共查询到20条相似文献，搜索用时 31 毫秒
1.
为精准分析地铁换乘公交客流的时变差异波动范围,提出应用概率区间预测模型预测换乘客流量.首先,对公交和地铁数据处理与关联匹配,构建公共交通出行链提取的数据基础.然后,利用判别换乘关系的合理匹配阈值方法提取公共交通出行链,分析基于出行链的出行基本特征,获取地铁换乘公交客流量.接着,针对点预测精度不够等问题,提出采用DeepAR模型开展区间预测,其中输入为换乘客流量,输出为预测的客流中值和客流区间,预测场景有工作日、非工作日、工作日早高峰以及晚高峰.其次,为减小预测误差,利用粒子群算法(PSO)优化DeepAR模型,构建PSO-DeepAR组合模型.最后,利用北京西直门地铁站数据进行验证.结果表明,PSO-DeepAR模型预测准确,90%置信区间覆盖率最高能达到93.6%. 相似文献
2.
准确预测云资源短期负载对提高云平台资源管理效率、保障云服务质量至关重要。针对传统模型在面对小样本、非线性云资源负载数据时预测精度不高，提出一种基于变分模态分解(VMD)和改进麻雀搜索算法(ISSA)优化最小二乘支持向量机(LSSVM)的云资源短期负载预测模型。将原始负载数据通过VMD分解成多个相对平稳的模态分量；对麻雀搜索算法进行优化，增强种群多样性，提高寻优性能和收敛速度。利用改进麻雀搜索算法优化LSSVM的关键参数，建立VMD-ISSA-LSSVM预测模型。利用Wikipedia网站的云资源负载数据进行仿真，结果表明，所提模型在预测精度上优于参照模型。 相似文献
3.
利用引力模型对上海世博会客流量进行定性分析,并对上海世博会客流量进行预测.结果表明,利用引力模型对上海世博会客流量的预测与以前常用的渗透率模型和多元回归模型相比有其自身的优越性,考虑因素更为全面. 相似文献
4.
5.
《赣南师范学院学报》2016,(6):23-26
为了对高校大学生群体性事件网络舆情进行准确预测并作正确引导,提出一种基于改进粒子群算法的混合神经网络(HANN)的高校网络舆情的发展趋势预测模型.HANN首先采用自适应调整策略和混沌理论对粒子群算法进行改进得到改进粒子群算法(CSA-PSO),再通过CSA-PSO算法训练径向基人工神经网络(RBF ANN)得到;RBF ANN的结点个数通过试探法确定.通过实例测试和与其它模型比较实验,结果表明所提出的HANN方法具有较高的预测精确,综合性能较好. 相似文献
6.
《四川师范大学学报(社会科学版)》2017,(1):67-74
利用旅游微观数据平台中获取的大量旅游消费类数据,建立了一个旅游者消费类型预测模型,在部分缺失旅游消费数据的情况下可以对旅游者的消费类型进行预测和判断。该模型基于监督性学习理论,首先针对已有的完整的消费数据进行学习,使用学习算法不断降低模型的判断误差,直到可以进行比较准确的数据预测;再根据数据缺失情况的不同,采用BP神经网络和均值插补的方式进行补足;然后通过K-means聚类分析方法,对已经补足的数据进行聚类,从而达到预测判断旅游者消费类型和层次的效果,进而达到在已知部分旅游数据的情况下能对旅游者的消费类型进行预测判断的效果。 相似文献
7.
梁均 《长江工程职业技术学院学报》2018,(1)
在传统统计分析工具无法直接对原始数据进行建模分析的前提下,利用大数据工具对原始数据进行提取、转换和加载(ETL),再通过统计分析工具对样本数据进行可视化预测分析。本文通过Hadoop分布式集群对广东省部分公交线路岭南通用户2014年5个月的800多万条刷卡数据进行数据清洗,通过样本数据分析了公交客流量以周为周期的波动规律,并结合休息日(节假日、周末)效应,选用多元季节性时间序列模型对日时段客流量进行时间序列建模,最后通过外推预测评估模型,平均误差不超过5%,结论表明该模型适用于公交时段客流量的短时预测。 相似文献
8.
李伟 《石家庄铁路职业技术学院学报》2012,(2)
为准确、快速、高效地预测电网短期负荷,提出改进的粒子群算法(DPSO),并与BP算法相结合,形成改进的粒子群—BP(DPSO-BP)神经网络算法,用此算法训练神经网络,实现神经网络参数优化,得到基于DPSO-BP算法的神经网络模型.算例分析表明,与传统BP神经网络法和PSO-BP神经网络方法相比,该方法改善BP神经网络的泛化能力,预测精度高,收敛速度快,对电力系统短期负荷具有良好的预测能力 相似文献
9.
文章首先回顾了几种游客流量预测方法并指出其存在的不足之处,接着推导出适合重庆芙蓉洞的环境容量计算公式,然后利用修正后的Logistic种群增长模型,预测芙蓉洞景区未来一定时段内的游客流量,得到了较为满意的结果,最后对预测结果进行分析与讨论。该模型对国内其它旅游景区规划具有一定的参考价值。 相似文献
10.
《滨州学院学报》2019,(4):22-28
针对基于部件级航空发动机动态建模过程中完整、准确的航空发动机部件特性数据往往难以获取、建模时间长等现象,提出使用实验数据进行辨识建模的方法。为了建立航空发动机的动态模型,通过对某轻型飞机实验台的飞行实验数据进行分析整理,提出使用BP神经网络对发动机重要参数进行建模,同时使用粒子群优化算法(Particle swarm optimization,PSO)对BP神经网络的权值和阈值进行优化,使用改进粒子群优化算法(Improved particle swarm optimization algorithm,IPSO)对传统粒子群优化算法进行改进,仿真结果表明IPSO-BP网络建立的发动机模型精度和稳定性更高。 相似文献
11.
