检索结果-内蒙古大学图书馆

作者：翟笃林中国地震局地震预测研究所

学位级别：硕士

近几十年来,卫星遥感技术已经成为地震行业发展的重要手段,在地震研究领域应用十分广泛。但由于缺乏有效的地震电离层和红外遥感数据处理技术,致使地震电离层和红外遥感数据中的很多有效信息没有得到充分的利用。研究地震电离层和红外... 详细信息

近几十年来,卫星遥感技术已经成为地震行业发展的重要手段,在地震研究领域应用十分广泛。但由于缺乏有效的地震电离层和红外遥感数据处理技术,致使地震电离层和红外遥感数据中的很多有效信息没有得到充分的利用。研究地震电离层和红外遥感数据处理技术,能够充分利用和挖掘电离层和红外遥感信息,提高与大震孕育发生过程有关的地震电离层和红外遥感前兆信息的识别和提取,为增强我国地震科学研究水平、解决目前世界地震监测预测研究的重要难题开辟探索一条新途径,进而为提供这些新途径增强理论研究。在传统震前地震电离层电子浓度总含量（TEC）和红外长波辐射（OLR）异常探测方法中,其探测结果准确与否取决于异常检测方法的合理性。虽具有一定的合理性,但其均只考虑了各自序列数据的固有属性,而未顾及其不确定性成分。因此,本文基于时间序列分析方法的基本原理,运用求和自回归滑动平均模型（ARIMA）和Prophet模型等多种时序预测模型方法,分析和处理了我国陆态网（CMONOC）基准站GNSS观测数据反演成的电离层TEC数据和NOAA卫星的红外OLR数据,并结合2017年8月8日的九寨沟Ms7.0地震和2017年9月20日的墨西哥Ms7.1地震等地震事件,通过一系列的比较分析实验来验证这2种时序预测模型方法在电离层TEC和卫星红外遥感信息提取中的有效性和适用性。具体研究内容如下:1、Prophet时序预测模型在电离层TEC异常探测中的应用本文基于电离层TEC具有年、月、日等多种时空尺度的周期季节性变化的特征,结合四川九寨沟地震,以九寨沟地震震中（33.20°N,103.82°E）为中心,选取距离震中最近的GPS基准站——四川松潘站SCSP（32.65°N,103.58°E）作为建模序列数据研究对象,通过对建模序列数据进行处理、模式识别、模型诊断检验和模型建模预测评价和分析等一系列步骤建模预测筛选出最优时序预测模型方法,利用最优时序预测模型方法检测电离层TEC数据中的地震异常。实验结果如下:1)针对九寨沟地震前的建模电离层TEC序列数据,将Prophet等六种时序预测模型经过一系列建模步骤预测处理后,六种时序预测模型均表现了一定预测效果,但Prophet模型预测建模背景值的精度要明显高于其它五种模型方法,且预测建模的精度比ARIMA模型等方法高2.55倍左右,比滑动四分位法（IQR）高10.74倍左右。2)各时序预测模型方法在经过建模步骤处理后,预测建模RMSE精度值均呈现出随着预测时间的增加,建模精度降低的特点,且各预测模型方法均在训练数据集长度为38天时表现出最佳的预测效果。对比最佳训练集长度处总RMSE精度值依次为,=10.5841>=3.2780>=0.8469。3)经过Prophet时序预测模型探测处理后,能检测出明显的异常信息。具体表现为九寨沟地震前第10天、7天和2天发生明显的电离层TEC异常扰动现象,震后第1天、6天和7天也发生了电离层TEC异常扰动现象。4)Prophet时序预测模型和IQR方法均能检测出明显的异常信息,但各自探测结果存在着较大差异,而Prophet方法有可能减少虚假异常的产生。2、ARIMA时序预测模型在NOAA卫星OLR值异常信息提取中的应用基于红外OLR受日地物理活动的影响呈现出周期性变化特征的物理特性,结合我国四川九寨沟地震和国外墨西哥地震,以九寨沟地震震中（33.20°N,103.82°E）和墨西哥地震震中（18.58°N,98.47°W）为中心,分别选取距离震中最近的红外OLR非震数据点（33.50°N,103.50°E和18.50°N,98.50°W）作为建模序列数据研究对象,通过对建模序列数据进行平稳性检验、模式识别、模型诊断检验和模型建模预测评价和分析等一系列步骤建模预测筛选出最优时序预测模型方法,利用最优时序预测模型方法检测红外OLR数据中的地震异常。得到初步认识和结论有:1)针对九寨沟和墨西哥地震前的红外OLR建模序列数据,六种时序预测模型经过一系列建模步骤处理后,ARIMA时序预测模型总体上优于其他五种模型建模预测背景值总RMSE精度。2)利用ARIMA时序预测模型对各自红外OLR序列数据进行建模预测处理,该模型对九寨沟和墨西哥地震均呈现出良好的预测性能,并在九寨沟=12月、九寨沟=20天和墨西哥=12月、墨西哥=30天时,达到最佳训练和预测时间长度组合。3)经过ARIMA时序预测模型探测处理后,九寨沟地震在震前第12天和第3天检测出明显的红外OLR异常,且在震前第3天红外OLR异常强度达到最大值（39.44 W/m2）;墨西哥地震在震前第1天、2天和6天检测出明显的红外OLR异常,且在震前第六天红外OLR异常强度达到最大值（50.83W/m2）。

