基于BP神经网络的企业复工复产预测研究

• 作者: 周莽 李国华 李晨光 姜辰龙 郭骐翔
• 来源期刊: 吉林电力
• 学科: 工学
• 关键词: BP神经网络 新型冠状病毒肺炎 电力数据 复工复产
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 研究与探讨
• 页码范围: 22-25
• 页数: 4页
• 分类号: TP183
• 语种: 中文

摘要

针对关系国计民生的新型冠状病毒肺炎疫情影响下的企业复工复产问题,基于吉林省某市的企业电力数据,构建了基于BP神经网络的企业复工复产预测模型,对不同行业的企业复工复产情况进行预测分析.实证结果表明,构建的BP神经网络企业复工复产预测模型训练迭代次数及隐藏层神经元个数均达到了模型均方误差的稳定状态,模型预测效果较佳;同时企业复工复产预测准确率达到了92.3％,模型预测准确度较高.通过探索挖掘电力数据对企业复工复产的预测作用,以期为疫情防控决策提供支持.