检索结果-维普期刊中文期刊服务平台

基于STARMA模型的感病松林内松墨天牛成虫发生量预测: 1; 作者周书永丁昌地陈绘画《绿色科技》 2020年第8期18-21,177,共5页; 利用浙江省临海市2007~2015年3个感病松林试验点内松墨天牛成虫的连续诱捕数据,根据每架诱捕器每年5~9月每月所诱松墨天牛成虫数量的时间相关性、空间相关性以及诱集数量的序列相关性,构建了松墨天牛成虫诱集数量的时空自相关移动平均模... 展开更多; 关键词松墨天牛预测时空序列 starma模型时间自相关空间相关; 在线阅读下载PDF 职称材料

STARMA网络时空序列预测模型研究被引量：6: 2; 作者王尚北王建东陈海燕《计算机应用研究》 CSCD 北大核心 2014年第8期2315-2319,共5页; 针对传统方法建立的空间权矩阵难于真实、准确地反映空间邻近变量之间相互影响的不足,提出一种基于样本数据驱动的空间权矩阵建立方法,将建立空间权矩阵转换为求解未知系数线性方程;针对STARMA模型只具有线性形式而无法捕获时空序列中... 展开更多; 关键词时空序列 starma网络模型空间权矩阵序列聚类机场噪声; 在线阅读下载PDF 职称材料

基于时空序列混合模型的犯罪情报预测分析被引量：7: 3; 作者刘美霖高见 +1 位作者黄鸿志袁得嵛《情报杂志》 CSSCI 北大核心 2018年第9期27-31,37,共6页; [目的/意义]犯罪行为的分布和发生在时间上和空间上具有一定的规律性。犯罪情报预测分析对于获取未来的犯罪变化动态具有重要意义。传统的犯罪情报预测分析,要求熟悉政治、人文、经济、地理等多方面因素和社会犯罪动态变化规律,具有一... 展开更多; 关键词犯罪情报预测时空序列神经网络 starma模型混合模型; 在线阅读下载PDF 职称材料

基于SVD和ARIMA的时空序列分解与预测被引量：8: 4; 作者杨立宁李艳婷《计算机工程》 CAS CSCD 北大核心 2021年第3期53-61,共9页; 针对传统时空序列建模过程中估计空间权重矩阵时难度较高的问题,提出一种基于奇异值分解(SVD)的时空序列分解模型ST-SVD。对原始时空序列矩阵进行平稳性检测并中心化为零均值平稳时空序列,在假设时间和空间没有交互作用的前提下,利用SV... 展开更多; 关键词时空序列预测奇异值分解 starma模型 VAR模型长短时记忆网络基站流量; 在线阅读下载PDF 职称材料

题名基于STARMA模型的感病松林内松墨天牛成虫发生量预测: 1; 作者周书永丁昌地陈绘画; 机构浙江省临海市森林病虫防治检疫站浙江省临海市桃渚镇农业综合服务中心浙江省仙居县林业局; 出处《绿色科技》 2020年第8期18-21,177,共5页; 文摘利用浙江省临海市2007~2015年3个感病松林试验点内松墨天牛成虫的连续诱捕数据,根据每架诱捕器每年5~9月每月所诱松墨天牛成虫数量的时间相关性、空间相关性以及诱集数量的序列相关性,构建了松墨天牛成虫诱集数量的时空自相关移动平均模型(STARMA),对松墨天牛成虫数量进行了预测。结果表明:该模型对松墨天牛成虫诱集数量拟合效果较好,预测3个试验点未参与建模的2014~2015年每年5~9月的松墨天牛成虫诱集数量,平均成功率为70%。; 关键词松墨天牛预测时空序列 starma模型时间自相关空间相关; 分类号 S763 [农业科学—森林保护学]; 在线阅读下载PDF 职称材料

