检索结果-内蒙古大学图书馆

作者：安程治李锐段强 250100 山东省济南市高新区孙村镇科航路2877号研发楼一楼

本发明公开一种基于融合时序预测模型的钢卷仓储吞吐量的预测方法，涉及数据分析预测技术领域；基于ARMA方法的时间序列预测模型和基于时间序列分解的时间序列预测模型，通过对上述两种模型的融合，对整个时间序列进行拟合，不仅对时间... 详细信息

标准号: CN110182520A

本发明公开一种基于融合时序预测模型的钢卷仓储吞吐量的预测方法，涉及数据分析预测技术领域；基于ARMA方法的时间序列预测模型和基于时间序列分解的时间序列预测模型，通过对上述两种模型的融合，对整个时间序列进行拟合，不仅对时间序列的整体变化走势有良好的预测，还将时间序列分解成趋势、周期、余项三部分，将时间序列的趋势和周期性刻画出来，再进行加权求出最终融合后的结果，通过此种方法可以结合两种方法的优势提高准确率，进而对未来时间的数据进行可靠预测，提高预测结果精确性和鲁棒性。

关键词：时间序列时间序列预测模型时间序列分解融合预测时序预测模型数据分析预测技术预测结果整体变化鲁棒性准确率钢卷拟合加权吞吐量仓储刻画走势

来源：评论

学校读者我要写书评

暂无评论

可解释的时序预测模型的训练方法、装置和计算设备

可解释的时序预测模型的训练方法、装置和计算设备

引用

作者：潘庆一胡文波 100084 北京市海淀区清华科技园科技大厦B座18层

本发明的实施方式提供了一种可解释的时序预测模型的训练方法、装置、介质和计算设备。该方法包括：对获取的时间序列数据进行数据处理，得到所述时间序列数据对应的序列图；通过所述可解释的时序预测模型对所述序列图建模，得到所述序... 详细信息

标准号: CN113779859A

本发明的实施方式提供了一种可解释的时序预测模型的训练方法、装置、介质和计算设备。该方法包括：对获取的时间序列数据进行数据处理，得到所述时间序列数据对应的序列图；通过所述可解释的时序预测模型对所述序列图建模，得到所述序列图对应的预测结果；基于真实值和所述预测结果，以使所述可解释的时序预测模型的预测精度提升为目的训练所述可解释的时序预测模型。本发明能够通过可解释的时序预测模型对序列图中多维度的数据以及具有时间顺序的时间序列数据进行计算，从而输出预测结果，以及基于预测结果和真实值可以对模型进行训练，以使模型可以输出更加准确的预测结果，也提升了可解释的时序预测模型的预测性能。

关键词：时序预测模型预测结果序列图时间序列数据计算设备精度提升时间顺序输出预测预测性能数据处理多维度建模输出预测

来源：评论

学校读者我要写书评

暂无评论

预测模型训练和时序预测方法、装置、设备及存储介质

预测模型训练和时序预测方法、装置、设备及存储介质

引用

作者：刘嘉李增祥 065000 河北省廊坊市中国(河北)自由贸易试验区大兴机场片区廊坊临空经济区航谊道自贸区科创基地2101

本发明提供了一种预测模型训练和时序预测方法、装置、设备及存储介质，该模型训练方法包括：获取目标预测模型，并确定用于训练该目标预测模型的第一时序训练数据；通过特征编码器对第一时序训练数据进行特征提取，得到第一特征向量，... 详细信息

标准号: CN118114712A

本发明提供了一种预测模型训练和时序预测方法、装置、设备及存储介质，该模型训练方法包括：获取目标预测模型，并确定用于训练该目标预测模型的第一时序训练数据；通过特征编码器对第一时序训练数据进行特征提取，得到第一特征向量，该特征编码器是基于M条第二时序训练数据训练得到，M条第二时序训练数据是通过掩码自编码器进行训练数据的修复和/或增强得到，将第一特征向量输入目标预测模型，得到第一时序训练数据对应的预测结果；根据该预测结果，确定目标预测模型的损失，并根据目标预测模型的损失，对该目标预测预测模型进行训练。这样在时序预测时，可以弥补用户历史时序数据匮乏和数据质量差造成的影响，提升时序预测模型的预测性能。

