简介：在基于固定窗口宽度滑动窗口模型的基础上。提出了一种基于回归参数存储的预测模型，该模型设置了计算区、数据区和参数区。计算区用于获得最近一个滑动窗口中的数据。数据区用于接收新数据，参数区存储最近若干组滑动窗口数据所计算得到的线性回归参数值，作为计算预测结果的原始数据集。按照这种模型的处理思路。提出了一种基于数据平滑技术的回归预测算法，随着窗口的滑动。对数据区中的数据进行回归分析，获得前面若干组滑动窗口数据的回归函数并存入参数区中，检验当前窗口中数据获得的回归函数预测效果。实验分析表明。通过修正当前回归函数的参数。可以使预测函数的预测精度得到很大程度的提高。

简介：摘要：机械制造之中，丝锥在加工时随着时间的累积和加工零件数量的增加，本身会产生金属疲劳和损伤；一旦损伤超过一定的限度会发生刀具的崩刃和断裂现象；从而造成刀具的损失和加工零件的报废。因此，机床丝锥寿命预测算法有助于提升生产效率同时，提升加工质量。本文以实际机床生产工作为基础，对机床加工时的数据进行了收集，在对数据分析的基础上设计了机床丝锥寿命预测算法，对将要损坏的丝锥进行了预警，起到了积极的作用。

简介：

简介：讨论常见的预测算法，并比较其优缺点，指出适合电信话务特点的预测方法，从软件工程的角度给出预测软件的构造方法。

简介：摘要售电量是电网经营企业的产品,售电均价是企业售电价格水平,表征企业盈力能力,两者是电网经营企业重要经济指标。准确预测长短期售电量、售电均价对企业的经营决策起着重要作用。

简介：本文提出一种对铜锍品位进行预测的新方法,以采集的现场数据为基础,采用系统辨识动态地建立了AR(p)模型与三次指数平滑模型.AR(p)模型要求数据对象是平稳时间序列,而三次指数平滑模型的数据对象具有随机性,考虑到铜锍品位的波动性,本文将二模型按最小二乘法原理,以组合预测误差平方和为目标函数,通过使误差平方和极小化来确定两种预测方法的优化,建立了一种新的组合模型,在三种模型中其预测误差最小.

简介：摘要:本论文旨在探讨智能电网中的电力负荷预测算法，并研究其在实际应用中的效果。电力负荷预测在电能管理和资源规划中起着至关重要的作用。我们综合考察了多种电力负荷预测方法，包括基于统计学、机器学习和深度学习的技术。研究结果表明，深度学习方法如卷积神经网络（CNN）和循环神经网络（RNN）在电力负荷预测中表现出色，能够更准确地捕捉负荷的时空特性。此外，我们还讨论了数据预处理、特征工程和模型优化等关键问题，以提高预测性能。最后，我们强调了电力负荷预测对于智能电网的可靠性和可持续性的重要性，并提出了未来研究方向的建议。

简介：摘要：信息技术的快速发展使我们进入了大数据时代，而知识、技术、人才和资金等的时空交换加速，使得城市生产与居民活动范围持续扩大，类型更加复杂，并促进了产业重构和空间重组，进而改变着区域和城市的空间格局。在此背景下，大数据在城市规划实践和研究中也得到越来越多的应用。

简介：摘要风能是清洁的可再生能源，在现在能源发展中，越来越受到各个国家的重视。我国作为资源大国，可开发利用的风能储量也是也是特别丰富。目前，政府越来越重视风能的利用，风力发电作为风能利用的最主要形式，目前已进入规模化发展阶段。但是由于风力发电具有间歇性和随机性，随着风力发电大量接入电网，将对电网的安全稳定运行时一个极大的考验。所以风功率预测系统对解决该问题具有重要意义。

简介：针对WSN流量预测,基于AR模型提出一种WSN流量双卡尔曼并行递推预测算法,该算法使用两个Kalman滤波器,交替进行AR模型参数的递推辨识与时变数据中真实值的最优估计,根据序列数据的最新信息实时修正AR模型参数进行动态预测。同时针对大步长的流量预测,引入滚动修正思想,克服动态预测算法存在间隔时间过长的缺点,降低多步预测误差。实验研究表明,利用研究的双卡尔曼并行递推算法使用AR模型进行多步预测,从原理设计和实现算法上,实现了WSN流量的准确预测。

简介：摘要：随着通用航空的快速发展，该航空手段由于具有启动速度快、救援效率高、受限空间少等特点，往往在自然灾害、重大事故、社安问题等突发事件中得到普遍应用。本文研究对象是轻型通用航空器，背景是一段时间内执行低空空域救援任务的飞行，目的是预测该段时间的飞行轨迹。本文提出基于状态相关模态切换混合估计和改进意图推理的航迹预测算法。该算法预测精度更高。

