期刊文献+
共找到142篇文章
< 1 2 8 >
每页显示 20 50 100
基于WTT-iTransformer时序预测的容器群伸缩策略研究
1
作者 陈奇超 叶楠 曹炳尧 《电子测量技术》 北大核心 2025年第12期88-98,共11页
Kubernetes默认的HPA策略因其特有的响应性机制而存在扩缩容滞后的局限。为了提高资源的响应性能和资源利用率,本文引入了基于时序资源负载预测的弹性伸缩策略,预测部分创新得提出了WTT-iTransformer模型对集群资源进行预测。已知iTrans... Kubernetes默认的HPA策略因其特有的响应性机制而存在扩缩容滞后的局限。为了提高资源的响应性能和资源利用率,本文引入了基于时序资源负载预测的弹性伸缩策略,预测部分创新得提出了WTT-iTransformer模型对集群资源进行预测。已知iTransformer不仅在长期序列预测表现优异,还可通过变量序列作为token嵌入获取了多变量间的关联性。本文通过增加了小波变换卷积层WTConv2d和多尺度时间卷积网络的WTT-iTransformer模型可以更精确地从时、频域两方面提取资源时间序列的长期特征与依赖关系,更符合容器使用特征的预测。基于该模型的负载变化预测,能够实现高、低流量发生的初期进行快速扩缩容,以解决反应滞后和资源利用率低的问题。实验结果表明,WTT-iTransformer在训练过程中表现出更好的稳定性和更低的训练误差,能够较为准确地预测集群负载的变化趋势,改进的弹性伸缩策略与Kubernetes传统的HPA相比更加智能、稳定,在负载特征明显、突发性负载较多的场景展现出显著提升,具有广泛的应用潜力。 展开更多
关键词 Kubernetes 时序预测模型wtt-itransformer 负载预测 混合弹性伸缩策略 小波变换卷积 时间卷积网络 iTransformer模型
在线阅读 下载PDF
基于Transformer模型的时序数据预测方法综述 被引量:7
2
作者 孟祥福 石皓源 《计算机科学与探索》 北大核心 2025年第1期45-64,共20页
时序数据预测(TSF)是指通过分析历史数据的趋势性、季节性等潜在信息,预测未来时间点或时间段的数值和趋势。时序数据由传感器生成,在金融、医疗、能源、交通、气象等众多领域都发挥着重要作用。随着物联网传感器的发展,海量的时序数据... 时序数据预测(TSF)是指通过分析历史数据的趋势性、季节性等潜在信息,预测未来时间点或时间段的数值和趋势。时序数据由传感器生成,在金融、医疗、能源、交通、气象等众多领域都发挥着重要作用。随着物联网传感器的发展,海量的时序数据难以使用传统的机器学习解决,而Transformer在自然语言处理和计算机视觉等领域的诸多任务表现优秀,学者们利用Transformer模型有效捕获长期依赖关系,使得时序数据预测任务取得了飞速发展。综述了基于Transformer模型的时序数据预测方法,按时间梳理了时序数据预测的发展进程,系统介绍了时序数据预处理过程和方法,介绍了常用的时序预测评价指标和数据集。以算法框架为研究内容系统阐述了基于Transformer的各类模型在TSF任务中的应用方法和工作原理。通过实验对比了各个模型的性能、优点和局限性,并对实验结果展开了分析与讨论。结合Transformer模型在时序数据预测任务中现有工作存在的挑战提出了该方向未来发展趋势。 展开更多
关键词 深度学习 时序数据预测 数据预处理 Transformer模型
在线阅读 下载PDF
基于双模型并联的复杂时序预测方法
3
作者 郑洪英 夏林中 刘星 《深圳大学学报(理工版)》 北大核心 2025年第3期334-341,共8页
