期刊文献+
共找到818篇文章
< 1 2 41 >
每页显示 20 50 100
决策智能中的时间序列预测大模型 被引量:1
1
作者 邵泽志 余澄庆 +2 位作者 李雨杰 王飞 徐勇军 《指挥与控制学报》 北大核心 2025年第2期146-157,共12页
不同场景下时序数据的异质性极大地影响了智能决策中时序预测算法的泛化性和有效性,对其应用构成了重要阻碍。时序预测大模型是解决这一挑战的重要技术。综合了时序预测领域的最新研究动态,从模态视角自上而下地探讨了时序预测大模型的... 不同场景下时序数据的异质性极大地影响了智能决策中时序预测算法的泛化性和有效性,对其应用构成了重要阻碍。时序预测大模型是解决这一挑战的重要技术。综合了时序预测领域的最新研究动态,从模态视角自上而下地探讨了时序预测大模型的4种实现思路:基于提示的方法、基于微调的方法、基于对齐的方法以及时序预测基础模型。梳理了时序预测大模型构建过程中的核心要素和可用技术。探讨了未来的重要挑战和研究方向。 展开更多
关键词 时间序列 大语言模型 基础模型 预测
在线阅读 下载PDF
功率谱密度引导下的时间序列预测模型
2
作者 梁立河 崔锦莹 +3 位作者 张雪松 高妮玲 赵涓涓 强彦 《计算机工程与设计》 北大核心 2025年第4期1087-1095,共9页
为增强时间序列预测模型的高解释性、高稳定性、高准确性,从能量的角度分析,提出一种基于功率谱密度的时间序列预测编解码器模型(PSDformer)。通过引入多粒度能量选择模块、注意力知识引导模块和序列去噪分解模块,能够有效提取并融合序... 为增强时间序列预测模型的高解释性、高稳定性、高准确性,从能量的角度分析,提出一种基于功率谱密度的时间序列预测编解码器模型(PSDformer)。通过引入多粒度能量选择模块、注意力知识引导模块和序列去噪分解模块,能够有效提取并融合序列的长短期特征、实现未来“先验”信息的有效传递和降低异常数据对序列预测的负面影响,提高模型的预测准确性。在3个数据集上进行的实验验证了PSDformer模型的可行性和有效性。 展开更多
关键词 时间序列预测 功率谱密度 编解码器模型 多粒度能量选择 注意力知识引导 序列去噪分解 长短期特征 “先验”信息
在线阅读 下载PDF
基于Transformer时间序列分块模型的CO_(2)驱油藏静压预测方法
3
作者 李春雷 杨河山 +3 位作者 张红霞 曹裕民 姜兴兴 靳彩霞 《油气地质与采收率》 北大核心 2025年第4期126-133,共8页
油藏静压是油田开发研究中的一项重要基础资料,其获取条件苛刻,样本数量极少,目前根据生产过程中的动压数据利用经验法估算静压,数据误差较大。针对上述问题,借助深度学习理论,提出一种基于Transformer时间序列分块模型的CO_(2)驱油藏... 油藏静压是油田开发研究中的一项重要基础资料,其获取条件苛刻,样本数量极少,目前根据生产过程中的动压数据利用经验法估算静压,数据误差较大。针对上述问题,借助深度学习理论,提出一种基于Transformer时间序列分块模型的CO_(2)驱油藏静压预测方法。根据相关性分析筛选模型参数,利用迭代插补器填充样本,构建静压预测样本集;依据通道独立原则,将多变量时间序列划分为单变量时间序列,引入时间序列分块机制将时间序列切分为子序列块以捕获局部特征;基于Transformer模型架构,利用多头自注意力机制提取特征,自监督学习机制提升对复杂动态特性的捕捉能力,实现CO_(2)驱油藏静压的预测。研究结果表明,所提出的模型可以实现对未停产井组每口井油层中部静压的预测,并显著提高预测的准确性。 展开更多
关键词 深度学习 时间序列分块模型 油藏静压 预测模型 TRANSFORMER
在线阅读 下载PDF
基于时间序列大模型TimeGPT光伏功率预测方法研究
4
作者 史文瑜 张珍翼 杨德昌 《电力科学与技术学报》 北大核心 2025年第4期150-160,共11页