关键词：电离层TEC 时序预测模型长波辐射电磁异常

来源：评论

学校读者我要写书评

暂无评论

一个基于范例推理的时序预测模型

引用

计算机科学 2004年第8期31卷 103-106页

作者：汤胤彭宏郑启伦广州华南理工大学计算机学院广州510640

本文在相似模型的统一描述的基础上,提出一个多层次的抽象范例重用框架,适用于进行描述和时序的预测。在时间序列的问题下,本文描述了多层次范例推理的方法,并且讨论了一些 CBR 循环常见的问题在时序预测中的情况。本文最后提供一个期... 详细信息

本文在相似模型的统一描述的基础上,提出一个多层次的抽象范例重用框架,适用于进行描述和时序的预测。在时间序列的问题下,本文描述了多层次范例推理的方法,并且讨论了一些 CBR 循环常见的问题在时序预测中的情况。本文最后提供一个期货预测的例子,对本文的模型作了说明。

关键词：范例推理时序预测模型范例表示模式识别人工智能

来源：评论

学校读者我要写书评

暂无评论

基于PSO-LSSVM时序预测模型的管网漏失信号识别

引用

水电能源科学 2022年第2期40卷 132-135,181页

作者：王彤金赵归杨瑞虎杨军尚渝钧王伟鞠彩韩大鹏长安大学建筑工程学院陕西西安710061 长安大学住房和城乡建设部给排水重点实验室陕西西安710061 上海市政工程设计研究总院(集团)第六设计院有限公司安徽合肥230009

为解决城市供水管网的漏失问题,基于在供水管网各测压点收集的压力数据,构建粒子群(PSO)算法优化LSSVM的时序预测模型来预测压力监测点下一时刻压力值,并提出了城市供水管网漏失识别模型,通过监测点压力值与预测值的残差值是否在阈值范... 详细信息

为解决城市供水管网的漏失问题,基于在供水管网各测压点收集的压力数据,构建粒子群(PSO)算法优化LSSVM的时序预测模型来预测压力监测点下一时刻压力值,并提出了城市供水管网漏失识别模型,通过监测点压力值与预测值的残差值是否在阈值范围内来判断管网是否处于正常工况。测试分析结果表明,改进的时序预测模型预测精度较高,可确定各压力监测点阈值,识别管网是否发生漏失事故,为相似工程提供借鉴。

关键词：供水管网 PSO算法 LSSVM算法时序预测模型管网漏失信号识别

来源：评论

学校读者我要写书评

暂无评论

复杂系统中时序预测模型研究及其在热电领域的应用

复杂系统中时序预测模型研究及其在热电领域的应用

引用

作者：李梅中国科学院大学

学位级别：硕士

高精度的时间序列预测，在能源生产、金融交易、工业制造和教育医疗等诸多复杂系统中均发挥着重要作用。现有模型缺乏对时序特征影响尺度不一致性与短序列内时序特征重要度差异性等的全面考虑，预测性能有待进一步提高。本论文就复杂系... 详细信息

