實(shí)驗(yàn)結(jié)果與分析

【參考文獻(xiàn)】：
期刊論文
[1]我國(guó)網(wǎng)絡(luò)輿情預(yù)測(cè)研究綜述[J]. 游丹丹,陳福集.  情報(bào)科學(xué). 2016(12)
[2]基于微信用戶行為的分享預(yù)測(cè)模型研究[J]. 黃煒,余輝,李岳峰.  情報(bào)理論與實(shí)踐. 2016(11)
[3]微信網(wǎng)絡(luò)的信息傳播模型研究[J]. 彭慧潔,朱君璇.  現(xiàn)代情報(bào). 2016(11)
[4]微信數(shù)據(jù)挖掘的研究[J]. 王英.  赤峰學(xué)院學(xué)報(bào)(自然科學(xué)版). 2016(06)
[5]基于時(shí)間序列ARIMA與BP神經(jīng)網(wǎng)絡(luò)的組合預(yù)測(cè)模型[J]. 翟靜,曹俊.  統(tǒng)計(jì)與決策. 2016(04)
[6]微信公眾號(hào)信息傳播熱度的影響因素實(shí)證研究[J]. 方婧,陸偉.  情報(bào)雜志. 2016(02)
[7]基于小波分析和ARIMA模型的交通流預(yù)測(cè)方法[J]. 竇慧麗,劉好德,吳志周,楊曉光.  同濟(jì)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2009(04)
[8]基于數(shù)據(jù)挖掘的網(wǎng)絡(luò)論壇話題熱度趨勢(shì)預(yù)報(bào)[J]. 張虹,鐘華,趙兵.  計(jì)算機(jī)工程與應(yīng)用. 2007(31)

碩士論文
[1]網(wǎng)絡(luò)輿情預(yù)測(cè)模型與平臺(tái)的研究[D]. 張玨.北京交通大學(xué) 2009



本文編號(hào)：3316267