目前,各种统计和机器模型已经广泛的应用到光伏功率预测中,但在光伏历史数据稀缺的情况下,这些方法普遍存在预测准确性较低的情况。为此,将时间序列大模型(time generative pre-trained transformer,TimeGPT)引入到光伏功率短期预测中... 目前,各种统计和机器模型已经广泛的应用到光伏功率预测中,但在光伏历史数据稀缺的情况下,这些方法普遍存在预测准确性较低的情况。为此,将时间序列大模型(time generative pre-trained transformer,TimeGPT)引入到光伏功率短期预测中。先基于1000亿数据点的大规模和多样化的时间序列数据集(如金融、交通、银行、网络流量、天气、能源、医疗等)构建时间序列大模型;再利用少量光伏功率历史数据对TimeGPT进行微调,以适应与光伏发电功率预测相关的数据分布和特征;然后,在具有用户隐私的光伏数据集中进行仿真,并与现有统计和机器模型进行对比。以案例1为例,当预测步长为1 h时,TimeGPT的平均绝对误差(mean absolute error,MAE)较对比模型的均有所降低;最后,总结了TimeGPT应用条件和改进方向。该文可为TimeGPT在新型电力系统中的应用提供借鉴。 展开更多
关键词 机器学习 光伏功率预测 时间序列模型 新型电力系统
在线阅读 下载PDF
片烟库存预测研究中组合时间序列模型的应用
5
作者 褚旭 胡宗玉 +3 位作者 许强 张金召 杜航 胡波 《天津农业科学》 2025年第7期41-47,55,共8页
为探讨组合时间序列模型在片烟库存预测中的应用效果,通过收集某卷烟工业企业往期片烟库存数据,建立月度片烟库存的单一和组合时间序列预测模型,并对比不同模型的预测效果。结果表明:片烟库存数据的月度和年度时序图均具有明显的时间周... 为探讨组合时间序列模型在片烟库存预测中的应用效果,通过收集某卷烟工业企业往期片烟库存数据,建立月度片烟库存的单一和组合时间序列预测模型,并对比不同模型的预测效果。结果表明:片烟库存数据的月度和年度时序图均具有明显的时间周期性;基于指数平滑法建立的预测模型无法准确判断真实值上升或下降的趋势,预测的RMSE、MAE和MAPE值分别为1.93、1.47、3.51%;基于自适应滤波法建立的预测模型随着数据样本的增加,预测精度有所下降,预测的RMSE、MAE和MAPE值分别为0.32、0.26、0.61%;指数平滑组合时间序列模型和自适应滤波组合时间序列模型预测的RMSE、MAE和MAPE值分别为0.91、0.69、1.75%和0.28、0.21、0.52%。综上,组合模型拟合效果更好,能够更好地反映片烟库存的真实水平,其中以自适应滤波组合模型的效果更佳。 展开更多
关键词 片烟 库存预测 时间序列 组合模型
在线阅读 下载PDF
结合高斯噪声的回声状态网络模型及其时间序列预测性能
6
作者 王梓鉴 赵慧 +1 位作者 郑明文 李鑫 《济南大学学报(自然科学版)》 北大核心 2025年第1期129-134,142,共7页
为了模拟回声状态网络模型在时间序列预测实例中的影响因素,在回声状态网络模型的储备池层引入高斯噪声,构建结合高斯噪声的回声状态网络模型;利用公式推导分析所提模型的非线性性质;采用股票序列数据与Logistic混沌序列数据进行实验验... 为了模拟回声状态网络模型在时间序列预测实例中的影响因素,在回声状态网络模型的储备池层引入高斯噪声,构建结合高斯噪声的回声状态网络模型;利用公式推导分析所提模型的非线性性质;采用股票序列数据与Logistic混沌序列数据进行实验验证和对比分析。结果表明,本文所提模型的预测效果优于回声状态网络模型、压缩感知回声状态网络模型和反向传播神经网络模型,股票收盘价预测、Logistic混沌序列预测的平均绝对误差均最小,分别为1.33×10^(-3)、5.21×10^(-4)。 展开更多
关键词 时间序列预测 回声状态网络模型 高斯噪声 储备池层
在线阅读 下载PDF