高精度的时间序列预测，在能源生产、金融交易、工业制造和教育医疗等诸多复杂系统中均发挥着重要作用。现有模型缺乏对时序特征影响尺度不一致性与短序列内时序特征重要度差异性等的全面考虑，预测性能有待进一步提高。本论文就复杂系统中时间序列的预测及其在热电领域中的应用展开研究，设计并验证基于注意力机制的神经网络预测模型，结合热电联产企业实际需求开发供热预测系统。主要研究成果包括:　　(1)针对传统方法和单一神经网络时序模型未能全面考虑复杂系统中时间序列时序特征的缺陷，融合注意力机制(Attention Mechanism)与CNN-LSTM体系结构的优势提出本文模型。引入注意力机制，设计并行输入支路，提升模型对短序列内不同层次影响特征的辨别能力;构造联合模型，改善模型对时序数据多尺度特征与时序变化规律的学习能力和泛化能力;通过消融实验验证了结构的合理性。通过热电数据验证了基于注意力机制的神经网络预测模型，对比目前企业以预定量作为预测量的方法，MASE和RMSE指标分别优化了89.64％和61.73％，验证了本文模型的有效性与优越性;更进一步，通过基于跨领域数据集DJIA的实验，验证了模型的通用性。　　(2)面向热电联产企业需要在复杂多变的生产环境下精确预测供热量的发展诉求，设计并搭建了内置本文模型的供热时序预测系统。在企业实际应用中，客户需求预测准确度为89.52％，有助于热电联产企业的生产调度方案优化，提升了能源利用率，验证了本文模型在供热复杂系统中实际应用的可行性和有效性。

关键词：复杂系统时序预测模型注意力机制数据挖掘神经网络

来源：评论

学校读者我要写书评

暂无评论

基于BP神经网络的时序预测模型的研究

基于BP神经网络的时序预测模型的研究

引用

作者：张建辉太原理工大学

学位级别：硕士

作为一种时序挖掘技术,时间序列的分析与预测对科学研究、工业生产、商业管理等行业决策具有重要的参考意义,一般通过对历史时序数据构建模型,预测未来一段时期内时序数值。现今时序预测模型可分为两类——传统时序预测模型与基于机器... 详细信息

作为一种时序挖掘技术,时间序列的分析与预测对科学研究、工业生产、商业管理等行业决策具有重要的参考意义,一般通过对历史时序数据构建模型,预测未来一段时期内时序数值。现今时序预测模型可分为两类——传统时序预测模型与基于机器学习技术的时序预测模型。传统时序预测模型受限于自身结构与回归机制,导致对复杂时序数据的预测结果不够精确;基于机器学习技术的时序预测模型需要充足的时序数据供模型训练,易忽略时序数据中少量的关键特征,使其不能稳定地把握时序的运动趋势;并且大量时序数据的反复训练过程,会明显降低模型构建的效率。针对以上问题,本文以时序预测模型为研究对象,通过改进时间序列的降维表示法,并结合传统时序预测模型与机器学习技术,提出新型的时序预测混合模型。研究内容如下:(1)基于二分迭代SAX的相似性度量算法。为解决SAX表示法中分段数选择的问题,通过引入SW算法中窗口划分的依据,重新构造分段方式与顺序,使算法能够自适应地根据时序的数值分布特征对序列划分分段,从而解决分段数的不确定性,并提高SAX表示法的准确性。(2)基于BP神经网络的对数周期幂律混合模型。通过以对数周期幂律模型为基础,构建时序趋势模型;以趋势模型的残差时序数据作为BP神经网络的输入数据,训练能够捕捉时序细微震荡特征的残差神经网络;将时序趋势模型与残差神经网络相融合,实现更为精准的时序预测。(3)基于SAX表示法的对数周期幂律混合模型。将SAX表示法引入基于BP神经网络的对数周期幂律混合模型,简化混合模型中BP神经网络的训练数据,使其在保持一定预测精确度的前提下,显著地提升该混合模型的构建效率。

关键词：时间序列降维表示法时序预测模型 SAX表示法 BP神经网络

来源：评论

学校读者我要写书评

暂无评论

基于Elman型神经网络的金川二矿地表岩移时序预测模型

引用

工程地质学报 2008年第1期16卷 116-123页

作者：袁仁茂马凤山邓清海徐锡伟中国科学院地质与地球物理研究所北京100029 中国地震局地质研究所北京100029

建立于煤矿开采基础之上的矿山开采沉陷理论和预测方法并不适用于象金川这样厚大、陡倾的金属矿床开采的岩移问题,因此,本文探讨利用神经网络来对地表岩移进行预测。根据Elman神经网络能够逼近任意非线性函数的特点和具有反映系统动态... 详细信息

建立于煤矿开采基础之上的矿山开采沉陷理论和预测方法并不适用于象金川这样厚大、陡倾的金属矿床开采的岩移问题,因此,本文探讨利用神经网络来对地表岩移进行预测。根据Elman神经网络能够逼近任意非线性函数的特点和具有反映系统动态特性的能力,提出了利用Elman神经网络建立地表岩移时序预报模型的方法。利用金川二矿区GPS监测所得到的时间序列数据,通过对Elman神经网络模型预测值与GPS实测值之间的比较,结果表明模型预测显示了良好的准确性,特别是在时间步长较短情况下,应用于实际预测一定程度上可以弥补金属矿山岩移预测方法不足的缺憾。