传统时序预测模型通常仅关注捕捉复杂时序中的趋势和模式,而忽略了变量间的相互作用,限制了该模型在复杂时序预测中应用.提出一种Dualformer双模型并联方案,该模型并联iTransformer(inverted transformer)和PatchTST(patch time series ... 传统时序预测模型通常仅关注捕捉复杂时序中的趋势和模式,而忽略了变量间的相互作用,限制了该模型在复杂时序预测中应用.提出一种Dualformer双模型并联方案,该模型并联iTransformer(inverted transformer)和PatchTST(patch time series transformer),通过激活函数替代前馈神经网络,并通过多层感知机计算输出结果.Dualformer利用注意力机制同时捕捉复杂时序中的时间维度和变量维度信息,关注时间趋势与多变量交互.实验结果显示,Dualformer在复杂时序预测效果上显著优于对比模型iTransformer、PatchTST和DLinear(decomposition linear),在实际应用中可显著提高复杂时序预测的准确度,具有广泛应用前景. 展开更多
关键词 人工智能 深度学习 复杂时序预测 注意力机制 多层感知机 Dualformer模型
在线阅读 下载PDF
基于时序数据的环空带压预测混合模型
4
作者 张阳杰 张智 +1 位作者 王杨 邓皓匀 《科学技术与工程》 北大核心 2025年第5期1870-1877,共8页
为避免异常环空带压导致井筒失效,进而造成安全事故,准确预测环空带压值,在其超过控制值时提前采取预防和解决措施。提出自回归差分移动平均-长短期记忆模型(autoregressive integrated moving average-long short-term memory,ARIMA-LS... 为避免异常环空带压导致井筒失效,进而造成安全事故,准确预测环空带压值,在其超过控制值时提前采取预防和解决措施。提出自回归差分移动平均-长短期记忆模型(autoregressive integrated moving average-long short-term memory,ARIMA-LSTM),该模型针对实际环空带压时序数据和特征捕捉的数据集训练预测实例井的环空带压值,并与单一模型、循环神经网络(recurrent neural network,RNN)模型进行对比。研究结果显示:通过实际数据训练后,该模型在误差、拟合精度和整体性能上有着良好表现,可为提高环空带压值的预测精度和效率提供参考,对井筒完整性设计有一定帮助。 展开更多
关键词 环空带压预测 时序数据 神经网络 混合模型
在线阅读 下载PDF
变分模态分解下融合时序InSAR沉降监测的HPO-LSTM预测模型
5
作者 陈兰兰 范永超 +1 位作者 肖海平 夏益强 《有色金属科学与工程》 北大核心 2025年第2期297-305,共9页
InSAR技术是实现大范围矿区地表沉降分析的重要手段和方法,准确预测地表沉降对预防地质灾害具有重要意义。考虑到InSAR技术提取的矿区地表沉降数据存在较强的波动性和非线性,以及长短期时间记忆(Long Short-Term Memory,LSTM)网络模型... InSAR技术是实现大范围矿区地表沉降分析的重要手段和方法,准确预测地表沉降对预防地质灾害具有重要意义。考虑到InSAR技术提取的矿区地表沉降数据存在较强的波动性和非线性,以及长短期时间记忆(Long Short-Term Memory,LSTM)网络模型的超参数难以确定的问题,本文提出一种变分模态分解(VMD)结合猎食者算法(Hunter-Prey Optimizer,HPO)优化LSTM的地表沉降预测模型,以某矿为研究对象,通过VMD算法将矿区沉降信息分解为多个模态分量,然后使用HPOLSTM模型对这些模态分量进行预测,并与InSAR监测结果进行对比分析。结果表明:与VMD-BP和VMD-ELM模型相比,该方法的预测效果更好,平均绝对误差最少降低85.41%,均方根误差最少降低85.02%,平均绝对百分比误差最少降低87.05%,表明该方法具有更强的可靠性和可行性。 展开更多
