共查询到19条相似文献，搜索用时 937 毫秒
1.
在电离层风暴期,现存的电离层F2层临界频率预测方法不能满足实际应用的要求。根据磁层ap系数和太阳黑子月均值作为风暴期训练序列,本文提出了一种基于神经网络的电离层F2层临界频率预测新方法。模拟结果表明,这种新方法比现有的预测方法（STORM模型和Cander提出的神经网络方法）具有更好的预测性能。 相似文献
2.
针对在采用massive MIMO（multiple-input multiple-output）系统的5G网络规划中,使用传统的系统级仿真方法获得信道幅值的计算量和时间开销非常大的问题,提出一种基于BP（back propagation）神经网络的自适应神经网络来预测massive MIMO系统的信道幅值。自适应神经网络由基本BP子神经网络和特征降维BP子神经网络组成,可实现对给定训练集和预测集的自适应,基于用户射线追踪数据快速准确地预测用户的信道幅值。仿真结果表明,所提出的自适应神经网络在得到与系统级仿真方法精度接近的信道幅值的同时,可大幅降低获得信道幅值的时间开销;并且与采用传统BP神经网络相比,可以明显降低训练时间、预测误差大的用户数和平均预测误差。 相似文献
3.
为研究集装箱船航行过程中的纵摇角度预测问题,采用遗传算法(genetic algorithm, GA)对反向传播(back propagation, BP)神经网络的初始权值和阈值进行优化,并对比分析优化效果。以集装箱船实际航行数据为基础,划分数据集,确定神经网络结构,并初始化GA参数;GA以适应度值为指标,迭代搜索最优适应度值,确定BP神经网络参数;使用具有最优初始权值和阈值的BP神经网络进行纵摇角度预测,并结合均方误差(mean square error, MSE)和平均绝对百分比误差(mean absolute percentage error, MAPE)对预测结果进行对比分析。结果表明：所提模型具有较高的预测能力,预测结果的MSE和MPAE分别为0.719 2和0.008 2,预测结果较为准确。 相似文献
4.
为降低船舶交通流量的预测误差,提高预测精度,在分析传统的灰色模型和反向传播(BackPropagation,BP)神经网络模型优缺点的基础上,构建灰色神经网络模型预测船舶交通流量.以实际测量值作为初始数据构建不同的灰色模型,各种灰色模型的预测值作为神经网络的输入值,得到最佳预测模型.实例分析表明:灰色神经网络模型可提高预测精度,预测结果比较理想,优于单一预测模型;该模型具有所需初始数据少和非线性拟合能力强的特点,用于船舶交通流量预测是可行和有效的. 相似文献
5.
基于AERONET太湖站2005年9月—2010年9月的太阳分光光度计实测数据,分析太湖上空单次散射反照率（SSA）随时间变化特征以及频率分布特征. 结果表明,SSA的月均最大值、最小值分别为8月的0.95±0.03和12月的0.87±0.03. 季节均值的最大值为夏季的0.94±0.03,最小值为冬季的0.88±0.04;SSA的年均值为0.90. 从频率分布来看,SSA的最高频率分布区间为0.9~0.92. 分析表明,太湖上空存在中度吸收型的气溶胶. 相似文献
6.
为实现船舶设备的预测性维护,提高轮机人员工作效率,提出一种由Elman神经网络修正的自回归综合移动平均(autoregressive integrated moving average, ARIMA)模型用于设备运行数据预测。对输入数据进行平稳化处理,建立相应的ARIMA模型;引入Elman神经网络对ARIMA模型的预测残差进行分析并建立Elman残差预测模型;将ARIMA模型的预测值与Elman残差预测模型的预测值相加,得到最终预测值。采用“育鲲”号船某航次中冷器的海水出口温度数据进行模型的训练和验证,将Elman-ARIMA组合模型与单一模型预测结果的平均绝对百分比误差进行对比分析,结果表明,Elman-ARIMA组合模型具有较好的预测性能。 相似文献
7.
