检索结果-内蒙古大学图书馆

小型微型计算机系统 2017年第6期38卷 1375-1380页

作者：林远龙杨恩众冉泳屹杨坚中国科学技术大学自动化系合肥230027

可伸缩视频编码技术是解决视频应用中网络异构性和终端多样性的有力工具,目前的工作大多集中在选择传输的码流层数或者优化单层数据的传输路径上.本文提出了一种可伸缩视频传输联合优化算法,能够对层数和传输路径进行联合优化,克服了只... 详细信息

可伸缩视频编码技术是解决视频应用中网络异构性和终端多样性的有力工具,目前的工作大多集中在选择传输的码流层数或者优化单层数据的传输路径上.本文提出了一种可伸缩视频传输联合优化算法,能够对层数和传输路径进行联合优化,克服了只调整码流层数时效率低下的问题,同时改善了只优化传输路径时浪费带宽的现象.该算法首先根据0/1多背包规划模型建立问题模型,然后利用遗传算法进行求解,一次性决策出层数和传输路径.此外,算法还采用自回归积分滑动平均模型预测网络状态,将预测结果用于决策中.最后在Mininet平台进行了仿真实验,实验表明本文算法在对网络干扰较小的情况下,能够提供高质量的、具有服务质量保证的可伸缩视频传输服务.

关键词：可伸缩视频编码软件定义网络 Open Flow 自回归积分滑动平均模型遗传算法多背包规划

来源：评论

学校读者我要写书评

暂无评论

基于数据分解的上海港集装箱吞吐量预测模型

引用

中国航海 2019年第2期42卷 132-138页

作者：冯宏祥 GRIFOLL Manel AGUSTI Martinmallofre 郑彭军宁波大学海运学院浙江宁波315211 港口贸易合作与发展协调创新中心港口经济协调创新中心浙江宁波315211 国家道路交通管理工程技术中心宁波大学分中心浙江宁波315211 加泰罗尼亚理工大学航海学院巴塞罗纳交通创新研究中心西班牙巴塞罗那08003

根据“分而治之”的框架,分别运用经验模式分解(Empirical Mode Decomposition, EMD)算法和季节性自回归积分滑动平均(Seasonal Autoregressive Integrated Moving Average, SARIMA)算法,将月度集装箱吞吐量时间系列数据分解为不同特征... 详细信息

根据“分而治之”的框架,分别运用经验模式分解(Empirical Mode Decomposition, EMD)算法和季节性自回归积分滑动平均(Seasonal Autoregressive Integrated Moving Average, SARIMA)算法,将月度集装箱吞吐量时间系列数据分解为不同特征的分量,用支持向量回归(Support Vector Regression, SVR)模型分别对各分量进行预测,EMD-SVR模型和SARIMA-SVR模型预测结果的平均绝对百分误差(Mean Absolute Percentage Errors, MAPE)分别为 5.18%和7.26%,与港口实际吞吐量均较为一致,优于SVR模型的8.55%、自回归积分滑动平均(Autoregressive Integrated Moving Average, ARIMA)模型的11.8%和灰色系统(Grey Model, GM(1,1))模型的10.1%,验证数据分解方法在上海港集装箱月度吞吐量预测中的可行性,支持间接性预测模型精度高于直接模型的观点。

关键词：经验模式分解支持向量回归自回归积分滑动平均模型灰色预测

来源：评论

学校读者我要写书评

暂无评论

基于季节性分解的时间序列在主变压器缺陷率预测中的应用

引用

电网与清洁能源 2015年第11期31卷 19-25页

作者：李勋张宏钊姚森敬黄荣辉刘顺桂吕启深张林深圳供电局有限公司广东深圳518048

针对主变压器缺陷率序列具有的非线性和非平稳性特点,以及主变压器缺陷发生具有季节性的特征,提出将主变压器缺陷率序列进行季节性分解和时间序列ARIMA预测相结合对主变缺陷率进行预测,以探寻较为有效的主变压器缺陷率的预测方法。首先... 详细信息

