文章利用小波分析對時間序列進行N層分解去噪,然后使用改進的時間序列結合BP神經(jīng)網(wǎng)絡構建組合預測模型。實驗選取某個時期內(nèi)P2P網(wǎng)貸平臺微信公眾號傳播指數(shù)Top50作為訓練樣本,選取同期網(wǎng)貸平臺的微信文章熱度指數(shù)作為預測,并與實際公布數(shù)據(jù)Top10進行對比。實驗結果表明,小波分析有助于去噪,ARIMA模型預測突變值易調(diào)控,結合BP神經(jīng)網(wǎng)絡隱含層的恰當選取,使得結果更為精確和具有針對性。 

【文章來源】：統(tǒng)計與決策. 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)絡隱含層個數(shù)探究示意圖2實驗結果與分析

【參考文獻】：
期刊論文
[1]我國網(wǎng)絡輿情預測研究綜述[J]. 游丹丹,陳福集.  情報科學. 2016(12)
[2]基于微信用戶行為的分享預測模型研究[J]. 黃煒,余輝,李岳峰.  情報理論與實踐. 2016(11)
[3]微信網(wǎng)絡的信息傳播模型研究[J]. 彭慧潔,朱君璇.  現(xiàn)代情報. 2016(11)
[4]微信數(shù)據(jù)挖掘的研究[J]. 王英.  赤峰學院學報(自然科學版). 2016(06)
[5]基于時間序列ARIMA與BP神經(jīng)網(wǎng)絡的組合預測模型[J]. 翟靜,曹俊.  統(tǒng)計與決策. 2016(04)
[6]微信公眾號信息傳播熱度的影響因素實證研究[J]. 方婧,陸偉.  情報雜志. 2016(02)
[7]基于小波分析和ARIMA模型的交通流預測方法[J]. 竇慧麗,劉好德,吳志周,楊曉光.  同濟大學學報(自然科學版). 2009(04)
[8]基于數(shù)據(jù)挖掘的網(wǎng)絡論壇話題熱度趨勢預報[J]. 張虹,鐘華,趙兵.  計算機工程與應用. 2007(31)

碩士論文
[1]網(wǎng)絡輿情預測模型與平臺的研究[D]. 張玨.北京交通大學 2009



本文編號：3316267