-
题名基于邻域互信息的组合预测最优子集选择算法
- 1
-
-
作者
吕兴
李倩
张大斌
曾莉玲
凌立文
-
机构
华南农业大学数学与信息学院
华南农业大学乡村振兴研究院
广东白云学院大数据与计算机学院
-
出处
《计算机工程与设计》
北大核心
2024年第5期1359-1367,共9页
-
基金
国家自然科学基金面上基金项目(71971089)
国家自然科学基金青年基金项目(72001083)
+1 种基金
广东省自然科学基金面上基金项目(2022A1515011612)
广东省普通高校重点领域专项基金项目(2020ZDZX3009)。
-
文摘
为在候选模型集中高效地选择时间序列组合预测的最优子集,提出一种CSPSO-NMI-MRMR最优子集选择算法。利用邻域互信息(neighborhood mutual information, NMI)度量相关性和冗余度,避免数值型数据的离散化,按最大相关最小冗余原则(minimal redundancy and maximal relevance, MRMR)筛选最优子集;邻域互信息中的邻域参数与子集选择效果密切相关,采用CSPSO算法寻找最优邻域参数,充分利用布谷鸟算法(cuckoo search, CS)和粒子群优化算法(particle swarm optimization, PSO)的优势,兼顾搜索效率和全局搜索能力;在寻参过程中设计一种淘汰策略,优化邻域参数的寻优区间并淘汰部分单模型,减少计算量。仿真结果表明,所提方法在预测精度、运行时间和稳健性上效果更优。
-
关键词
时间序列
组合预测
子模型选择
邻域互信息
参数优化
启发式算法
布谷鸟算法
-
Keywords
time series
combination forecasting
sub-model selection
neighborhood mutual information
parameter optimization
heuristic algorithm
cuckoo search algorithm
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名面向群业务的移动互联网自适应资源分配机制
- 2
-
-
作者
吕鹏
白光伟
沈航
张芃
-
机构
南京工业大学计算机科学与技术系
南京理工大学高维信息智能感知与系统教育部重点实验室
南京邮电大学宽带无线通信与传感网技术教育部重点实验室
-
出处
《计算机工程与设计》
北大核心
2015年第1期30-36,共7页
-
基金
国家自然科学基金项目(60673185
61073197)
+5 种基金
江苏省自然科学基金项目(BK2010548)
江苏省科技支撑计划(工业)基金项目(BE2011186)
江苏省普通高校研究生科研创新计划基金项目(CXLX11_0262
CXZZ12_0425)
南京邮电大学宽带无线通信与传感网技术教育部重点实验室开放研究基金项目(NYKL201304)
江苏省六大高峰人才基金项目(第八批)
-
文摘
现有的移动互联网资源分配机制大多面向单一业务,无法高效支持群业务。针对这一问题,提出一种面向群业务的自适应资源分配机制。综合考虑动态变化的异构网络环境、群业务特征和用户需求,采用吸引子选择模型来计算备选网络的优先级;在此基础上,运用逼近理想接入网络法对备选网络进行多属性判决,为群业务选择适宜的接入网络。仿真结果表明,该机制显著提高了用户体验和网络资源的利用率。
-
关键词
移动互联网
群业务
吸引子选择模型
多属性判决
自适应资源分配
-
Keywords
mobile internet
group-service
attractor selection model
multi-attribute decision
adaptive resource allocation
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名基于变分模态分解和深度学习算法的污水出水水质预测
- 3
-
-
作者
梅丹
张恒
-
机构
武汉三镇实业控股股份有限公司
-
出处
《长江科学院院报》
2025年第9期67-74,82,共9页
-
基金
国家自然科学基金重大项目课题(52192664)
国家自然科学基金面上项目(72711094)。
-
文摘
准确预测出水水质对于污水处理厂的节能降耗具有重要意义。近年来,以废水处理仿真基准模型1号(BSM1)为代表的机理模型和各种深度学习算法被广泛运用于污水处理厂出水水质预测。然而,出水水质具有复杂的非线性关系,现有的预测模型通用性较差。基于此,提出一种基于变分模态分解(VMD)和4种深度学习算法的预测框架。通过变分模态分解方法将水质序列分解后,引入综合评价指标(CEI)为分解后的子序列寻求预测性能最好的算法,最后叠加各子模型的预测值得到最终的预测结果。以湖北省武汉市的一座污水处理厂出水化学需氧量(COD)浓度为例进行实例验证,结果表明,所提出的模型较单一模型在预测性能上达到了最佳效果,均方根误差(RMSE)达到了0.485。
-
关键词
水质预测
变分模态分解
综合评价指标
最优子模型选择
深度学习算法
-
Keywords
water quality prediction
variational mode decomposition(VMD)
comprehensive evaluation indicator(CEI)
optimal sub-model selection
deep learning algorithms
-
分类号
TP183
[自动化与计算机技术]
X703
[自动化与计算机技术—控制理论与控制工程]
-