关键词：训练数据时序目标预测预测模型特征编码器时序预测特征向量预测结果时序预测模型预测模型训练存储介质获取目标模型训练时序数据输入目标特征提取用户历史预测性能编码器质量差掩码修复

来源：评论

学校读者我要写书评

暂无评论

基于Swin Transformer与GRU的低温贮藏番茄成熟度识别与时序预测研究

引用

农业机械学报 2024年第3期55卷 213-220页

作者：杨信廷刘彤韩佳伟郭向阳杨霖上海海洋大学信息学院上海201306 北京市农林科学院信息技术研究中心北京100097 农产品质量安全追溯技术及应用国家工程研究中心北京100097 仲恺农业工程学院信息科学与技术学院广州510225

面向绿熟番茄采后持续转熟特征,适时调温是满足不同成熟度番茄适宜贮运温度需求的关键,而果实成熟度自动识别与动态预测则是实现温度适时调控的基础条件。本文基于Swin Transformer与改进GRU提出了一种番茄成熟度识别与时序动态预测模型... 详细信息

面向绿熟番茄采后持续转熟特征,适时调温是满足不同成熟度番茄适宜贮运温度需求的关键,而果实成熟度自动识别与动态预测则是实现温度适时调控的基础条件。本文基于Swin Transformer与改进GRU提出了一种番茄成熟度识别与时序动态预测模型,首先通过融合番茄两侧图像获取番茄表观全局红色总占比,构建不同成熟番茄图像数据集,并基于迁移学习优化Swin Transformer模型初始权重配置,实现番茄成熟度分类识别;其次,周期性采集不同储藏温度(4、9、14℃)下番茄图像数据,结合番茄初始颜色特征与贮藏环境信息,构建基于Swin Transformer与GRU的番茄成熟度时序预测模型,并融合时间注意力模块优化模型预测精度;最后,对比分析不同模型预测结果,验证本研究所提模型的准确性与优越性。结果表明,番茄成熟度正确识别率为95.783%,相比VGG16、AlexNet、ResNet50模型,模型正确识别率分别提升2.83%、3.35%、12.34%。番茄成熟度时序预测均方误差(MSE)为0.225,相比原始GRU、LSTM、BiGRU模型MSE最高降低29.46%。本研究为兼顾番茄成熟度实现贮藏温度柔性适时调控提供了关键理论基础。

关键词：番茄低温贮藏成熟度识别时序预测模型 Swin Transformer GRU

来源：评论

学校读者我要写书评

暂无评论

基于多变量样本卷积交互网络的电力系统频率安全性评估

引用

电力系统自动化 2024年第22期48卷 160-170页

作者：刘杰石访宋雪萌田硕硕聂礼强电动汽车电网接入技术国家地方联合工程实验室(山东大学) 山东省济南市250061 山东大学计算机科学与技术学院山东省青岛市266200 山东大学电气工程学院山东省济南市250061

现有电力系统暂态频率智能评估方法未充分考虑输入数据的时序特征。因此,文中提出一种基于暂态频率响应曲线智能预测的电力系统频率安全性评估方法。设计了一种多变量样本卷积交互网络,可充分挖掘电力系统量测数据的时序特征,从而提高... 详细信息

现有电力系统暂态频率智能评估方法未充分考虑输入数据的时序特征。因此,文中提出一种基于暂态频率响应曲线智能预测的电力系统频率安全性评估方法。设计了一种多变量样本卷积交互网络,可充分挖掘电力系统量测数据的时序特征,从而提高电力系统暂态频率响应曲线的预测精度;基于所预测的频率响应曲线计算最大频率偏差、最大频率偏差发生时间和准稳态频率等关键指标,并综合评估系统的频率安全性。在频率稳定标准算例上进行仿真测试,结果表明,所提方法与深度学习等经典方法相比,频率响应曲线预测和系统频率安全性评估精度均得到有效提升。