目的：基于人工神经网络和摄氧量动力学,以心率（heart rate,HR）和呼吸频率（breathing frequency,BF）为自变量建立准确的身体活动能量消耗（physical activity energy expenditure,PAEE）预测模型。方法：招募24名健康大学生（年龄22.2岁±2.0岁,身高174 cm±9 cm,体重67.1 kg±12.4 kg）,参加3次运动测试,包括递增负荷运动、恒定负荷运动（40%和70%■）和4种身体活动（6.4 km/h步行、体感游戏、负重行走、上下楼梯）。采集运动中HR、BF和摄氧量（■）,并建立PAEE预测的BP神经网络模型。采用Bland-Altman散点图对模型预测的准确性进行分析,并计算了平均绝对误差（mean absolute error,MAE）和平均绝对百分比误差（mean absolute percentage error,MAPE）以评估模型预测的误差。结果：建立的模型在步行活动中,模型预测的■(18.50±1.19 mL/kg/min)与观测值（18.34±1.44 mL/kg/min）接近,MAE=1.3... 相似文献
8.
为提高集装箱吞吐量的预测精度,提出基于因子分析和曲线拟合的集装箱吞吐量预测模型。以上海港为例,通过因子分析,分析影响集装箱吞吐量的主要因素,筛选出主因子,得到不同年份的综合经济发展值;再运用曲线拟合方法,建立以综合经济发展值为自变量,以集装箱吞吐量为因变量的三次曲线模型;运用自回归积分移动平均(autoregressive integrated moving average,ARIMA)模型预测2016—2020年的综合经济发展值,进而求得2016—2020年上海港集装箱吞吐量预测值。结果表明:该模型的拟合效果和预测精度均较高,可以运用到集装箱吞吐量预测中。给出上海港在国内经济新常态下转型升级的建议。 相似文献
9.
为准确预测集卡的港内周转时间,进而提升整个物流系统的作业效率,通过对集装箱码头闸口数据进行深入分析,得到3种不同任务类型的集卡港内周转时间序列,并在此基础上提出一种基于小波分解和自回归移动平均(autoregressive moving average, ARMA)模型的集卡港内周转时间预测方法。该方法首先利用小波分解技术对集卡港内周转时间序列的多维变化特征进行逐层分离,再利用ARMA模型对分离后的多个时间序列分别进行拟合,然后对拟合结果进行合并,以此近似模拟原序列的时变规律,继而实现集卡港内周转时间的短期预测。为验证该方法的有效性,将数据样本划分为训练集（75%）和测试集（25%）,训练集用于拟合多维ARMA模型,测试集用于检验ARMA模型的预测结果误差。研究结果表明,对于3种任务类型,该模型均可以精确预测集卡的港内周转时间,为物流企业调整集卡运输计划提供相应的技术支持。 相似文献
10.
为缓和神经网络对历史数据的"过拟合"与预测值"失真"的矛盾,设计一种基于BP神经网络与残差分析的非线性时间序列预测流程.从控制残差为正态分布、白噪声等方面入手,建立合适的人工神经网络,使其既能较好地拟合过去的样本,又可以得到符合未来趋势的预测结果.将该预测流程应用于长江九江大桥观测线船舶交通流量预测,预测效果证明该方法可行. 相似文献
11.
人体解析针对图像中人体不同部位进行语义分割，是近年来计算机视觉领域中的一个重要研究课题。不同于场景中的一般物体，人具有高度的结构化特征，并存在复杂的姿态变化和衣物遮挡情况。针对这一任务，提出一种基于卷积神经网络的层次化标签结构的人体解析方法。首先对精细的标签按照类别进行不同程度的合并，获得多个层级的解析图；然后改进具有金字塔特征抽取结构的卷积神经网络，使用解析图对金字塔不同层级的特征进行监督；最后将所有层级特征进行融合得到解析结果。在人体解析数据集LIP上的实验验证，与当前通用的语义分割算法相比，该算法可获得更高的人体解析准确性并改善了图像的分割效果。 相似文献
12.
缺失数据填充是数据分析处理领域的一个重要研究课题。特别是在采集数据量较少的情况下,缺失数据填充的难度极大。针对这个问题,提出一种基于改进神经过程模型的缺失数据填充算法,该算法可有效提升小数据集背景下的缺失数据填充性能。首先,将观测到的时间序列进行单一表示,由神经网络得到各自的表征向量;其次,通过神经过程模型获得数据的分布函数,并在训练阶段引入修正系数α,从而根据数据缺失率更加精确地确定训练数据的采样率;最后,加入填充过程,通过训练好的模型估计数据缺失值。为检验算法性能,在海洋表面温度数据集以及北京PM2.5含量数据集上进行仿真实验,结果表明该算法在小数据集背景下具有良好的填充效果。与其他算法相比,所提算法在高缺失率的情况下具有更低的均方根误差。 相似文献
13.