关键词： Elman神经网络时序预测模型地表岩移金川镍矿

来源：评论

学校读者我要写书评

暂无评论

基于BP神经网络的黑体炉温度时序预测模型的建立

引用

工业计量 2006年第1期16卷 10-12页

作者：赵萍刘志强王梅娟中南大学能源与动力学院中南大学能源与动力学院长沙410083

黑体炉作为标准黑体辐射热源,特别适合供多种非接触式测温仪表如光电高温计、光学高温计、辐射高温计等的分度和校验之用。但黑体炉在运行时无法预知温度的具体数值,这为实验和标定带来了诸多不便。文章在神经网络的基础上,建立了黑体... 详细信息

黑体炉作为标准黑体辐射热源,特别适合供多种非接触式测温仪表如光电高温计、光学高温计、辐射高温计等的分度和校验之用。但黑体炉在运行时无法预知温度的具体数值,这为实验和标定带来了诸多不便。文章在神经网络的基础上,建立了黑体炉温度时序预测模型。结果表明:神经网络不但能对黑体炉温度进行预测,而且比实际的测温仪表的精确度高出很多。

关键词：黑体炉 BP神经网络时序预测模型

来源：评论

学校读者我要写书评

暂无评论

基于神经网络的黑体炉温度时序预测模型的建立

引用

计量技术 2006年第4期 26-28页

作者：赵萍刘志强王梅娟中南大学能源与动力学院长沙410083

黑体炉作为标准黑体辐射热源,特别适合供多种非接触式测温仪表如光电高温计、光学高温计、辐射高温计等的分度和校验之用,但黑体炉在运行时无法预知温度的具体数值,这为实验和标定带来了诸多不便.本文在神经网络的基础上,建立了黑体炉... 详细信息

黑体炉作为标准黑体辐射热源,特别适合供多种非接触式测温仪表如光电高温计、光学高温计、辐射高温计等的分度和校验之用,但黑体炉在运行时无法预知温度的具体数值,这为实验和标定带来了诸多不便.本文在神经网络的基础上,建立了黑体炉温度时序预测模型。结果表明:神经网络不但能对黑体炉温度进行预测,而且比实际的测温仪表的精确度高出很多。

关键词：黑体炉 BP神经网络时序预测模型

来源：评论

学校读者我要写书评

暂无评论

时序预测模型的训练、预测方法、装置、设备及存储介质

时序预测模型的训练、预测方法、装置、设备及存储介质

引用

作者：冯春阳田培杰 518000 广东省深圳市南山区粤海街道高新区社区沙河西路1801号国实大厦16C

本发明提供一种时序预测模型的训练、预测方法、装置、设备及存储介质，涉及数据处理技术领域。包括：对多个样本集成电路的样本电路结构进行转换处理，得到样本图结构；根据每个样本电路结构进行特征提取处理，得到样本图特征信息；根... 详细信息

标准号: CN115293082B

本发明提供一种时序预测模型的训练、预测方法、装置、设备及存储介质，涉及数据处理技术领域。包括：对多个样本集成电路的样本电路结构进行转换处理，得到样本图结构；根据每个样本电路结构进行特征提取处理，得到样本图特征信息；根据样本图结构以及样本图特征信息，采用初始时序预测模型进行预测，得到样本集成电路对应的预测时序信息；根据多个样本集成电路的预测时序信息以及真实时序信息，计算损失函数值；采用损失函数值，根据样本图结构、样本图特征信息以及真实时序信息，继续进行模型训练，直至损失函数值达到预设迭代停止条件，得到时序预测模型。训练得到的时序预测模型，可对任何电路结构的时序信息进行预测，提升了适用范围。

关键词：样本图时序信息时序预测模型特征信息预测集成电路样本损失函数样本电路迭代停止条件计算损失函数数据处理技术存储介质电路结构模型训练特征提取转换处理预设

来源：评论

学校读者我要写书评

暂无评论

时序预测模型的训练、预测方法、装置、设备及存储介质

时序预测模型的训练、预测方法、装置、设备及存储介质

引用

作者：冯春阳田培杰 518000 广东省深圳市南山区粤海街道高新区社区沙河西路1801号国实大厦16C

标准号: CN115293082A

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：