基于Transformer的时间序列预测方法综述 被引量:4
7
作者 陈嘉俊 刘波 +2 位作者 林伟伟 郑剑文 谢家晨 《计算机科学》 北大核心 2025年第6期96-105,共10页
时间序列预测作为分析历史数据以预测未来趋势的关键技术,已广泛应用于金融、气象等领域。然而,传统方法如自回归移动平均模型和指数平滑法等在处理非线性模式、捕捉长期依赖性时存在局限。最近,基于Transformer的方法因其自注意力机制... 时间序列预测作为分析历史数据以预测未来趋势的关键技术,已广泛应用于金融、气象等领域。然而,传统方法如自回归移动平均模型和指数平滑法等在处理非线性模式、捕捉长期依赖性时存在局限。最近,基于Transformer的方法因其自注意力机制,在自然语言处理与计算机视觉领域取得突破,也开始拓展至时间序列预测领域并取得显著成果。因此,探究如何将Transformer高效运用于时间序列预测,成为推动该领域发展的关键。首先,介绍了时间序列的特性,阐述了时间序列预测的常见任务类别及评估指标。接着,深入解析Transformer的基本架构,并挑选了近年来在时间序列预测中广受关注的Transfo-rmer衍生模型,从模块及架构层面进行分类,并分别从问题解决、创新点及局限性3个维度进行比较和分析。最后,进一步探讨了时间序列预测Transformer在未来可能的研究方向。 展开更多
关键词 时间序列 Transformer模型 深度学习 注意力机制 预测
在线阅读 下载PDF
基于循环步长跳跃网络的时间序列预测算法
8
作者 史彦丽 刘鑫 赵金星 《计算机应用与软件》 北大核心 2025年第9期324-330,368,共8页
传统基于回声状态网络的混沌时间序列预测存在网络结构不确定、储备池内部结构冗余的问题,造成网络预测精度低。针对上述问题,提出一种改进的确定性循环跳跃网络。该文构建单向环形连接的拓扑结构,并共享连接权值,避免储备池中随机连接... 传统基于回声状态网络的混沌时间序列预测存在网络结构不确定、储备池内部结构冗余的问题,造成网络预测精度低。针对上述问题,提出一种改进的确定性循环跳跃网络。该文构建单向环形连接的拓扑结构,并共享连接权值,避免储备池中随机连接造成的网络不稳定性,从而提升预测精度;设计双向步长跳跃模式,减少网络内部连接的冗余,降低储备池的复杂度,有效地提高网络构建的速度。在混沌时间序列上短期预测的实验结果表明,所提出算法在混沌时间序列的单步预测中具有更好的性能。 展开更多
关键词 混沌时间序列 预测模型 回声状态网络 储备池 确定性循环跳跃网络
在线阅读 下载PDF
基于在线监测时间序列数据的水质预测模型研究进展 被引量:2
9
作者 秦艳 徐庆 +3 位作者 陈晓倩 刘振鸿 唐亦舜 高品 《东华大学学报(自然科学版)》 CAS 北大核心 2024年第3期116-122,共7页
当前地表水突发性污染事件频发,已造成严重的环境和社会影响,对环境监管部门应急处置能力建设提出了新要求和新挑战。地表水水质在线监测数据具有高频率和高时效等特点,系统论述了基于在线监测时间序列数据的水质预测模型的研究现状和进... 当前地表水突发性污染事件频发,已造成严重的环境和社会影响,对环境监管部门应急处置能力建设提出了新要求和新挑战。地表水水质在线监测数据具有高频率和高时效等特点,系统论述了基于在线监测时间序列数据的水质预测模型的研究现状和进展,包括数据软测量、预处理方法和水质预测模型等,分析了不同水质预测模型在应用过程中存在的问题,并对未来研究方向进行了展望,以期为水质预测预警和环境监管提供技术支持和方法参考。 展开更多
关键词 水质预测模型 在线监测 时间序列分析 自回归模型 人工神经网络
在线阅读 下载PDF
使用通道融合和序列平稳化策略的长期时间序列预测方法 被引量:1
10
作者 赵龙港 车超 赵天明 《小型微型计算机系统》 北大核心 2025年第5期1120-1126,共7页