针对主变压器缺陷率序列具有的非线性和非平稳性特点,以及主变压器缺陷发生具有季节性的特征,提出将主变压器缺陷率序列进行季节性分解和时间序列ARIMA预测相结合对主变缺陷率进行预测,以探寻较为有效的主变压器缺陷率的预测方法。首先,对原始序列进行预处理,将其分解为一系列不同的模式分量,这样能够突出原始主变缺陷率序列的局部特征信息;然后,分析各分量,根据其变化规律,采用时间序列法建立相应的模型并进行预测,这样既简化了建立的模型又降低了不同分量间的干涉和耦合;最后将各分量的预测值叠加得到缺陷率的预测值。算例结果表明,该方法具有较好的预测效果。

关键词：主变压器缺陷率季节性分解时间序列自回归积分滑动平均模型预测

来源：评论

学校读者我要写书评

暂无评论

基于离散灰色预测模型与人工神经网络混合智能模型的时尚销售预测

引用

计算机应用 2016年第12期36卷 3378-3384页

作者：刘卫校浙江理工大学科学计算与软件工程实验室杭州310018

时尚销售预测对零售领域十分重要,准确的销售情况预测有助于大幅度提高最终时尚销售利润。针对目前时尚销售预测数据量有限并且数据波动大导致难以进行准确预测的问题,提出了一种结合人工神经网络(ANN)算法和离散灰色预测模型(DGM(1,1)... 详细信息

时尚销售预测对零售领域十分重要,准确的销售情况预测有助于大幅度提高最终时尚销售利润。针对目前时尚销售预测数据量有限并且数据波动大导致难以进行准确预测的问题,提出了一种结合人工神经网络(ANN)算法和离散灰色预测模型(DGM(1,1))算法的混合智能预测算法。该算法通过关联度分析得到关联度大的影响变量,在利用DGM(1,1)+ANN预测之后,引入二次残差的思想,将实际销售数据与DGM(1,1)+ANN预测结果的残差加入影响变量利用ANN进行第二次残差预测。最后通过真实的时尚销售数据验证算法预测的可行性及准确性。实验结果表明,该算法在时尚销售数据的预测中,预测平均绝对百分误差(MAPE)在25%左右,预测性能优于自回归积分滑动平均模型(ARIMA)、扩展极限学习机(EELM)、DGM(1,1)、DGM(1,1)+ANN算法,相较于以上几种算法平均预测精度大约提高8个百分点。所提混合智能算法可用于时尚销售即时预测,且能够大幅度提高销售的效益。

关键词：时尚销售预测神经网络算法离散灰色模型关联度分析自回归积分滑动平均模型

来源：评论

学校读者我要写书评

暂无评论

基于集合经验模式分解的ARIMA行业售电量预测模型

引用

电力科学与技术学报 2019年第2期34卷 128-133页

作者：林女贵国家电网福建省电力有限公司

售电量的准确预测是电力市场课题研究的重要内容之一,目前已有许多模型用于售电量预测。在此背景下,考虑售电量时间序列的非线性、波动性和周期性,提出基于集合经验模式分解和自回归积分滑动算法的预测模型。该模型首先对售电量时间序... 详细信息

售电量的准确预测是电力市场课题研究的重要内容之一,目前已有许多模型用于售电量预测。在此背景下,考虑售电量时间序列的非线性、波动性和周期性,提出基于集合经验模式分解和自回归积分滑动算法的预测模型。该模型首先对售电量时间序列进行集合经验模态分解,通过添加白噪声得到不同时间尺度分布的售电量时间序列,分解后得到一系列相对平稳的本征模态函数和趋势项,然后利用自回归积分滑动算法对各平稳化本征模态函数和趋势项分别进行预测,得到各分量的预测结果,最后将分量预测结果叠加得到最终的售电量预测值。基于历史统计售电量数据的预测结果分析表明,基于集合经验模式分解的 ARIMA模型具有良好的预测精度。

