-
题名基于非平衡大数据的公司破产评估模型研究
- 1
-
-
作者
李田雨
高煌婷
翟亚琪
-
机构
湖北大学商学院
武汉理工大学管理学院
-
出处
《财经理论与实践》
北大核心
2025年第2期43-50,共8页
-
基金
湖北省高等学校哲学社会科学研究重大项目(23ZD179)。
-
文摘
大数据环境下,应用机器学习数据挖掘分析技术对波兰破产及未破产公司的财务数据进行建模训练和测试验证,其中包括多层感知器中的SMOTE、SMOTE-Borderline1和BMS不平衡算法。横向对比发现SMOTE、SMOTE-Borderline1、BMS算法有效提升了F1-Score,证明了多层感知器算法在公司破产评估领域内处理非平衡类别数据手段的有效性。纵向对比表明在不同的预测时间跨度上,MLP模型和公司财务数据的分类器模型效果具有显著差异。最后,使用卡方检验筛选出公司短期负债、资金结构和经营利润等较为重要的财务指标。
-
关键词
机器学习
多层感知器算法
破产评估模型
MLP模型
-
Keywords
machine learning
multi-layer perceptron algorithm
bankruptcy evaluation model
MLP model
-
分类号
F271
[经济管理—企业管理]
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名融合MLP和DBN的光伏发电预测算法
被引量：8
- 2
-
-
作者
徐先峰
蔡路路
张丽
-
机构
长安大学电子与控制工程学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2021年第3期266-272,共7页
-
基金
国家自然科学基金(61201407,61473047)
陕西省自然科学基础研究计划(2016JQ5130)
+1 种基金
西安市智慧高速公路信息融合与控制重点实验室(ZD13CG46)
长安大学中央高校基本科研业务费(300102328202)。
-
文摘
精确的光伏发电预测对提高电力系统稳定性、保证电能质量、优化电网运行具有重大意义。为了解决现存光伏预测算法精度较低、性能较差的问题,同时为了综合利用多层感知器(MLP)解决非线性问题的能力以及深度信念网络(DBN)有效处理大量复杂数据的优势,构建了一种融合MLP和DBN的光伏预测算法(MLP-DBN),其基本思想是先利用MLP模型进行初步预测,再将观测值与预测值的残差输入DBN预测模型进行预测,最后用残差预测值对MLP模型的预测值进行修正。利用光伏发电实测数据仿真,探究了不同学习率下模型的预测性能,并对模型的各参数进行了寻找优化设置。使用均方根误差、平均绝对误差以及决定系数等性能指标评估结果表明,与传统的预测算法支持向量机(SVM)以及具有较高预测精度的深度学习算法长短期记忆网络(LSTM)相比,MLP-DBN算法性能有明显的提升,为光伏发电提供了一种高精度高性能的预测算法,可以有效解决光伏发电预测问题。
-
关键词
光伏发电预测
深度学习
支持向量机(SVM)
长短期记忆网络(LSTM)
多层感知器-深度信念网络(MLP-DBN)算法
-
Keywords
photovoltaic generation prediction
deep learning
Support Vector Machine(SVM)
Long Short-Term Memory(LSTM)
Multi-Layer Perceptron-Deep Belief Networks(MLP-DBN)algorithm
-
分类号
TP301
[自动化与计算机技术—计算机系统结构]
-