长期时间序列预测在现实场景中扮演重要角色.先前的研究表明,基于Transformers的模型采用的逐点自注意力会增加计算复杂度,而基于线性结构和通道独立的模型可以获得更高的效率和准确性.然而,长期时间模式在不同通道之间也存在难以抽取... 长期时间序列预测在现实场景中扮演重要角色.先前的研究表明,基于Transformers的模型采用的逐点自注意力会增加计算复杂度,而基于线性结构和通道独立的模型可以获得更高的效率和准确性.然而,长期时间模式在不同通道之间也存在难以抽取的依赖关系.为了解决计算复杂度高和复杂时间模式难以捕捉的问题,该文提出了通道融合和序列平稳化模型,模型结合了通道独立与通道依赖的训练策略,基于线性结构发掘序列单个通道的相关性,并使用由傅里叶运算启发的卷积结构来自适应地融合不同的通道.同时,通过堆叠序列通道融合-分解模块,进一步提高模型的预测性能.此外,该文在子序列级别引入了平稳化与反平稳化模块,从而提高了模型的泛化能力.在长期预测方面,所提模型在3个通用时序数据集上的准确度超越了其他基准模型. 展开更多
关键词 时间序列预测 线性模型 周期分解 通道融合卷积 平稳化
在线阅读 下载PDF
基于时间序列预测的冷数据压缩方法
11
作者 张永潘 张正 +3 位作者 徐良红 钱超 丁诚 潘甦 《南京邮电大学学报(自然科学版)》 北大核心 2025年第4期100-106,共7页
提出了一种基于时间序列预测的时序数据库的冷数据压缩方法。该方法采用一种双自回归预测模型对时序数据进行预测,只储存预测值和真实值的残差以及预测模型系数。在解码端通过预测模型系数构建预测模型,输出预测值,然后加上残差恢复原... 提出了一种基于时间序列预测的时序数据库的冷数据压缩方法。该方法采用一种双自回归预测模型对时序数据进行预测,只储存预测值和真实值的残差以及预测模型系数。在解码端通过预测模型系数构建预测模型,输出预测值,然后加上残差恢复原始值。由于残差远远小于原始值,因此可以用很少的比特量化,同时预测模型系数在存储一次后在长时间内不必重复存储,因此达到压缩时序数据的目的。在8个不同大小类型的真实数据集上的实验结果证明了该压缩方法良好的压缩表现,适合处理数据量大但对算法时延没有要求的历史数据。 展开更多
关键词 时间序列预测 模型系数 数据压缩
在线阅读 下载PDF
基于CEEMDAN和改进的混合时间序列模型工作面涌水量预测研究 被引量:1
12
作者 丁莹莹 尹尚先 +4 位作者 连会青 卜昌森 刘伟 夏向学 周旺 《中国安全生产科学技术》 CAS CSCD 北大核心 2024年第3期110-117,共8页
为提高采煤工作面涌水量预测准确度,收集大量工作面涌水量观测数据进行整理、统计、分析,将涌水量稳定性、周期性和季节性特征考虑在内,提出1种基于数据驱动的完全自适应模态分解算法(CEEMDAN)和改进的混合时间序列模型工作面涌水量预... 为提高采煤工作面涌水量预测准确度,收集大量工作面涌水量观测数据进行整理、统计、分析,将涌水量稳定性、周期性和季节性特征考虑在内,提出1种基于数据驱动的完全自适应模态分解算法(CEEMDAN)和改进的混合时间序列模型工作面涌水量预测方法。该方法利用CEEMDAN处理涌水量数据,构建麻雀搜索算法(SSA)优化的长短期记忆网络(LSTM)和自回归移动平均模型(ARIMA)并行级联而成的混合时间序列模型对工作面涌水量进行预测。研究结果表明:该模型预测结果与真实数据相差更小,平均绝对误差为6.36 m 3/h,均方根误差为10.6 m 3/h,模型拟合系数为0.95,更适用于工作面涌水量预测。研究结果可为矿井工作面涌水量预测及防控提供参考。 展开更多
关键词 涌水量预测 时间序列预测 混合模型 经验模态分解 麻雀搜索算法
在线阅读 下载PDF
基于LightGBM-Informer的盾构隧道管片上浮长时间序列预测模型 被引量:5
13
作者 真嘉捷 赖丰文 +2 位作者 黄明 李爽 许凯 《岩土力学》 EI CAS CSCD 北大核心 2024年第12期3791-3801,共11页