关键词：频率安全深度学习安全性评估时序预测模型卷积交互网络暂态频率响应

来源：评论

学校读者我要写书评

暂无评论

一种集成多特征与时序模型的配电网线损率预测方法

一种集成多特征与时序模型的配电网线损率预测方法

引用

作者：杨正宇张彩强 650217 云南省昆明市经开区云大西路105号云电科技园

本发明涉及一种集成多特征与时序模型的配电网线损率预测方法，包括：获取电力系统配电网历史数据集，对数据进行清洗；基于清洗后的历史数据集，建立基于多特征的GWO‑SVR，得到预测结果；基于清洗后的历史数据集，建立基于ARIMA‑GWO‑SV... 详细信息

标准号: CN116805167A

本发明涉及一种集成多特征与时序模型的配电网线损率预测方法，包括：获取电力系统配电网历史数据集，对数据进行清洗；基于清洗后的历史数据集，建立基于多特征的GWO‑SVR，得到预测结果；基于清洗后的历史数据集，建立基于ARIMA‑GWO‑SVR的时序预测模型，得到此模型的预测结果；以上述两种模型预测的均方误差为权重系数，通过模型组合的方式得到最终的预测结果。本发明充分提取了各个模型的有效预测信息，在提高预测的可信度的情况下最大程度规避了由单一模型预测带来的风险。并且本发明中考虑了电力系统运行数据，物理数据以及时序数据，具有更高的可信度，具有更好的预测精度和效率。

关键词：历史数据预测结果清洗模型预测可信度预测电力系统配电网电力系统运行时序预测模型均方误差模型组合配电网线权重系数时序模型时序数据物理数据预测信息

来源：评论

学校读者我要写书评

暂无评论

一种基于协同管理时序模型的数据优化方法及系统

一种基于协同管理时序模型的数据优化方法及系统

引用

作者：蒲飞帆张祥 211189 江苏省南京市江宁区东南大学路2号

本发明公开了一种基于协同管理时序模型的数据优化方法及系统，涉及计算机技术领域，包括以下步骤：获取终端设备采集数据，将终端设备采集数据进行数据协同，得到协同数据，将协同数据输入至预先建立的多层时序预测模型内，输出得到预... 详细信息

标准号: CN118113998A

本发明公开了一种基于协同管理时序模型的数据优化方法及系统，涉及计算机技术领域，包括以下步骤：获取终端设备采集数据，将终端设备采集数据进行数据协同，得到协同数据，将协同数据输入至预先建立的多层时序预测模型内，输出得到预测数据；将终端设备采集数据进行数据整合生成数据集，利用预测数据对数据集内的缺失值进行填充，检测数据集内的异常值，对异常值进行修复，得到优化更新数据集；本发明对时序数据的分布进行预测从而进行数据的缺失值填充和异常值处理，优化数据质量。

关键词：采集数据终端设备预测数据填充计算机技术领域协同时序预测模型更新数据检测数据生成数据时序模型时序数据数据协同数据优化数据整合协同管理优化数据预先建立数据集多层修复输出预测优化

来源：评论

学校读者我要写书评

暂无评论

一种基于自迭代级联模型的生态因子空谱时序预测方法

一种基于自迭代级联模型的生态因子空谱时序预测方法

引用

作者：王圣伟陈洪全崔烁豪周志强徐玉荣苏文静 730070 甘肃省兰州市安宁东路967号

本发明实施例公开了一种基于自迭代级联模型的生态因子空谱时序预测方法。其中方法包括：获取研究区多时段的某一生态因子数据；对初始数据进行处理生成空间分布数据；像元统计多时段生态因子作为样本数据。预测模型为一种级联模型(ASML... 详细信息