关键词 时序InSAR 沉降监测 变分模态分解 HPO-LSTM预测模型
在线阅读 下载PDF
基于自适应集成学习的煤矿微震时序预测模型
6
作者 王绍琛 王超 +4 位作者 李士栋 孔震 袁腾飞 周启祥 陆菜平 《采矿与岩层控制工程学报》 北大核心 2025年第4期243-258,共16页
针对煤矿微震时序预测问题,数据驱动的深度学习模型能够有效提取微震数据中的关键特征和规律,从而实现精准预测。然而,由于工况条件随工作面的推进不断变化,这使得微震事件的成因复杂且分布无序,单一预测模型学习局部时序特征的方式难... 针对煤矿微震时序预测问题,数据驱动的深度学习模型能够有效提取微震数据中的关键特征和规律,从而实现精准预测。然而,由于工况条件随工作面的推进不断变化,这使得微震事件的成因复杂且分布无序,单一预测模型学习局部时序特征的方式难以维持稳定而准确的预测效果,且对回采初期无法预测。为提高煤矿微震时序预测的稳定性、完整性和准确性,利用海量微震数据,分析了不同工作面、同一工作面不同开采阶段之间的微震时序特征。通过Adaptive-dickey-fuller(ADF)平稳性检验和波动性分析,明确了事件成因对微震时序特征的显著影响,构建了对应不同事件成因主导下的多种微震时序数据集。利用Blending集成学习算法,结合一维卷积神经网络(1D-CNN)和双向长短期记忆网络(BiLSTM),提出了一种基于自适应集成学习的煤矿微震时序预测模型。依托赵楼煤矿7302工作面微震数据,使用集成模型对微震每日最大能量、平均能量和频次进行预测,并针对每日最大能量进行了详细的对比分析。结果表明:在保证预测完整性的前提下(预测时长为600 d),本文提出的集成模型能够较好地适应事件成因复杂多变、无序分布的实际情况,预测结果与实际监测值误差较小,各参量拟合优度计算结果均在0.8以上。研究成果可为煤矿微震时序预测提供新思路和借鉴。 展开更多
关键词 冲击地压 微震时序预测 深度学习 自适应集成模型 模态分解
在线阅读 下载PDF
基于TiDE-PatchTST模型的柑橘冷藏效率时序预测模型优化 被引量:4
7
作者 杨信廷 郭向阳 +2 位作者 韩佳伟 刘彤 杨霖 《农业机械学报》 EI CAS CSCD 北大核心 2024年第7期396-404,共9页
柑橘低温贮藏过程中果实温度波动是引发果品品质安全风险与增加制冷能耗的关键因素,同时果品品质与制冷能耗也是评判柑橘冷藏效率的重要评价指标,实现两者动态预测可为科学预知与精准优化柑橘冷藏效率提供可靠支持。本文提出一种基于Pat... 柑橘低温贮藏过程中果实温度波动是引发果品品质安全风险与增加制冷能耗的关键因素,同时果品品质与制冷能耗也是评判柑橘冷藏效率的重要评价指标,实现两者动态预测可为科学预知与精准优化柑橘冷藏效率提供可靠支持。本文提出一种基于PatchTST的柑橘冷藏效率时序预测模型。首先,基于自注意力机制和独立预测方法(Channel independent,CI)构建基础PatchTST模型;其次,通过融合基础PatchTST模型与TiDE模型中的协变量特征提取模块,实现对多元时序数据集中全部序列的特征提取,并有效改进模型预测精度;最后,基于皮尔森相关性分析方法定量分析冷库制冷参数与能耗、柑橘温度的相关性,确定TiDE-PatchTST模型输入参数,并基于5000组实验数据实现多种模型训练与测试,对比验证TiDE-PatchTST模型的准确性与优越性。