基于机器学习预测施工期盾构刀盘前方管片上浮值,有助于及时调整盾构控制参数以缓解管片上浮病害。然而,已有模型在长时间序列预测问题上的性能不佳,难以精确预测盾构刀盘前方多环管片上浮值。通过考虑盾构控制、姿态参数及地层信息的影... 基于机器学习预测施工期盾构刀盘前方管片上浮值,有助于及时调整盾构控制参数以缓解管片上浮病害。然而,已有模型在长时间序列预测问题上的性能不佳,难以精确预测盾构刀盘前方多环管片上浮值。通过考虑盾构控制、姿态参数及地层信息的影响,结合Boruta算法,确定模型输入特征;利用小波变换滤波器、完备自适应噪声集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)方法消除时间序列数据噪声,构建了一种基于LightBGM-Informer的盾构隧道施工期管片上浮预测模型。通过南京和厦门地区某地铁盾构隧道监测数据,验证了所提模型的准确性和适用性。结果表明,所提模型预测精度较循环神经网络(recurrent neural network,RNN)、长短时记忆网络(long short-term memory,LSTM)、门控循环单元(gated recurrent unit,GRU)、Transformer等模型有所提升,且在地质条件不同的数据集上具有良好的泛化性;随着预测序列长度的增加,该模型的性能优势更突出,可准确预测盾构刀盘前方1~2环未施工管片的上浮值。基于沙普利加和解释(Shapley additive explanations,SHAP)方法的特征重要性分析指出,土舱压力及盾头、盾尾垂直位移对管片上浮影响显著。所提模型可为复杂环境下富水地层盾构隧道管片施工智能化控制提供理论指导。 展开更多
关键词 盾构隧道 管片上浮 时间序列预测问题 Informer模型 SHAP方法
在线阅读 下载PDF
基于时间序列神经分层插值模型的光伏功率超短期多步预测 被引量:6
14
作者 李楠 刘佳佳 +3 位作者 赖心怡 杨志远 王泽亮 文福拴 《智慧电力》 北大核心 2024年第4期69-77,共9页
针对光伏功率预测准确性受数据质量和外部变量影响的问题,提出一种结合外生变量分析、数据质量控制以及时间序列神经分层插值(N-HiTS)模型的光伏功率超短期多步预测方法。首先,提出用于筛选外生变量的综合相关性度量(ICM)指标,并采用K近... 针对光伏功率预测准确性受数据质量和外部变量影响的问题,提出一种结合外生变量分析、数据质量控制以及时间序列神经分层插值(N-HiTS)模型的光伏功率超短期多步预测方法。首先,提出用于筛选外生变量的综合相关性度量(ICM)指标,并采用K近邻(KNN)算法与线性插值策略处理数据缺失问题。然后,引入N-HiTS长时间序列预测模型,通过多尺度信号采样和分层插值提高模型对长时间序列数据的处理能力。最后,通过算例对所提方法与传统光伏功率预测方法进行对比分析,验证了所提方法的预测准确性。 展开更多
关键词 光伏功率预测 时间序列神经分层插值模型(N-HiTS) 综合相关性度量(ICM) K近邻(KNN) 线性插值
在线阅读 下载PDF
基于Prophet-XGBoost模型的GNSS高程时间序列预测 被引量:7
15
作者 鲁铁定 李祯 《大地测量与地球动力学》 CSCD 北大核心 2022年第9期898-903,共6页
针对GNSS时间序列非平稳性和非线性等特点,通过分析XGBoost模型与Prophet模型的适用性与特点,构建Prophet-XGBoost预测模型。该模型先通过Prophet模型对GNSS原始时间序列进行分解,然后通过XGBoost模型进行分部预测,等权相加得到预测结... 针对GNSS时间序列非平稳性和非线性等特点,通过分析XGBoost模型与Prophet模型的适用性与特点,构建Prophet-XGBoost预测模型。该模型先通过Prophet模型对GNSS原始时间序列进行分解,然后通过XGBoost模型进行分部预测,等权相加得到预测结果。实验选用ALGO、ALRT、BRST三个IGS站U分量日坐标时间序列数据,采用MAE和RMSE作为评价指标。结果表明,与单一的XGBoost模型和Prophet模型相比,Prophet-XGBoost模型的MAE和RMSE值均得到一定程度优化,说明该模型具备有效性,可用于GNSS时间序列预测。 展开更多