简介：

简介：针对现有页岩气储集层总有机碳含量预测模型存在的模型泛化能力弱、稳定性差的问题,提出了一种利用随机森林回归算法预测储集层总有机碳含量的方法。该方法使用地球物理测井提供的密度、铀含量、钍含量、自然伽马及光电吸收截面吸收指数等测井响应值作为输入,岩芯实验总有机碳含量作为输出,通过学习输入曲线与总有机碳含量的函数关系,动态预测整口井的总有机碳含量曲线。通过对焦石坝地区两口页岩气探井建模及预测可知,当随机森林中树的数量达到500时,建立的模型即可对训练样本中输入与输出的函数关系进行完全学习。通过训练结果及预测结果可知,随机森林回归方法不易发生过拟合现象,泛化能力极强,同时预测得到的曲线更为平滑,预测总有机碳含量较其他方法更为准确,有效地提高测井信息预测总有机碳含量模型的精度,对页岩气储集层评价提供帮助。

简介：摘要基于网络拓扑以及设备已知状态，综合分析多个数据源提供的停电报告或电能质量报告，可以分析预测配网中未知故障的发生，为故障抢修人员提供故障发生位置，电压等级等故障原因数据，为客服人员提供停电影响范围，预计恢复时间等故障恢复数据，从而减少故障发现到恢复的时间，减轻抢修人员工作强度，提高用电用户满意度.

简介：【摘要】文章提出了一种基于ARIMA模型的负荷估计算法。根据台区配电负荷日峰值数据表现出的周期性和渐变性，建立基于温度-负荷回归模型残差的ARIMA模型的台区配变负荷峰值预测方法。建立溫度-负荷回姑模型，以日最高气温为自变量，对负荷数据进行回归分析，将回归分析得到的数值与真实数据进行比较得到回归残差，建立回归模型残差序列的ARIMA模型，并进行参数估计计算，即可得到待预测日负荷预测值。根据研究成果，可以将开发的负荷估算算法与状态估算或其他网络操作工具集成在一起，更好地监视和控制配电网络，为电力系统提供服务。

简介：摘要:本文旨在研究基于深度学习的电力系统负荷预测算法，以提高电力系统的负荷预测准确性和效率。通过分析当前电力系统负荷预测方法存在的问题，引入深度学习算法作为新的解决方案。具体实施过程中，首先介绍深度学习的基本原理和常用模型，然后构建了基于深度学习的电力系统负荷预测模型，并提出了相应的优化方法。最后，通过实际数据验证了该算法的可行性和有效性。该研究对于提高电力系统的负荷预测精度和优化运行具有重要意义。

简介：一般罐头杀菌温度控制都采用PID算法,PID算法存在控制精度不高,鲁棒性差等缺点.广义预测控制(GPC)是应用"多步预测、滚动优化、反馈校正"的思想,其算法鲁棒性好,控制效果佳.本文研究采用广义预测控制方法对软罐头杀菌锅的温度控制,并通过计算机仿真说明其控制算法的有效性.

简介：摘要：一般在寻找路径时，从起点到终点的过程中有许许多多的路径，其中有距离最短的路径，也有距离最长的路径，找最短路径的过程中往往会花费大量的时间。路径搜索算法的作用是用于解决最短路径问题的算法。有时，它也被称作“最短路径算法”，目前，最短路径算法最常用的有：Dijkstra算法，Bellman-Ford算法，Floyd算法、SPFA算法和A-Star算法（也被称为A*算法、A星算法、A*搜索算法）。它的独特之处是检查最短路径的每个可能的节点时引入了全局信息，对当前节点距终点的距离做出估计，并作为评价该节点处于最短路径上的可能性的量度。A-Star算法改变了它自己行为的能力基于启发式代价函数，启发式函数在游戏中非常有用，在速度和精确度之间取一个折衷的方法会让游戏运行的更快。文中提出了A-Star路径搜索预测算法优化策略的研究与实现，首先，实现一个经典的A-Star搜索算法，描绘A-Star路径搜索算法的基本工作原理和过程。其次，提出引入深度优先搜索和广度优先搜索的解决方案进行纵向和横向的评估，进一步增强算法的有效性。最后，根据以上研究内容可以得出结论，根据现实中的实际情况，用于解决更大规模、多阻塞、模糊求解的、具有高效率要求的路径搜索的问题

简介：摘要:随着智能电网技术的快速发展，电气设备的高效、稳定运行成为保障电网安全的关键。传统的设备状态监测方法已难以满足智能电网的高效性和复杂性要求。本研究针对智能电网环境下的电气设备状态监测与预测算法进行了深入分析和实验验证，提出了一种集成机器学习与数据分析的新型预测模型。通过对比分析不同算法在真实环境中的应用效果，证明了所提模型在提高预测准确性和运算效率方面的优势。研究结果不仅为智能电网的电气设备管理提供了科学的方法支持，也为相关技术的进一步研究与开发奠定了基础。

简介：本文以Logistics回归算法为基础，结合证券行业经纪业务的特点，选择了总资产比例、交易次数比例、总资产连续下降等12个指标建立证券客户流失预测模型；并通过历史数据计算，确定了模型的常变量及回归变量。相关理论方法评估及真实数据验证表明，该模型的预测准确度较高，可以基于客户历史行为反应其流失倾向。一、客户流失预测的基础模型简介