结果表明,基于TiDE-PatchTST模型的冷库能耗预测值与实验值平均绝对误差(MAE)和均方根误差(RMSE)分别为3.645 W·h和10.421 W·h,柑橘温度预测值与实验值的MAE和RMSE分别为0.034℃和0.042℃,相比Transformer模型,能耗预测的MAE和RMSE最高分别下降41.43%和39.27%,柑橘温度预测的MAE和RMSE最高分别下降46.03%和28.81%。本研究可为柑橘冷藏过程温度波动与能耗动态感知与优化调控等提供可靠方法支持与参考。 展开更多
关键词 柑橘 冷藏效率 时序预测模型优化 PatchTST TIDE
在线阅读 下载PDF
基于跨模态时序大模型的空间站科学装置健康管理研究与应用
8
作者 范梓萌 宋磊 +3 位作者 高颂 张竞菲 王红飞 李绪志 《载人航天》 北大核心 2025年第3期369-379,共11页
针对空间站科学装置遥测数据在健康管理中因时变性、关联性及概念漂移等带来的异常检测与趋势预测难题,提出了一种基于跨模态时序大模型的通用检测与预测方法。通过构建融合反向实例归一化与时间分块技术的特征对齐框架,将大语言模型在... 针对空间站科学装置遥测数据在健康管理中因时变性、关联性及概念漂移等带来的异常检测与趋势预测难题,提出了一种基于跨模态时序大模型的通用检测与预测方法。通过构建融合反向实例归一化与时间分块技术的特征对齐框架,将大语言模型在大规模预训练中形成的强泛化能力迁移至时序数据,实现跨装置、零样本时序数据分析,有效应对不同领域装置数据的多样性问题。在公开数据集与实际航天工程数据集上的实验结果表明:该方法在异常检测任务上的平均精度较次优基线模型提升5.2%,在趋势预测任务上的平均精度较次优基线模型提升15.4%,验证了所提出方法在零样本条件下对时序数据异常检测与趋势预测任务的应用效果。 展开更多
关键词 异常检测 趋势预测 跨模态 时序模型 零样本学习
在线阅读 下载PDF
零担物流时序预测的SARIMA-GRU-BPNN组合模型及应用 被引量:4
9
作者 秦音 郭杜杜 +2 位作者 周飞 王庆庆 王洋 《计算机工程与应用》 CSCD 北大核心 2024年第19期297-308,共12页
针对零担物流的需求物流量显著季节性、非线性和随机性特征使其预测难度大的问题,提出一种零担物流时序预测的SARIMA-GRU-BPNN组合模型的预测方法。使用季节性分解模型将物流量分解为趋势、季节性及残差,对趋势分量采用季节性差分自回... 针对零担物流的需求物流量显著季节性、非线性和随机性特征使其预测难度大的问题,提出一种零担物流时序预测的SARIMA-GRU-BPNN组合模型的预测方法。使用季节性分解模型将物流量分解为趋势、季节性及残差,对趋势分量采用季节性差分自回归移动平均模型(SARIMA)拟合线性变化,对季节性分量采用门控循环神经网络(GRU)拟合季节性变化,对残差分量采用反向传播神经网络(BPNN)拟合非线性及随机性变化,组合重构得到最终预测值。实验结果表明,与自身单一模型SARIMA、GRU及BPNN相比,均方根误差(RMSE)分别降低31.5%、34.5%及47.1%;与其他单一模型灰色模型、支持向量机、长短期记忆网络及多元线性回归相比,RMSE分别降低71.3%、68.9%、54.4%及70.7%;与组合模型ARIMA-GRU、ARIMA-BPNN及ARIMA-SVM相比,RMSE分别降低31.0%、43.0%及56.1%,且趋势和季节性分量预测模型拟合优度达到92%和99%,有效降低整体预测误差,提升了预测精度和模型稳健性。 展开更多
关键词 零担物流 需求预测 时序分解 组合模型 人工神经网络