关键词：售电量预测集合经验模式分解自回归积分滑动平均模型

来源：评论

学校读者我要写书评

暂无评论

基于非分散红外光谱原理的无线式火灾早期报警系统设计与实现

引用

计算机应用与软件 2019年第4期36卷 124-129,134页

作者：周庆隆叶刚佳能信息系统(上海)有限公司上海200235 埃森哲(中国)有限公司先进技术中心上海200072

针对高大或者开放空间等无法采用外部供电的木质古建筑,设计并实现采用热释电材料传感器,基于非分散红外光谱原理和无线传感网技术的远程分布式火灾监测报警系统。实验结果表明,该系统实现电池供电的低功耗无线火灾探测网络,易于布置,... 详细信息

针对高大或者开放空间等无法采用外部供电的木质古建筑,设计并实现采用热释电材料传感器,基于非分散红外光谱原理和无线传感网技术的远程分布式火灾监测报警系统。实验结果表明,该系统实现电池供电的低功耗无线火灾探测网络,易于布置,施工简单,可以非常方便地扩大监测规模。实现对碳氢化合物类物质燃烧的火灾早期探测,准确度高,误报率低,适合传统消防探测手段无效,或者无法外部供电等的特殊场合使用。

关键词：热释电材料非分散红外光谱无线传感网物联网自回归积分滑动平均模型神经网络

来源：评论

学校读者我要写书评

暂无评论

监控与预测的云资源优化配置

引用

华侨大学学报（自然科学版） 2017年第4期38卷 573-578页

作者：蒋堃陈永红田晖王田蔡奕侨华侨大学计算机科学与技术学院福建厦门361021

针对云环境下虚拟机资源在多数时间中处于闲置状态导致云资源利用率低的问题,设计一种云资源监控系统,并在云监控基础上提出一种基于自回归积分滑动平均(ARIMA)模型的动态负载预测与资源配置的方法.该方法利用虚拟机负载与配置的关系,... 详细信息

针对云环境下虚拟机资源在多数时间中处于闲置状态导致云资源利用率低的问题,设计一种云资源监控系统,并在云监控基础上提出一种基于自回归积分滑动平均(ARIMA)模型的动态负载预测与资源配置的方法.该方法利用虚拟机负载与配置的关系,通过预测负载情况,提前启动或者挂起虚拟机,提高云资源的利用率.研究结合OpenStack云环境提供的虚拟机,实现其下的云资源监控,预测和弹性分配功能.结果表明:该系统能准确预测虚拟机的需求量,所制定的资源弹性分配策略能够提高云资源的利用率,进一步节约成本.

关键词：云计算负载预测自回归积分滑动平均模型弹性计算云监控

来源：评论

学校读者我要写书评

暂无评论

基于时间序列汽车轮毂尺寸偏差趋势预测

引用

组合机床与自动化加工技术 2020年第2期 1-5页

作者：向华席海涛周浩华中科技大学机械科学与工程学院数控中心

文章选用指数平滑法和ARIMA法两种典型的时间序列算法作为预测模型,对流水线生产的汽车轮毂倒锥大尺寸值偏差趋势进行预测。以MATLAB作为工具进行实验计算,依据预测数据和实际观察值的RMSE和期望误差的对比来比较这两种模型的预测效果,... 详细信息

文章选用指数平滑法和ARIMA法两种典型的时间序列算法作为预测模型,对流水线生产的汽车轮毂倒锥大尺寸值偏差趋势进行预测。以MATLAB作为工具进行实验计算,依据预测数据和实际观察值的RMSE和期望误差的对比来比较这两种模型的预测效果,得出在预测汽车轮毂倒锥大尺寸值偏差趋势时,二次指数平滑法的预测效果更好,所以最终采用此模型,从而为宏观调控刀具补偿值提供有力的依据。

