注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 混沌时间序列预测理论与方法（韩敏）

  2. 本书从混沌学的基本概念出发介绍混沌信号噪声滤除方法，重点论述了具有混沌特性时间序列的预测方法。针对一些实际问题，给出了多个实际混沌系统预测研究的算例，希望能对感兴趣的读者有所帮助。 本书可以作为相关专业本科生、研究生以及研究人员的参考书，在内容上力求做到理论完整、推算翔实，在写作上力求做到深入浅出、通俗易懂，使其具有良好的可读性，以方便读者对书中内容的理解和应用。

  3. 所属分类：专业指导

    • 发布日期：2012-03-12
    • 文件大小：5242880
    • 提供者：liuxinbjut

  1. 多序列快速预测控制

  2. 多序列快速预测控制，matlab代码，以RBF神经网络训练模型

  3. 所属分类：其它

    • 发布日期：2013-08-26
    • 文件大小：8192
    • 提供者：daye0411

  1. 基于支持向量机的水泵状态多步预测

  2. 将支持向量机技术应用于水泵的时间序列多步预测中。为提高预测精度,提出利用多个测量通道获得的多时间序列进行预测,并通过水泵电机上获得的实际测量数据进行对比分析,证明该方法在设备长期预测中具有较好的预测精度。

  3. 所属分类：其它

    • 发布日期：2020-05-08
    • 文件大小：548864
    • 提供者：weixin_38731239

  1. 深度学习时间序列预测

  2. 本文调查了单步和多水平时间序列预测中常用的编码器和解码器设计——描述了时间信息是如何被每个模型纳入预测的。

  3. 所属分类：机器学习

    • 发布日期：2020-05-01
    • 文件大小：514048
    • 提供者：syp_net

  1. 基于LSTM循环神经网络的故障时间序列预测_王鑫.pdf

  2. 从复杂系统的历史故障数据出发,提出了一种基于长短期记忆(LSTM)循环神经网络的故障时间序列预测方法,包括网络结构设计、网络训练和预测过程实现算法等,进一步以预测误差最小为目标,提出了一种基于多层网格搜索的LSTM预测模型参数优选算法,通过与多种典型时间序列预测模型的实验对比,验证了所提出的LSTM预测模型及其参数优选算法在故障时间序列分析中具有很强的适用性和更高的准确性。 知网论文，学习使用

  3. 所属分类：深度学习

    • 发布日期：2020-04-02
    • 文件大小：1048576
    • 提供者：olivia_ye

  1. 基于聚类和神经网络的多变量时间序列预测方法

  2. 基于聚类和神经网络的多变量时间序列预测方法，单傲，闫丹凤，多变量时间序列数据在日常生活中分布广泛，并且在很多领域中得到广泛研究。但是其中仍然存在着一些挑战，比如提取时间序列内部的

  3. 所属分类：其它

    • 发布日期：2020-02-15
    • 文件大小：777216
    • 提供者：weixin_38616139

  1. 完整版 tensorflow下用LSTM网络进行时间序列预测.zip

  2. 亲测好用，挺不错的资源，大家快来下载吧！挺有用的！需要的话可以来下载哦！tensorflow下用LSTM网络进行时间序列预测，实时多变量预测以及对于未来数据的单变量预测。

  3. 所属分类：深度学习

    • 发布日期：2020-01-10
    • 文件大小：1048576
    • 提供者：weixin_38746387

  1. 基于位点相关概率模型的富亮氨酸重复序列预测

  2. 基于位点相关概率模型的富亮氨酸重复序列预测，巩晶，李雪，富亮氨酸重复序列（leucine-rich repeat, LRR）是一种广泛存在的蛋白质结构基序，在诸多重要生命过程中起关键性作用并与诸多人类疾病紧密

  3. 所属分类：其它

    • 发布日期：2020-01-02
    • 文件大小：363520
    • 提供者：weixin_38751905

  1. 短期风速多步预测的研究

  2. 为了提高风电场短期风速预测的精确度以及预测尺度,提出了一种将小波分解法、经验模式分解法及最小二乘支持向量机相结合对风速时间序列进行短期多步预测建模的方法。该方法采用小波分解法对风速信号进行分解,使之分解成不同频带的高频和低频分量;再利用最小二乘支持向量机对各分量建立预测模型,将各预测模型的预测值叠加可得到模型的预测结果。该模型称为预测模型Ⅰ。其次,将预测模型I的预测结果设为训练样本,采用经验模式分解法把训练样本集分解成若干本征模式分量和趋势项;再利用最小二乘支持向量机对各本征模式分量和趋势项建立

  3. 所属分类：其它

    • 发布日期：2020-07-16
    • 文件大小：249856
    • 提供者：weixin_38689976

  1. 基于经济时间序列预测的露天矿开采境界动态优化

  2. 为获得更为优越的露天矿山境界,构建了集经济时间序列预测、矿岩时间属性赋值和动态经济指标计算为一体的境界全动态优化方法。金属价格是矿山境界优化过程中最重要的因素之一,以金属价格历史数据为平台,通过创建合适时间序列模型,对未来价格做出预测,以预测结果为基础,运用L-G图论法生成系列境界方案,根据矿山实际情况编排进度计划,实现矿岩块参数赋值,将预测结果代入到矿岩块体模型中,计算境界净现值(NPV),经多方案比较确定最优境界。以某铜矿山为例,通过对近50 a伦敦金属交易所(LME)铜精矿季度平均结算价格

  3. 所属分类：其它

    • 发布日期：2020-07-19
    • 文件大小：1048576
    • 提供者：weixin_38669729

  1. 基于W-RBF的瓦斯时间序列预测方法

  2. 对煤矿监测监控系统采集到的瓦斯历史数据进行特征分析,通过小数据量法判定瓦斯时间序列为混沌时间序列.利用混沌时间序列的特性确定RBF神经网络的输入节点个数.提出了基于W-RBF的瓦斯时间序列预测方法.该方法将小波的多分辨率特性与RBF神经网络相结合,以提高预测精度.仿真结果表明,该方法不仅能预测出瓦斯时间序列的变化趋势,还可以保证预测值的精度,预测值与真实值对比,绝对误差最大为0.1%,且92个采样点的预测值与真实值相一致.