在线阅读 下载PDF
多机理指导的深度学习工业时序预测框架
10
作者 李姜辛 王鹏 汪卫 《计算机工程》 北大核心 2025年第7期47-58,共12页
工业时序预测对于优化生产过程和增强决策制定至关重要。现有基于深度学习的方法由于缺乏领域知识而常常效果不理想。现有研究使用机理模型指导深度学习以解决此问题,但这些方法通常只考虑单一机理模型,忽略了工业过程中多个时序预测机... 工业时序预测对于优化生产过程和增强决策制定至关重要。现有基于深度学习的方法由于缺乏领域知识而常常效果不理想。现有研究使用机理模型指导深度学习以解决此问题,但这些方法通常只考虑单一机理模型,忽略了工业过程中多个时序预测机理的情形以及工业时序的复杂性。为此,提出基于注意力机制的多机理指导的深度学习工业时序预测(M-MDLITF)通用框架,其能够将多个机理嵌入深度工业时序预测网络指导训练,并且将不同机理的优势通过注意力机制集成于最终预测结果。多机理深度维纳(M-DeepWiener)作为M-MDLITF框架的实例化方法,利用上下文滑动窗口和Transformer编码器架构来挖掘工业时序的复杂模式。在1个模拟数据集和2个真实数据集上的实验结果表明,M-DeepWiener具有良好的运行效率和鲁棒性,比单机理深度维纳(DeepWiener)、经典维纳机理和纯数据驱动方法具有更高的预测准确率,其中在模拟数据集上比单机理模型DeepWiener-M1的误差降低了20%。 展开更多
关键词 工业时序预测 深度学习 机理模型 多机理集成 复杂模式挖掘
在线阅读 下载PDF
基于降雨量数据的程潮铁矿涌水量时序性预测模型 被引量:2
11
作者 范明星 任高峰 +3 位作者 吴文博 鲁习奎 李吉民 张聪瑞 《金属矿山》 CAS 北大核心 2024年第6期212-219,共8页
无底柱分段崩落法开采必然形成大范围的地表塌陷区,所分布的导水裂隙将导致大量的地表降水向下渗透,引起巷道涌水量骤增,程潮铁矿现已进入-500 m开采水平,大气降雨与崩落法开采所引发的裂隙持续动态发展之间的相互作用机制十分复杂。因... 无底柱分段崩落法开采必然形成大范围的地表塌陷区,所分布的导水裂隙将导致大量的地表降水向下渗透,引起巷道涌水量骤增,程潮铁矿现已进入-500 m开采水平,大气降雨与崩落法开采所引发的裂隙持续动态发展之间的相互作用机制十分复杂。因此,为科学准确地预测井下涌水量,本研究提出了一种以降雨量为输入数据的涌水量灰色GM(1,2)时序性预测模型。以程潮铁矿2019—2021年的降雨量、涌水量实际数据为训练样本,充分考虑崩落法开采对上覆岩体的持续影响,引入时序性系数K对模型进行优化,最终建立的灰色GM(1,2)时序性预测模型与传统的GM(1,2)预测模型相比,预测精度平均提高了7.79%。运用该模型对2022年的涌水量进行预测检验结果表明,其旱、雨两季的预测精度分别为93.51%、93.58%,预测效果较好。研究成果是通过地表降雨量数据直接预测矿山井下涌水量数据的一种有效方法。 展开更多
关键词 无底柱分段崩落法 涌水量预测 灰色系统理论 GM(1 2)模型 时序性系数
在线阅读 下载PDF
基于深度学习的大坝边坡深部变形时空预测模型研究
12
作者 周小燕 李双平 +5 位作者 冉鲁光 苏振 张斌 刘祖强 苏森南 史波 《中国农村水利水电》 北大核心 2025年第7期182-187,195,共7页