关键词 XGBoost模型 prophet模型 时间序列 预测
在线阅读 下载PDF
基于Prophet-RF模型的GNSS高程坐标时间序列预测分析 被引量:12
16
作者 李威 鲁铁定 +1 位作者 贺小星 钱文龙 《大地测量与地球动力学》 CSCD 北大核心 2021年第2期116-121,共6页
针对GNSS高程坐标时间序列非平稳性与非线性等特点,在深入分析Prophet模型与随机森林(random forest,RF)模型特性的基础上,构建了Prophet-RF组合预测模型,解决了Prophet模型对时间序列非线性部分预测能力较弱的缺陷,且该组合模型具有较... 针对GNSS高程坐标时间序列非平稳性与非线性等特点,在深入分析Prophet模型与随机森林(random forest,RF)模型特性的基础上,构建了Prophet-RF组合预测模型,解决了Prophet模型对时间序列非线性部分预测能力较弱的缺陷,且该组合模型具有较强的鲁棒性。本文选用BJFS站高程方向的连续观测数据进行分析,并设计多种组合方案检验组合模型的适用性与精度,实验结果表明,Prophet-RF组合模型较单一的Prophet模型能更好地表现高程坐标时间序列的变化趋势,并得到更高精度的预测数据。 展开更多
关键词 prophet模型 RF模型 时间序列 预测分析 组合模型
在线阅读 下载PDF
山区双车道公路借道超车轨迹预测模型
17
作者 覃文文 彭栋梁 +4 位作者 戢晓峰 徐迎豪 李冰 李武 曾浩 《交通运输系统工程与信息》 北大核心 2025年第3期96-106,共11页
为提高山区双车道公路的车辆轨迹预测精度,本文设计一种考虑借道超车影响的车辆轨迹预测模型。首先,基于无人机视频轨迹数据,根据航向角将借道超车过程划分为跟驰、借道、超车和返回这4种状态;其次,构建包含借道超车状态、车辆运动特征... 为提高山区双车道公路的车辆轨迹预测精度,本文设计一种考虑借道超车影响的车辆轨迹预测模型。首先,基于无人机视频轨迹数据,根据航向角将借道超车过程划分为跟驰、借道、超车和返回这4种状态;其次,构建包含借道超车状态、车辆运动特征、空间位置属性和交通状态的多元特征数据集,通过梯度提升决策树算法拟合借道超车状态与车辆运动特征、空间位置和交通状态之间的复杂关系,采用SHAP(SHapley Additive exPlanations)方法识别影响借道超车状态变化的关键因素;然后,将借道超车状态、影响借道超车状态的关键因素和历史轨迹数据集,以滑动时间窗口形式输入至Informer模型,预测山区双车道公路的借道超车轨迹;最后,与未考虑借道超车影响的传统超车轨迹预测模型进行对比,验证本文模型的有效性。结果表明:车头时距、主体车辆横向速度和横向偏移是影响借道超车状态变化的关键因素;所构建的模型在山区双车道借道超车场景下,具有良好的适用性和预测精度;与未考虑借道超车影响的轨迹预测模型相比,本文模型的均方误差和平均绝对误差均值分别降低53.05%和38.11%,决定系数均值提升23.58%。 展开更多
关键词 交通工程 超车轨迹预测 Informer时间序列模型 借道超车 山区双车道
在线阅读 下载PDF
基于时间序列Prophet模型的乘用车消费税预测 被引量:4
18
作者 赖慧慧 《税收经济研究》 北大核心 2020年第1期34-39,共6页
