共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
文章基于粒子群BP神经网络,同时结合水利水电工程等级划分标准建立大型水电工程投资估算模型。并利用MATLAB软件实现了模型的训练与测试。最后对已建水电工程进行了预测。结果表明模型改进了现有水电工程投资估算方法,在水电工程投资估算中具有较高的精度与泛化能力。 相似文献
3.
将随机森林融合支持向量机(RF-SVM)模型引入个人信用评估问题中,利用随机森林的特征选择算法,对实验样本进行属性特征选择,将得到的结果作为输入变量构建模型,以获得更高的预测精度。通过对大量SVM分类模型研究,发现传统SVM模型中无法有效筛选预测指标。通过对实验样本实证研究,并验证该模型的预测结果可信度,将其与单独的全变量SVM模型结果比对,结果证明,该方法能获得较好的预测效果。 相似文献
4.
基于长短期记忆神经网络的短期负荷预测方法 总被引:1,自引:0,他引:1
《黑龙江科技信息》2016,(31)
为了能够挖掘出海量数据中蕴含的有效信息,提高短期负荷预测精度,本文提出了具有深度学习能力的长短期记忆神经网络(Long Short-Term Memory,LSTM)模型进行短期负荷预测,深度学习顺应了大数据的趋势,对海量数据学习、泛化能力强。利用主成分分析方法对样本进行选择,进而建立LSTM预测模型。仿真结果表明,采用LSTM预测模型相对于BP神经网络模型提高了预测精度。 相似文献
5.
建立适用于中国和俄罗斯等人均铁矿石需求增长型国家的面板模型,利用面板模型对中国人均铁矿石消费量进行扩张预测,并按不同年份、不同建模期与灰色模型、协整模型、ARIMA模型的样本内、样本外平均扩张预测结果进行对比,说明面板模型的预测精度优于其他三个模型。面板模型与协整模型均能有效地分析因变量与各影响因素间的关系,一般的灰色模型和ARIMA模型无法达到这一目的。考虑模型对变量之间相关关系的刻画能力及预测精度两方面因素,认为四类模型分析铁矿石需求问题的能力排序为:面板模型协整模型灰色模型ARIMA模型,这一结果表明面板模型用于铁矿石需求分析具有优越性。 相似文献
6.
7.
《软科学》2019,(5):77-80
以中国上市公司为研究对象,从流动性状况、偿债能力状况、盈利能力状况和市场价值分析四方面财务指标提取20项预警指标变量;依据僵尸企业衍变过程对"财务危机"进行界定,进而获得财务危机预警建模的状态指标变量,并构建SMOTE-SVM模型。实证结果表明:加入SMOTE的预警模型较未加入SMOTE的预警模型具有更高的预测精度;同时,在基于各类样本的情况下,加入SMOTE的SVM预警模型均优于加入了SMOTE的其余预警模型。此外,基于不同区域企业样本所构建的SMOTE-SVM较基于整体企业样本以及基于不同所有制企业样本构建的SMOTE-SVM均具有更为优越的预测性能。 相似文献
8.
针对网络攻击具有多样性、时变性,传统预测方法预测精度较差的问题,提出一种混沌理论和LSSVM相融合的网络攻击预测算法.利用网络攻击频率时间序列预测模型参数之间的联系,采用粒子群优化算法对模型参数进行组合优化.采用最优参数的预测模型对具体网络攻击频率数据进行仿真测试,并与其它预测算法进行对比.实验结果表明,该方法对网络攻击频率预测精度要高于对比算法,是一种泛化能力好、预测结果可靠的网络攻击预测算法. 相似文献
9.
10.
11.
本研究以小麦为研究对象,将植被叶片高光谱数据与实测植被叶片叶绿素数据相结合,通过对相关性分析,获得红边参数及不同植被敏感波段,作为不同因子对各研究植被建立反演模型。分析所得结果可知,以敏感波段为因子的模型总体预测能力优于以红边位置为因子的模型,且随着小麦生长成熟,不同因子所建立的反演模型精度均有所下降。而时序分析表明,利用小麦叶片光谱数据对其不同物候期叶绿素含量进行反演是可行的。 相似文献
12.
《黑龙江科技信息》2019,(33)
针对利用传统方法高分辨率影像中冬小麦空间分布的提取精度较低的问题,本研究利用CNN-Bayesian(卷积-贝叶斯)模型逐像素分类模型,在高分2号影像上进行了训练和测试。以章丘县为研究区域,首先对下载的32景遥感影像进行预处理,然后根据实地调查获取的样点,进行人工标注制作样本数据,得到训练数据集。并对CNN-Bayesian模型进行构建,定义好初始函数,创建权重和偏置,输入训练集进行模型训练。然后输入测试集,通过CNN-Bayesian模型得到冬小麦的空间分布信息。最后选择经典的图像语义分割模型进行对比实验,以及通过准确度、精确度、查全率、Kappa系数四个指标进行精度定量评价。实验结果表明,与其他模型相比,CNN-Bayesian模型具有较好的识别率,其整体精度为0.946。因此,利用CNN-Bayesia模型可以获得较高的提取精度。 相似文献
13.
以城市生活用水量为预测研究对象,选取6个社会经济发展因素作为主要变量因子,建立偏最小二乘回归模型。研究分析表明,各变量因子间存在较强的多重共线性,采用偏最小二乘回归模型能有效克服各类因子变量间的多重共线性对模型拟合精度及其预测能力的影响,取得更接近现实的预估结果(平均相对误差为2.7%)。研究还发现,数据序列的长度和变量近期的变化信息也会对模型的预测精度产生重要的影响。 相似文献
14.
15.
16.
根据基因表达式编程方法,利用其强大的数据挖掘和函数发现能力建立矿山地表变形预测模型,将模型预测结果与传统的GM(1,1)预测模型预测结果对比分析,实验表明,基于GEP算法矿山地表变形预测模型的预测精度也优于传统的GM(1,1)预测模型。 相似文献
17.
18.
针对神经网络在非数学模型预测中所面临的3个主要问题,提出了一种基于BP_Adaboost算法的预测模型对燃气负荷进行短期预测。预测结果表明,该模型与BP神经网络相比,不但提高了预测精度和泛化能力,而且更能满足具有非线性、时变性和不确定性的负荷预测的需要,具有较好的应用前景。 相似文献
19.
20.
本研究运用GM(1,l)模型对辽宁省日本落叶松的生长进行了预测,并进行了模型精度检验,文中所建两个模型的小概率误差分别为0.141334和0.241318,方差比均为1,表明模型预测精度较高,预测效果较好,可为日本落叶松林生长量的预测和经营水平的提高,提供科学的理论依据。 相似文献