大坝边坡大变形或滑坡严重威胁库区长久运行安全。主流传统边坡变形预测模型未能充分考虑变形的时间和空间特征。引入Transformer、时空图卷积神经网络(STGCN)、时序卷积网络(TCN)和图卷积神经网络(GCN)四种代表性深度学习方法,提出基... 大坝边坡大变形或滑坡严重威胁库区长久运行安全。主流传统边坡变形预测模型未能充分考虑变形的时间和空间特征。引入Transformer、时空图卷积神经网络(STGCN)、时序卷积网络(TCN)和图卷积神经网络(GCN)四种代表性深度学习方法,提出基于深度学习模型的边坡测斜孔变形时空预测方法。利用某水电边坡测斜孔变形监测数据,对监测数据展开系统性分析。预测结果表明,GCN、TCN、STGCN和Transformer四种模型均适用于边坡时空预测,其中TCN模型相较于其他3种时空预测模型展现出了更高的预测精度和可靠性,评估指标MAE、MSE、RMSE、MAPE和R2分别为1.007、2.2082、1.486、102.40%和0.9884。此外,4个模型的不同日期的预测结果与实测值的误差分布在0~4 mm之间,验证了4个模型在边坡测斜孔变形时空预测的准确性和有效性。研究结果为库区边坡变形时空短期预测提供了新思路。 展开更多
关键词 深度学习 大坝边坡变形 时空预测模型 时序卷积网络模型
在线阅读 下载PDF
基于Attention-LSTM时序模型的机械钻速预测方法
13
作者 王彬 徐英卓 +1 位作者 刘烨 李燕 《西安石油大学学报(自然科学版)》 CAS 北大核心 2024年第5期85-95,共11页
针对石油天然气开采成本优化的需求,聚焦钻井作业中提速的关键技术,即机械钻速的预测。传统预测方法通常只考虑瞬时工程参数对机械钻速的影响,而未充分考虑钻井作业的时序性以及机械钻速在时间序列上的相关性。提出一种结合时序特征的... 针对石油天然气开采成本优化的需求,聚焦钻井作业中提速的关键技术,即机械钻速的预测。传统预测方法通常只考虑瞬时工程参数对机械钻速的影响,而未充分考虑钻井作业的时序性以及机械钻速在时间序列上的相关性。提出一种结合时序特征的机械钻速预测模型,该模型基于Attention-LSTM架构。通过Attention机制,模型有效捕捉了工程参数与机械钻速之间的相关性,并利用LSTM网络提取参数的时序特征,增强了模型对时间依赖性的捕捉能力。实验结果证实,所提模型相较于传统深度神经网络在预测精度上有显著提升。添加的Attention机制进一步提升了模型的解释性、训练效率及预测准确性。采用实际油田钻井数据对提出的方法进行了验证,并与现有几种机械钻速预测模型进行了对比分析,证明了本文方法在准确性、可靠性及解释性方面的优势。 展开更多
关键词 机械钻速 预测模型 时序 Attention-LSTM
在线阅读 下载PDF
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 被引量:6
14
作者 杨信廷 刘彤 +2 位作者 韩佳伟 郭向阳 杨霖 《农业机械学报》 EI CAS CSCD 北大核心 2024年第3期213-220,共8页
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... 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。 展开更多
关键词 番茄 低温贮藏 成熟度识别 时序预测模型 Swin Transformer GRU
在线阅读 下载PDF
配电网负荷预测中信号分解和预测模型组合的双层优化策略 被引量:1
15
作者 张扬 《智慧电力》 北大核心 2024年第9期104-111,共8页
