共查询到20条相似文献,搜索用时 26 毫秒
1.
提出一种基于Markov的可变阶模型,综合了一阶Markov模型和高阶模型的新方法。该方法通过引入精度因子和所逼近模型的阶数,可以在保持与一阶Markov模型相当的较低复杂度的同时,使预测精度能够逼近高阶Markov模型。通过实验数据说明了所提出算法的正确性和有效性。 相似文献
2.
针对现有预测算法很少考虑环境因素,预测精度不高的问题,提出了一种基于环境约束的不确定轨迹数据预测算法(EGTP)。首先获取历史轨迹数据所处的环境信息,利用环境信息和轨迹数据构造一个新的轨迹参考点,模拟带有环境信息的车辆不确定轨迹数据|然后基于高斯混合模型,对轨迹参考点数据和历史轨迹数据进行训练|最后在训练的基础上利用轨迹参考点和历史轨迹数据对车辆轨迹实时预测。由于考虑了出行的环境因素,预测结果更符合现实情景。实验验证了该算法在实时性和预测准确度上较其它算法有所提高。 相似文献
3.
4.
范国兵 《赤峰学院学报(自然科学版)》2013,(3):76-78
根据长沙市2001-2005年土地利用变更数据,分别建立了Markov模型和灰色GM(1,1)模型,对未来几年全市土地利用结构变化进行预测.并将两种模型预测结果相互验证与对比分析,以提高预测精度与可信度.结果表明:未来几年,长沙市土地利用结构变化趋势为:耕地、林地和未利用地持续减少,牧草地、居民点及独立工矿用地、交通用地呈增长趋势. 相似文献
5.
Markov预测技术的特殊性在于不需要连续不断的历史资料和数据,而只需要最近和当前的动态资料,本文尝试在市场预测中建立马尔可夫预测模型并对产品市场占有率进行预测. 相似文献
6.
朱盈贤 《重庆第二师范学院学报》2008,21(6):70-73
本文利用数据挖掘领域的基因表达式编程算法,对软件失效数据进行数据挖掘,得出失效表达式,从而对软件的可靠性程度进行评价或预测。实验证明:该软件评测系统具有较高的预测精度。 相似文献
7.
8.
鉴于BP神经网络、RBF神经网络在城市供水量预测精度上的不足,利用粒子群算法优化两者相关参数,实现更高预测精度,并通过建立BP神经网络、RBF神经网络、PSO-BP神经网络、PSO-RBF神经网络分别对城市供水量数据进行仿真预测。最终测试样本统计结果显示:RBF神经网络比BP神经网络平均相对误差(MRE)低约1%,在拟合度(R2)上高约0.014;PSO-BP神经网络比BP神经网络在MRE上降低约1.25%,在R2上提高约0.05;PSO-RBF神经网络比RBF神经网络在MRE上降低约0.3%,在R2上提高约0.072。由此说明RBF神经网络比BP神经网络在城市供水量预测方面更有优势,并且利用粒子群算法优化神经网络模型参数可有效提升神经网络预测精度。 相似文献
9.
10.
疾病的发生发展是一种复杂的现象,准确地预测人群以及个体疾病的发展趋势成为人们预防疾病的一个重要手段。综述了当前疾病预测中常用的几种数学模型的方法,对回归预测法、时间序列预测法、灰色预测法、Markov预测法、人工神经网络法等进行了简单介绍,并对这几种方法的特点、适用范围做了比较分析,便于在不同的情况和不同的精度要求下,选择合适的方法进行预测。 相似文献
11.
铁路客运量数据受多种因素影响而呈现出非线性等特点,为了进一步提高其预测精度,文章提出了粒子群算法( PSO)优化支持向量机( SVM)的公路客运量预测模型。利用PSO寻优能力突出的优点,对支持向量机的参数进行了优化选择,并用优化后的支持向量机模型对公路客运量进行预测。研究结果显示,相比BP神经网络和传统的SVM预测方法,基于PSO-SVM的预测精度更高,从而表明了粒子群算法优化支持向量机的方法是有效的。 相似文献
12.
探索构建对汇率进行直接预测的高精度组合预测算法.采用NARX神经网络作为基础模型,并结合经验模态分解模型进行混合预测,提高模型精度.为研究不同时间间隔对预测结果的影响,采用美元兑日元汇率的时间间隔为5分钟与1天的数据进行预测.实验结果显示,时间间隔较短时,模型的预测精度更高.此外,通过对汇率改革前后的人民币汇率的预测发现,汇率改革对EMD-NARX模型的预测结果影响不大,说明模型稳定性较高. 相似文献
13.
对湖泊水库富营养化系统分析方法的研究 总被引:4,自引:0,他引:4
姜世中 《内江师范学院学报》1996,(4)
通过对当前国内外应用较广泛的水质富营养化研究方法的分析总结,得出了一套完整可行的湖泊水库营养状态判别预测的方法。并给出了水质富营养化防治对策。 相似文献
14.
为提高超短期电力负荷预测的准确度,提出一种基于相似日和粒子群算法——轻量梯度提升机的超短期电力负荷预测方法.对初始数据集进行特征构建,并利用灰色关联法筛选出与待预测日关联度较高的历史日.使用粒子群优化算法对LightGBM算法进行参数寻优,构造PSO-LightGBM负荷预测模型.实验分析表明,相较于传统预测方法,该方法提高了电力负荷预测的精度,为电力系统稳定运行提供了保障. 相似文献
15.
为了提高电动车铅酸蓄电池的电池荷电状态(SOC)预测精度,将粒子优化算法(PSO)引入到支持向量机(SVM)中,建立了PSO-SVM电动车铅酸蓄电池SOC预测模型,模型输入量为电池的电压和电流,输出量为SOC。采用PSO算法对SVM的惩罚因子C和径向基函数宽度σ寻优,降低了SVM参数取值的盲目性,提高了预测精度。设计了铅酸蓄电池数据智能采集系统,并进行了实际运行车辆电池数据采集。在advisor2002软件中获取的电池数据和实际车辆电池运行数据的基础上,进行了模型训练和预测。结果表明,PSO-SVM预测模型相对传统的BP、RBF和SVM预测模型具有更好的精度和推广能力,满足了"SOC估算精度小于5%"的要求,从而表明该模型是有效的、可行的,并具有较好的工程实用价值。 相似文献
16.
17.
负荷预测是电力系统分析与运行的基础,对机组组合、经济调度、安全校核等均具有重要意义。随着电网规模不断增大,数据库时间跨度也随之变大,对不良数据及冗余数据的处理造成影响,负荷预测精度和速度的提高难度显著增大。针对这一问题,提出基于懒惰学习与聚类算法的组合模型。该模型以懒惰学习(Lazy Learning, LL)算法为基础,通过选择相似样本对负荷进行差异性预测建模。在预测应用中,为缩小样本库数量,减小 LL算法的预测时间,利用模糊C均值聚类(Fuzzy C-means,FCM)对用电特征进行聚类从而生成局部训练集,以改进LL算法局部建模。实验结果表明, FCM-LL组合算法不仅能高效精确地预测负荷,而且能实现数据库的实时更新。 相似文献
18.
将GM(1,1)模型与BP算法相结合建立灰色人工神经网络组合模型应用于GDP总量的预测。以安徽省1992-2007年的数据为例,对2005至2007年的GDP总量进行检验性预测,结果表明灰色人工神经网络组合模型大大提高了预测精度. 相似文献
19.