利用基于地磁活动指标型信息的统计先验类方法预测太阳活动周期峰值,是一种实用、有效的方法,但是利用此方法在对个别太阳活动周期的预测中出现较大误差,特别地,在对目前所处的第23太阳活动周期的预测中,误差超过30%。本文提出了利用多种信息综合预测太阳活动周期峰值的新方法,仿真实验表明,与基于地磁指标型信息的统计先验类方法比较,该新方法具有更好的适应性和稳定性,在对第23太阳活动周期的预测中,平均误差为10%。 相似文献
14.
基于PSO的BP神经网络-Markov船舶交通流量预测模型 总被引：3，自引：0，他引：3
为对船舶交通流量进行准确预测,结合BP神经网络和Markov算法,构建BP神经网络-Markov预测模型。引入粒子群优化(particle swarm optimization,PSO)算法对模型进行优化,克服利用Markov模型选取白化系数的不足。用该模型预测武汉长江大桥船舶交通流量的月度数据,结果表明:与BP神经网络的预测精度82.439 0%相比,基于PSO的BP神经网络-Markov预测模型的预测精度提高到91.050 8%,该模型的合理性和准确性得到验证。 相似文献
15.
地震预报是当代科学难题,把机器学习方法运用于地震预报探索是一个研究热点。大地震造成巨大的人员伤亡和经济损失,因此对大震的预测是地震预报的主要目标。利用1970年以来的川滇地震目录,选择16个反映地震时空强度分布特征的地震预测因子,采取滑动时空窗口方法有效地挖掘数据的隐藏信息,对川滇部分地区开展了基于长短期记忆（long short-term memory,LSTM）神经网络的为期一年的地震预报研究。结果显示,用1970—2019年地震目录的70%（时间窗口大概为1970年到2004年前后）作为训练集训练网络,对剩余的30%作为测试集（时间窗口大概为2005年前后到2019年底）进行回溯性预报检验时,实际震级落在预测震级±0.5内的准确率为70.2%,虚报率为18.7%,漏报率为11.1%,可以回溯性预测2008年汶川MS8.0地震。为测试模型的稳健性,进行了扩大研究区域范围、改变大震级地震在均方差计算中的权重等测试。在这些测试中,LSTM神经网络模型依然表现良好。 相似文献
16.
针对不同类型事件设计多状态跳转模型，结合两种深度神经网络实现对传统音频事件检测框架的改进。实验表明，在DCASE2017任务2的开发集数据上，改进后的DNN-HMM系统相比于基线系统取得F值8.9%的相对提升和错误率19%的绝对下降；基于多状态跳转模型聚类的卷积神经网络模型（SC-CNN），相比于基线系统取得F值18%的相对提升和错误率30%的绝对下降。 相似文献
17.
在极化合成孔径雷达（PolSAR）地物分类研究中,基于卷积神经网络的图像分割算法存在高维特征信息冗余而导致的分类边界模糊、分类精度低、计算复杂等不足,提出一种基于卷积神经网络和EM算法的轻量化图像分割网络,称为低秩重构网络（low-rank-reconstruction-net,LRR-Net）,应用于全极化SAR图像的地物分类。LRR-Net从极化目标分解的思想出发,利用EM算法对特征进行低秩重构,将特征从高维空间映射到低维空间,在减少参数的同时实现更精确的分类。用高分三号全极化图像数据对模型进行训练测试并评估,结果表明模型在保证分类精度的前提下,降低了模型复杂度。 相似文献
18.
针对三峡枢纽过坝货运量预测受多种因素影响及其具有的非线性特点,提出一种基于改进灰色模型和神经网络的组合预测模型。针对传统组合预测模型在赋权上的局限性,提出基于诱导有序加权几何平均(induced ordered weighted geometric averaging,IOWGA)算子的赋权方法。计算结果比较:组合预测模型的均方误差和均方百分比误差都比各单一预测模型的小。利用组合预测模型对2019—2022年三峡枢纽过坝货运量进行了预测,可为相关决策者提供参考。 相似文献
19.
由于时间序列在各领域的广泛应用，时间序列预测已经引起越来越多的关注，但关于多维时间序列的预测关注较少.然而，多维时间序列蕴含着丰富的信息.针对该问题，提出基于k近邻（k-nearest neighbor，k-NN）和BP神经网络的多维时间序列组合预测模型.首先分别采用k-NN和BP神经网络进行预测，得到对应的预测结果.然后使用BP神经网络进行非线性组合，得到最终的预测结果.实验表明，该预测模型优于k-NN和BP神经网络预测模型. 相似文献