关键词：预测指数平滑法自回归积分滑动平均模型刀具补偿

来源：评论

学校读者我要写书评

暂无评论

2011—2021年武威市流行性腮腺炎流行特征及短期预测

引用

中国预防医学杂志 2023年第3期24卷 213-217页

作者：郑艳妮赵玉锐朱东升李昕蓉冯亚莉杨露王金玉李盛兰州市第一人民医院公共卫生科甘肃兰州730050 甘肃中医药大学公共卫生学院兰州大学基础医学院

目的分析2011—2021年武威市流行性腮腺炎的流行特征,并利用自回归积分滑动平均模型(auto regressive integrated moving average model,ARIMA)预测其短期发病趋势,为流行性腮腺炎的预防和控制措施的制订提供理论支撑。方法收集2011—... 详细信息

目的分析2011—2021年武威市流行性腮腺炎的流行特征,并利用自回归积分滑动平均模型(auto regressive integrated moving average model,ARIMA)预测其短期发病趋势,为流行性腮腺炎的预防和控制措施的制订提供理论支撑。方法收集2011—2021年武威市流行性腮腺炎发病资料进行流行病学特征分析,并利用R 4.1. 0建立ARIMA模型,预测其短期发病趋势。结果 2011—2021年武威市流行性腮腺炎报告发病数4 441例,年均发病率8.90/10万,发病群体以学生为主,共报告病例3 193例(71.90%);发病男性多于女性,性别比为1.70∶1;5~<20岁年龄组发病数最多,共报告病例3 515例(79.15%);报告发病数居首位的为凉州区(48.61%);报告年均发病率最高为古浪县(48.69/10万)。发病呈现明显的季节性双峰分布,主峰为11月至次年1月,共报告病例1 470例(33.10%);次高峰为4-5月,共报告病例951例(21.41%)。模型构建结果显示,ARIMA (2,1,0)(0,0,1)12为最优模型,其参数MASE为0.326,RMSE为1.337,MAE为-8.052,AIC为417.270,BIC为428.386。模型预测结果显示,预测值与观测值整体趋势变化一致,绝对误差平均值为0.25,相对误差平均值为0.42。结论 2011—2021年武威市流行性腮腺炎发病呈下降趋势,建立的ARIMA模型拟合程度较高,发病群体主要是学生,应做好学校卫生,加强学校流行性腮腺炎疫情监测。

关键词：流行性腮腺炎流行病学特征分析自回归积分滑动平均模型

来源：评论

学校读者我要写书评

暂无评论

基于SparkR的水文传感器数据的异常检测方法

引用

计算机应用 2019年第2期39卷 436-440页

作者：刘子豪李凌叶枫江苏科技大学计算机学院江苏镇江212003 河海大学计算机与信息学院南京211100

为了高效地从海量的水文传感器数据中检测出异常值,提出一种基于SparkR的水文时间序列异常检测方法。首先,对数据进行清洗后,采用滑动窗口配合自回归积分滑动平均模型(ARIMA)在SparkR平台上进行预测;然后,对预测的结果计算置信区间,将... 详细信息

为了高效地从海量的水文传感器数据中检测出异常值,提出一种基于SparkR的水文时间序列异常检测方法。首先,对数据进行清洗后,采用滑动窗口配合自回归积分滑动平均模型(ARIMA)在SparkR平台上进行预测;然后,对预测的结果计算置信区间,将在区间范围以外的判定为异常值;最后,基于检测结果,利用K均值算法对原数据进行聚类,同时计算其状态转移概率,对检测出的异常值进行质量评估。以在滁河获取的水文传感器数据为实验数据,分别在运行时间和异常值检测效果这两个方面进行了实验。结果显示:利用SparkR对百万级数据进行计算时,利用双节点计算的时间要长于单节点;但是对千万级数据进行计算时,双节点比单节点计算时间上更少,最多减少了16. 21%,且评估过后的灵敏度由之前的5. 24%提高到了92. 98%。实验结果表明,在SparkR下,根据水文数据的特点并结合预测检验和聚类校验的方法对千万级水文时间序列进行检测时,能有效提高传统方法的计算效率,并且在灵敏度方面相比传统方法也有显著提升。

关键词： SparkR 自回归积分滑动平均模型异常检测水文时间序列 K均值

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：