  3. 所属分类：其它

    • 发布日期：2020-07-18
    • 文件大小：1048576
    • 提供者：weixin_38695751

  1. 时间序列预测13：用电量预测 03 ARIMA模型多步预测建模

  2. 接上文，本文介绍自相关模型（ARIMA）实现单变量多步输出时间序列预测任务。 自相关模型非常简单，能够实现快速、有效地对用电量进行一步或多步预测。本文主要内容如下： 如何创建和分析单变量时间序列数据的自相关图和部分自相关图； 如何使用自相关图的结果来配置一个自回归模型； 如何开发和评估一个自相关模型实现一周用电量预测； 文章目录如何建立多步用电量预测ARIMA模型1. 自回归分析（Autocorrelation Analysis）2. 建立自回归模型3. 完整代码 如何建立多步用电量预测AR

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：407552
    • 提供者：weixin_38557068

  1. 分解后使用多延迟的GRU神经网络进行时间序列预测

  2. 分解后使用多延迟的GRU神经网络进行时间序列预测

  3. 所属分类：其它

    • 发布日期：2021-03-23
    • 文件大小：523264
    • 提供者：weixin_38717156

  1. prophet:Ruby的时间序列预测-源码

  2. 先知 从移植到Ruby的时间序列预测 支持： 多个季节 线性和非线性增长 假期和特别活动 并优雅地处理丢失的数据 安装 将此行添加到您的应用程序的Gemfile中： gem 'prophet-rb' 简单的API 获取时间序列的未来预测 series = { Date . parse ( "2020-01-01" ) => 100 , Date . parse ( "2020-01-02" ) => 150 , Date . parse ( "2020-01-03" )

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：662528
    • 提供者：weixin_42160425

  1. pytorch-forecasting:使用PyTorch进行时间序列预测-源码

  2. 我们关于“ 文章介绍了该软件包，并提供了背景信息。 Pytorch Forecasting旨在通过神经网络简化实际案例和研究的最新时间序列预测。目标是为高级专业人员提供最大程度的灵活性，并为初学者提供合理的默认值的高级API。具体来说，该软件包提供了 一个时间序列数据集类，它抽象化处理变量转换，缺失值，随机子采样，多个历史记录长度等。 基本模型类，提供时间序列模型的基本训练，以及在张量板中的记录和通用可视化，例如实际与预测以及依存关系图 用于时间序列预测的多种神经网络体系结构已针对实际部署进行

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：3145728
    • 提供者：weixin_42097450

  1. 基于多序列特征提取的蛋白质相互作用预测

  2. 基于多序列特征提取的蛋白质相互作用预测

  3. 所属分类：其它

    • 发布日期：2021-03-13
    • 文件大小：317440
    • 提供者：weixin_38669881

  1. modeltime.h2o:使用H2O AutoML进行预测。 使用H2O自动机器学习算法作为Modeltime时间序列预测的后端-源码

  2. 模型时间 使用H2O AutoML进行预测 Modeltime H2O为Modeltime预测生态系统提供了H2O后端。 主要算法是H2O AutoML ，它是为速度和规模而构建的自动机器学习库。 # Install Development Version devtools :: install_github( " business-science/modeltime.h2o " ) 有什么可能 借助Modeltime生态系统，可以轻松进行大规模预测。 该预测是使用H2O AutoML创建的

  3. 所属分类：其它

    • 发布日期：2021-03-13
    • 文件大小：279552
    • 提供者：weixin_42116805

  1. 基于扩展卡尔曼滤波和反向传播波谷时间的滑坡位移时间序列多步预测

  2. 基于扩展卡尔曼滤波和反向传播波谷时间的滑坡位移时间序列多步预测

  3. 所属分类：其它

    • 发布日期：2021-03-09
    • 文件大小：614400
    • 提供者：weixin_38614417

  1. 基于小波和多维泰勒网动力学模型的金融时间序列预测

  2. 基于小波和多维泰勒网动力学模型的金融时间序列预测

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：475136
    • 提供者：weixin_38656400

  1. 时间序列预测14：如何开发用电量预测CNN模型详解 01 单变量多步时间序列预测

  2. 文章目录前言适用于多时间步预测的CNN模型1 单变量多步预测 CNN 模型1.1 业务需求1.2 1D CNN 模型1.3 完整代码 前言 与其他机器学习算法不同，卷积神经网络能够从序列数据中自动学习特征，支持多变量数据，并可直接输出用于多步预测的向量。一维CNN已被证明可以很好地执行，甚至在具有挑战性的序列预测问题上也能达到最新的结果。 计划用两篇文章介绍如何开发 1D CNN 进行多步时间序列预测。主要内容如下： 如何为单变量数据开发多步时间序列预测的CNN模型； 如何为多变量数据开发多通

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：64512
    • 提供者：weixin_38559727
« 12 3 4 5 6 7 8 9 10 ... 20 »