标准号: CN118211693A

本发明实施例公开了一种基于自迭代级联模型的生态因子空谱时序预测方法。其中方法包括：获取研究区多时段的某一生态因子数据；对初始数据进行处理生成空间分布数据；像元统计多时段生态因子作为样本数据。预测模型为一种级联模型(ASMLP),由三个模块构成，分别提取样本数据空间信息和特征(时间)信息，以及融合两个信息层预测输出，此外通过将输出值作为一个新的特征值通道迭代预测输出。本发明实施例可以为生态因子的空间演化量化分析提供支撑，将像元作为级联模型的输入的样本数据，通过生态因子的变化预测其输出。所提出的级联时序预测模型能够挖掘样本数据的空域信息和时域(特征)信息，消除了像元相互独立这一缺点，保证了空间的连续性。此外迭代预测机制能够保证在时序预测中时间上的连续性。

关键词：生态因子样本数据级联像元输出迭代预测时序预测时序预测模型变化预测初始数据空间分布空间信息空域信息量化分析预测模型信息层迭代时域保证融合挖掘预测支撑统计研究

来源：评论

学校读者我要写书评

暂无评论

基于多端时序模型的时域自适应股价预测方法及装置

基于多端时序模型的时域自适应股价预测方法及装置

引用

作者：刘卢琛黄进晟夏炳煜刘旭晖张铭 100000 北京市海淀区北四环西路52号9层907室

本发明涉及人工智能领域，公开了一种基于多端时序模型的时域自适应股价预测方法及装置，用于对股票时域信息进行自适应噪声建模并提高股价预测的准确性。方法包括：通过固定初始化多端融合时序预测模型的第一模型参数并对初始化时域信... 详细信息

标准号: CN117252691A

本发明涉及人工智能领域，公开了一种基于多端时序模型的时域自适应股价预测方法及装置，用于对股票时域信息进行自适应噪声建模并提高股价预测的准确性。方法包括：通过固定初始化多端融合时序预测模型的第一模型参数并对初始化时域信息自适应重采样模型进行模型参数更新，得到目标时域信息自适应重采样模型；固定目标时域信息自适应重采样模型的第二模型参数并对初始化多端融合时序预测模型进行模型优化，得到目标多端融合时序预测模型；通过多轮双层迭代并进行模型验证，输出双层迭代优化的时域信息自适应模型；获取待处理的第二流式数据，并通过双层迭代优化的时域信息自适应模型对第二流式数据进行股价预测，得到目标股价预测结果。

关键词：时域信息自适应股价预测时序预测模型初始化重采样自适应模型迭代优化流式数据模型参数融合模型参数更新人工智能领域固定目标模型验证模型优化时序模型噪声建模迭代多轮时域输出股票

来源：评论

学校读者我要写书评

暂无评论

基于EMD的相空间重构极限学习机预测模型

引用

计算机工程与设计 2017年第9期38卷 2515-2524页

作者：余宇婷金文张珊珊邱桃荣白小明南昌大学信息工程学院江西南昌330031

针对气象领域中现有气象预测模型存在的准确率不高、建模时间过久、受噪音影响太大等问题,通过分析气象数据具有的时序性、混沌性和存在噪音等不确定特征,拟采用一种通过模态分解并构建于相空间基础之上的极限学习机技术。通过利用经验... 详细信息

针对气象领域中现有气象预测模型存在的准确率不高、建模时间过久、受噪音影响太大等问题,通过分析气象数据具有的时序性、混沌性和存在噪音等不确定特征,拟采用一种通过模态分解并构建于相空间基础之上的极限学习机技术。通过利用经验模态分解减少数据噪音,利用相空间重构技术提升学习规则提取和模型构建的有效性,并根据极限学习机所具备的快速构建的特性来构建预测模型。针对经典经验模态分解技术在IMF的筛选的阈值计算方法存在过筛选或者噪音数据去除不完整、去噪效果不理想等问题,提出动态阈值设定方法。在真实的数据集上对该预测模型进行对比测试,测试结果表明,该模型具有更好的预测精度,有效降低了数据噪音的影响。

关键词：经验模态分解相空间重构极限学习机气象预测时序预测模型

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：