负荷时间序列的波动性和非线性特征的加剧对负荷预测方法提出了更高的要求,而常规组合预测方法针对海量负荷数据存在应用局限性问题。为此,提出了配电网负荷预测中时序分解方法和预测模型组合的双层优化策略。首先针对某一负荷预测数据... 负荷时间序列的波动性和非线性特征的加剧对负荷预测方法提出了更高的要求,而常规组合预测方法针对海量负荷数据存在应用局限性问题。为此,提出了配电网负荷预测中时序分解方法和预测模型组合的双层优化策略。首先针对某一负荷预测数据,在时序信号分解层配置权重,以负荷均方根误差最小寻优各分解方法的权重系数,进而获得各时序信号分解方法的最优组合;在此基础上,在预测模型层进行组合方案寻优,通过配置权重系数以获得各预测模型的最优组合,进一步提升负荷预测的精度。仿真结果表明,所提策略可根据预测对象的特征优化组合各信号分解方法和预测模型,降低了配电网负荷序列的非平稳性对预测精度的影响。 展开更多
关键词 配电网 预测模型 时序信号分解 双层优化 组合预测
在线阅读 下载PDF
城市燃气短期周期负荷预测的时序模型 被引量:26
16
作者 焦文玲 廉乐明 +1 位作者 崔建华 严铭卿 《天然气工业》 EI CAS CSCD 北大核心 2002年第1期92-94,共3页
中国天然气工业将把局限在一个城市内的独立的燃气管网带入跨区域的、全国联网的、甚至与国际天然气管网相连接的天然气网络大系统 ,这就要求我国目前的燃气系统在功能上要有实质的进步 ,包括系统的信息采集与处理 ,建立运行在城市间的... 中国天然气工业将把局限在一个城市内的独立的燃气管网带入跨区域的、全国联网的、甚至与国际天然气管网相连接的天然气网络大系统 ,这就要求我国目前的燃气系统在功能上要有实质的进步 ,包括系统的信息采集与处理 ,建立运行在城市间的天然气网络优化调度系统 ,季节调峰和事故应急功能的地下储气库等。所有这些功能都离不开对燃气负荷的研究 ,时序模型的研究对于城市燃气负荷预测有重要的意义。文章对短周期负荷的数学模型进行了深入的研究 ,提出了用Fourier级数描述的数学模型 ,并给出了判断隐含周期项数和计算模型参数的方法。 展开更多
关键词 城市燃气 燃气负荷 短期周期负荷 预测 时序模型 数学模型 傅立叶分析
在线阅读 下载PDF
考虑时序特征的深圳港集装箱吞吐量组合方法预测 被引量:1
17
作者 贾红雨 李昊林 +2 位作者 杨浩浩 李一 蔡思源 《科学技术与工程》 北大核心 2024年第27期11861-11868,共8页
集装箱吞吐量预测对港口企业运营及决策具有重要的作用。传统集装箱吞吐量预测方法存在预测精度不高的缺点。为解决这一问题,提出了一种考虑季节性和不确定性的SARIMA-XGBoost组合预测方法。针对集装箱吞吐量的季节性特征,选取季节性自... 集装箱吞吐量预测对港口企业运营及决策具有重要的作用。传统集装箱吞吐量预测方法存在预测精度不高的缺点。为解决这一问题,提出了一种考虑季节性和不确定性的SARIMA-XGBoost组合预测方法。针对集装箱吞吐量的季节性特征,选取季节性自回归移动平均模型(seasonal autoregressive integrated moving average model,SARIMA)捕捉周期性特征和线性特征;针对集装箱吞吐量中的不确定性因素,选取极致梯度提升树算法(extreme gradient boosting,XGBoost)自适应学习时间序列数据中的复杂模式和非线性特征。通过选取优化指标并计算分配权重的方式实现了预测模型中线性和非线性特征的有效融合,从而提升预测精度。通过对深圳港2013—2022年集装箱吞吐量月度数据进行实证研究和对比分析,结果表明SARIMA-XGBoost组合方法预测精度最高、稳定性好,验证了该组合方法在集装箱吞吐量预测中的有效性。 展开更多
关键词 集装箱吞吐量 组合预测 时序特征 SARIMA模型 XGBoost算法
在线阅读 下载PDF
一种面向临床领域时序知识图谱的链接预测模型 被引量:28
18