12.
13.
火灾的发生具有不确定性,传统线性模型难对该类典型非线性预测问题进行准确预测.为了提高火灾的预测准确性,提出一种蚁群算法(ACO)优化LSSVM的非线性火灾预测算法(ACO-LSSVM).首先收集火灾发生的历史数据,然后输入LSSVM进行训练,ACO对LSSVM进行动态优化,描述火灾发生的不确定性,从而建立一种非线性火灾预测模型.仿真结果表明:ACO-LSSVM解决了传统火灾预测算法存在的缺陷,提高了火灾的预测精度,准确地刻画了火灾的复杂性、非线性变化的特点. 相似文献
14.
准确的风电预测可以提高电网的稳定性和可靠性,优化风电发电计划,降低能源成本。为了提高短期电力负荷预测的精度,文章探讨了一种基于QPSO算法对LSTM神经网络进行优化的算法,并根据LSTM神经网络以及QPSO算法的基本原理,利用QPSO算法对LSTM的超参数及网络拓扑结构进行优化,建立QPSO-LSTM短期风电负荷预测模型。仿真结果表明,QPSO-LSTM模型较传统的LSTM模型预测精度更高,且具有更快的收敛速度。 相似文献
15.
《浙江大学学报(A卷英文版)》2020,(6)
目的:边坡位移预测是实现滑坡灾害预报的有效手段,对降低滑坡灾害导致的损失具有重要意义。本文针对三峡库区广泛分布的"阶跃型"滑坡,采用三种不同的机器学习算法:长短期记忆(LSTM)神经网络、随机森林(RF)算法和门控递归单元(GRU),预测三个不同的三峡库区边坡位移,并对比三种算法的预测精度,从而选择适用于边坡位移预测的机器学习算法。创新点:1.建立了基于时间序列分解和机器学习算法的动态预测模型,并能够准确预测边坡位移。2.对比了不同的机器学习算法预测边坡周期项位移的精度。方法:1.基于时间序列分解原理,将边坡累积位移分解为趋势项位移和周期项位移。2.利用多项式拟合对边坡趋势项位移进行预测。3.基于位移影响因素采用三种机器学习模型(LSTM、GRU和RF)预测边坡周期项位移。结论:1.本文提出的基于时间序列分解和机器学习算法的动态预测模型可以准确预测三峡库区"阶跃型"边坡位移。2. LSTM和GRU算法可以充分利用滑坡历史信息,精确预测边坡位移的周期项。 相似文献
16.
介绍一种利用数据挖掘技术建立用于呼叫中心运营中的预测分析挖掘模型。主要介绍了基于Microsoft SQL SERVER Analysis Services(SSAS)的神经网络算法,以及SSAS神经网络算法在对某呼叫中心数据进行预测分析中的应用,通过分析神经网络算法挖掘模型所发现的模式,理解数据和其中的趋势,为提高客户对呼叫中心满意度提供有力的参考和辅助。 相似文献
17.
荷电状态(SOC)是电动汽车动力电池的核心性能指标。为了进一步提高锂离子电池组单体电池荷电状态预测精度,提出一种基于改进PNGV模型的电池内阻辨识与SOC预测。根据锂离子动力电池的特性分析,建立改进型PNGV模型。利用实验采集的数据和最小二乘算法实现内阻的在线识别。通过该内阻辨识算法,更加准确地反映电池的当前电压。根据预测更加准确的电压,从而提出基于数据融合PHM法预测电池的SOC,该方法基于实验数据和灰色预测模型来估算电池的荷电状态。仿真和实验结果表明,基于内阻辨识的SOC预测更准确,具有较强的工程实用性。 相似文献
18.
《浙江大学学报(A卷英文版)》2017,(7)
目的:化学反应机理在内燃机计算流体动力学(CFD)仿真中起关键作用。基于敏感性分析与粒子群寻优算法,本文旨在提出适用于内燃机CFD仿真的焦炉气化学反应机理,为焦炉气在内燃机上的应用研究提供条件。创新点:1.结合敏感性分析与离子群寻优算法,对化学反应机理参数进行了优化;2.建立了焦炉气化学反应机理,可准确仿真滞燃期、层流火焰速度、缸内压力变化和NOx生成。方法:1.根据简单碳氢燃料机理结构,搭建焦炉气化学反应机理(图1);2.通过敏感性分析,获得在燃烧中起关键作用的化学反应(图2和3);3.通过粒子群寻优算法,对上述关键化学反应的动力学参数进行优化(图4和5);4.通过数值仿真,验证机理的准确性(图6~13、16和17)。结论:1.根据敏感性定义,搭建的敏感性分析模型可准确地识别在燃烧过程中起关键作用的化学反应;2.基于粒子群寻优算法搭建的优化模型可对化学反应的动力学参数进行合理优化;3.优化后得到的焦炉气化学反应机理可准确预测滞燃期与层流火焰速度以及模拟内燃机缸内压力变化与NO_x生成。 相似文献
19.
20.
《实验室研究与探索》2020,(8)
针对小样本多源信息故障预测时存在的参数模型难以建立和预测结果不准确等问题,改进了BP神经网络训练算法,设计了初级概率预测器进行故障概率预测。对初级预测结果进行演化趋势要素计算分析,提出了修正函数对预测结果进行二次修正。利用某型发动机的工作参数数据和音频信息进行了算法验证。实验结果表明,基于演化计算修正的神经网络故障预测方法克服了特征参数较少和样本量不足时造成的预测结果不准确的问题,随着样本量的增加保持了较好的故障预测效果。 相似文献