题名STARMA网络时空序列预测模型研究被引量：6: 2; 作者王尚北王建东陈海燕; 机构南京航空航天大学计算机科学与技术学院; 出处《计算机应用研究》 CSCD 北大核心 2014年第8期2315-2319,共5页; 基金国家自然科学基金资助项目(61139002); 文摘针对传统方法建立的空间权矩阵难于真实、准确地反映空间邻近变量之间相互影响的不足,提出一种基于样本数据驱动的空间权矩阵建立方法,将建立空间权矩阵转换为求解未知系数线性方程;针对STARMA模型只具有线性形式而无法捕获时空序列中非线性模式的不足,提出STARMA网络模型,采用网络结构,以非线性函数代替线性组合。通过实验分析验证了基于样本数据驱动的空间权矩阵建立方法和STARMA网络的有效性。; 关键词时空序列 starma网络模型空间权矩阵序列聚类机场噪声; Keywords space-time series starma-network model spatial weight matrix sequence clustering airport noise; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于时空序列混合模型的犯罪情报预测分析被引量：7: 3; 作者刘美霖高见黄鸿志袁得嵛; 机构中国人民公安大学信息技术与网络安全学院; 出处《情报杂志》 CSSCI 北大核心 2018年第9期27-31,37,共6页; 基金国家自然科学基金资助项目"未来超密集异构网络的理论分析与资源协同优化技术"(编号:61771072) 中国人民公安大学基本科研业务费项目"基于认知可信度的在线社会网络犯罪及安全研究"(编号:2016JKF01317)研究成果之一; 文摘 [目的/意义]犯罪行为的分布和发生在时间上和空间上具有一定的规律性。犯罪情报预测分析对于获取未来的犯罪变化动态具有重要意义。传统的犯罪情报预测分析,要求熟悉政治、人文、经济、地理等多方面因素和社会犯罪动态变化规律,具有一定的局限性。因此需要探究新方法。[方法/过程]针对犯罪数据构建了神经网络和STARM A(时空自相关移动平均模型)的时空序列混合模型,根据历史犯罪数据预测未来发生犯罪的数量变化。首先利用神经网络提取犯罪数据中非线性特征,然后对残差建立STARMA模型,整合出最终的预测结果。[结果/结论]既弥补了传统STARMA模型无法挖掘非线性关系的不足,又满足了模型所需数据的平稳性的要求。通过实验验证了该方法可减小预测误差,在犯罪情报预测方面更加准确。; 关键词犯罪情报预测时空序列神经网络 starma模型混合模型; Keywords crime intelligence prediction spatio-temporal sequence neural network starma model hybrid model; 分类号 G353.1 [文化科学—情报学] TP301.6 [自动化与计算机技术—计算机系统结构]; 在线阅读下载PDF 职称材料

题名基于SVD和ARIMA的时空序列分解与预测被引量：8: 4; 作者杨立宁李艳婷; 机构上海交通大学机械与动力工程学院; 出处《计算机工程》 CAS CSCD 北大核心 2021年第3期53-61,共9页; 基金国家自然科学基金(71672109)。; 文摘针对传统时空序列建模过程中估计空间权重矩阵时难度较高的问题,提出一种基于奇异值分解(SVD)的时空序列分解模型ST-SVD。对原始时空序列矩阵进行平稳性检测并中心化为零均值平稳时空序列,在假设时间和空间没有交互作用的前提下,利用SVD技术将时空序列分解为空间模式、时间模式以及模式强度的乘积,通过ARIMA模型对平稳的时间模式进行建模并得到其预测结果,在此基础上,将时间模式的预测结果与分解得到的空间模式相结合,利用SVD技术对真实的时空序列进行重建,得到各个空间点的最终预测结果。实验结果表明,与ARIMA、Lasso-VAR、LSTM和STARMA模型相比,ST-SVD模型的训练时间成本降低50%以上,预测精度提升10%以上,其在实际工程应用中能够有效完成时空序列预测任务。; 关键词时空序列预测奇异值分解 starma模型 VAR模型长短时记忆网络基站流量; Keywords spatio-temporal sequence prediction Singular Value Decomposition(SVD) starma model VAR model Long and Short Term Memory(LSTM)network base station traffic; 分类号 TP301.6 [自动化与计算机技术—计算机系统结构]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于STARMA模型的感病松林内松墨天牛成虫发生量预测	周书永丁昌地陈绘画	《绿色科技》	2020	0	在线阅读下载PDF 职称材料
2	STARMA网络时空序列预测模型研究	王尚北王建东陈海燕	《计算机应用研究》 CSCD 北大核心	2014	6	在线阅读下载PDF 职称材料
3	基于时空序列混合模型的犯罪情报预测分析	刘美霖高见黄鸿志袁得嵛	《情报杂志》 CSSCI 北大核心	2018	7	在线阅读下载PDF 职称材料
4	基于SVD和ARIMA的时空序列分解与预测	杨立宁李艳婷	《计算机工程》 CAS CSCD 北大核心	2021	8	在线阅读下载PDF 职称材料