基于ARIMA-BP神经网络模型的微信舆情热度预测

发布时间：2021-08-01 21:21

　　文章利用小波分析对时间序列进行N层分解去噪,然后使用改进的时间序列结合BP神经网络构建组合预测模型。实验选取某个时期内P2P网贷平台微信公众号传播指数Top50作为训练样本,选取同期网贷平台的微信文章热度指数作为预测,并与实际公布数据Top10进行对比。实验结果表明,小波分析有助于去噪,ARIMA模型预测突变值易调控,结合BP神经网络隐含层的恰当选取,使得结果更为精确和具有针对性。 

【文章来源】：统计与决策. 2019,35(14)北大核心CSSCI

【文章页数】：4 页

【部分图文】：

BP神经网络隐含层个数探究示意图2实验结果与分析

【参考文献】：
期刊论文
[1]我国网络舆情预测研究综述[J]. 游丹丹,陈福集.  情报科学. 2016(12)
[2]基于微信用户行为的分享预测模型研究[J]. 黄炜,余辉,李岳峰.  情报理论与实践. 2016(11)
[3]微信网络的信息传播模型研究[J]. 彭慧洁,朱君璇.  现代情报. 2016(11)
[4]微信数据挖掘的研究[J]. 王英.  赤峰学院学报(自然科学版). 2016(06)
[5]基于时间序列ARIMA与BP神经网络的组合预测模型[J]. 翟静,曹俊.  统计与决策. 2016(04)
[6]微信公众号信息传播热度的影响因素实证研究[J]. 方婧,陆伟.  情报杂志. 2016(02)
[7]基于小波分析和ARIMA模型的交通流预测方法[J]. 窦慧丽,刘好德,吴志周,杨晓光.  同济大学学报(自然科学版). 2009(04)
[8]基于数据挖掘的网络论坛话题热度趋势预报[J]. 张虹,钟华,赵兵.  计算机工程与应用. 2007(31)

硕士论文
[1]网络舆情预测模型与平台的研究[D]. 张珏.北京交通大学 2009



本文编号：3316267