作者 陈德华 殷苏娜 +3 位作者 乐嘉锦 王梅 潘乔 朱立峰 《计算机研究与发展》 EI CSCD 北大核心 2017年第12期2920-2930,共11页
知识图谱(knowledge graph)链接预测可以解决知识图谱中缺失信息的发现和还原,是目前知识图谱领域的研究热点.传统的知识图谱链接预测方法大多面向静态的数据,并不适用于具有动态变化特性的时序知识图谱.时序知识图谱广泛存在于不同领域... 知识图谱(knowledge graph)链接预测可以解决知识图谱中缺失信息的发现和还原,是目前知识图谱领域的研究热点.传统的知识图谱链接预测方法大多面向静态的数据,并不适用于具有动态变化特性的时序知识图谱.时序知识图谱广泛存在于不同领域中,以临床医学领域为例,糖尿病作为一种典型的慢性病,其病程是一个疾病缓慢发展演化的过程.因此,在临床医学时序知识图谱上进行临床意义的链接预测,比如预测糖尿病的并发症,则需要考虑糖尿病病程发展随时间变化的时序特性,这也为传统的知识图谱链接预测方法带来巨大挑战.为此,结合临床医学事实知识的时序特性,提出一种基于LSTM序列增量学习的临床领域时序知识图谱链接预测模型.该模型结合LSTM长短期记忆单元递归神经网络在序列学习上的优势,通过构建基于LSTM的序列增量学习层,以端到端的方式提取时序知识图谱中的三元组时序特征,从而实现对时序知识图谱的链接预测.通过在糖尿病时序知识图谱上的实验,验证了模型的高效性、可用性及稳定性. 展开更多
关键词 时序知识图谱 知识图谱链接预测 转换模型TransR 长短期记忆网络 增量学
在线阅读 下载PDF
多步预测的降水时序模型 被引量:21
19
作者 曹鸿兴 魏凤英 刘生长 《应用气象学报》 CSCD 北大核心 1993年第2期198-204,共7页
该文设计了一个能作多步预报的时间序列模型,先生成时间序列及其差分的均生函数,再运用双评分准则对所有均生函数延拓序列作粗选和精选,以期建立一个拟合和预报效果均好的模型。就长江中下游6—8月降水总量的序列进行了计算,证实该模型... 该文设计了一个能作多步预报的时间序列模型,先生成时间序列及其差分的均生函数,再运用双评分准则对所有均生函数延拓序列作粗选和精选,以期建立一个拟合和预报效果均好的模型。就长江中下游6—8月降水总量的序列进行了计算,证实该模型可用在制作逐年气候预报或分月长斯预报中。 展开更多
关键词 气候预测 时序模型 降水 多步预报
在线阅读 下载PDF
时鲜农产品价格预测的ARIMA时序模型构建与应用 被引量:20
20
作者 姚霞 彭汉艮 +2 位作者 朱艳 曹卫星 张卫建 《农业系统科学与综合研究》 CSCD 2007年第1期89-94,共6页
掌握农产品价格变化规律,了解农产品价格变化趋势,将有利于正确引导农产品流通和农业生产,实现农产品区域供求平衡;能为政府和农户提供结构调整的依据,有效提高农民效益。针对农产品价格这一重要问题的研究,以南京市青椒价格为例,构建... 掌握农产品价格变化规律,了解农产品价格变化趋势,将有利于正确引导农产品流通和农业生产,实现农产品区域供求平衡;能为政府和农户提供结构调整的依据,有效提高农民效益。针对农产品价格这一重要问题的研究,以南京市青椒价格为例,构建非平稳时间序列ARIMA(p,d,q)模型(ARIMA:Auto Regressive Integrated Moving Average,自回归求和平均),描述并预测时鲜农产品价格的动态变化。结果表明ARIMA(0,1,1),(0,1,1)模型能很好地模拟并预测时鲜农产品价格,为农产品市场信息的准确预测提供重要方法。图6,表3,参8。 展开更多
关键词 时鲜农产品 价格预测 ARINA时序模型 南京市
在线阅读 下载PDF
上一页 1 2 8 下一页 到第
使用帮助 返回顶部