运用时间序列模型预测未来的税收变化,对税收收入的组织、规划和决策具有重要的意义。为探索一种更为有效的方法来提高季节性行业的消费税预测准确率,文章采用基于可分解(趋势+季节+节假日)的Prophet模型,对2014-2019年不同排量乘用车... 运用时间序列模型预测未来的税收变化,对税收收入的组织、规划和决策具有重要的意义。为探索一种更为有效的方法来提高季节性行业的消费税预测准确率,文章采用基于可分解(趋势+季节+节假日)的Prophet模型,对2014-2019年不同排量乘用车消费税数据进行训练和测试,并运用2019年7-12月的乘用车消费税数据进行推算预测和实证分析,三类不同排量乘用车预测的平均误差分别为24.97%、5.70%、39.85%;若剔除12月,则平均误差分别为2.86%、4.90%、8.48%。这就给分行业分品目的税收预测提供了一种新思路。 展开更多
关键词 消费税 时间序列 prophet模型 预测
在线阅读 下载PDF
基于自组织映射-前馈神经网络和先知混合模型的短期负荷预测 被引量:1
19
作者 陈宇航 王渝红 +3 位作者 南璐 何川 王腾鑫 张敏 《现代电力》 北大核心 2025年第2期352-359,共8页
为提高电力系统短期负荷预测精度,充分挖掘历史数据中的多维度信息,更好地克服历史数据缺失带来的不利影响,提出一种基于自组织映射-前馈神经网络和先知混合模型的短期负荷预测方法。首先通过SOM神经网络对历史非功率数据聚类计算得到... 为提高电力系统短期负荷预测精度,充分挖掘历史数据中的多维度信息,更好地克服历史数据缺失带来的不利影响,提出一种基于自组织映射-前馈神经网络和先知混合模型的短期负荷预测方法。首先通过SOM神经网络对历史非功率数据聚类计算得到相似日集合,而后采用相似日数据对BP神经网络进行训练得到单点负荷值预测结果。其次,重点考虑历史数据的周期性和时序变化趋势,基于Prophet时序模型对历史负荷数据进行周期非线性拟合。通过历史数据拟合误差反馈,调整优化模型的关键超参数,最后基于误差倒数法组合得到短期负荷预测结果。以某地区电力负荷数据作为算例验证,结果表明所提的改进预测模型预测精度更高,且在克服历史数据缺失和拟合非工作日负荷曲线等方面具有优势。 展开更多
关键词 短期负荷预测 prophet 自组织映射-前馈 神经网络 时间序列
在线阅读 下载PDF
基于坐标时间序列的地心运动分析与预测
20
作者 朱新慧 王刃 +1 位作者 贾彦锋 柯能 《海洋测绘》 CSCD 北大核心 2024年第1期36-42,共7页
地心运动会影响地球参考框架原点的准确性,是地球参考框架进行非线性维持必须考虑的因素之一,因此提出对地心运动进行多尺度的建模和预测,以实现毫米级地球参考框架的建立和维持。采用网平移法计算的地心运动、全球地球物理流体中心(glo... 地心运动会影响地球参考框架原点的准确性,是地球参考框架进行非线性维持必须考虑的因素之一,因此提出对地心运动进行多尺度的建模和预测,以实现毫米级地球参考框架的建立和维持。采用网平移法计算的地心运动、全球地球物理流体中心(global geophysical fluids center,GGFC)和国际GNSS服务(international gnss service,IGS)第三次重处理(IGSR03)提供的3组地心运动数据,首先对其一致性和差异进行了分析,然后分别利用谐波模型和Diff-LSTM模型对地心运动进行了长期和短期的建模与预测,结果显示,GGFC地心运动的预测精度优于1.5 mm,而Diff-LSTM模型的地心运动预测结果在短期内优于谐波模型,当预测步长为17时,GGFC和IGSR03的地心运动预测精度均能达到甚至优于1 mm。表明地心运动的预测精度能够满足基于地球质量中心(center of mass of the total earth system,CM)的瞬时地球参考框架的建立与维持。 展开更多
关键词 地球参考框架 地心运动预测 坐标时间序列 谐波模型 Diff-LSTM模型
在线阅读 下载PDF
上一页 1 2 41 下一页 到第
使用帮助 返回顶部