期刊文献+
共找到6篇文章
< 1 >
每页显示 20 50 100
基于 LSTM 客流强度预测的高铁配置模型
1
作者 朱定局(通信作者) 《中国战略新兴产业(理论版)》 2019年第22期0144-0145,共2页
高速铁路作为近十年来兴起的新型交通方式,其迅速发展在一定程度上有效减缓了高速公路上车辆通行压力,也 为旅客出行带来了便捷与舒适。如何对不同城市的高铁进行合理配置以满足人们的出行需求是我们亟待解决的问题。本文建 立基于 LSTM... 高速铁路作为近十年来兴起的新型交通方式,其迅速发展在一定程度上有效减缓了高速公路上车辆通行压力,也 为旅客出行带来了便捷与舒适。如何对不同城市的高铁进行合理配置以满足人们的出行需求是我们亟待解决的问题。本文建 立基于 LSTM 客流强度预测的高铁配置模型。在 matlab 中用单纯形法求解出决策变量,进而分别得出该城市在节假日和非节 假日的高铁配置的最佳数量。 展开更多
关键词 LSTM 高铁配置模型 单纯形法
下载PDF
基于非线性整数规划的停车场泊位规划
2
作者 朱定局(通信作者) 《中国战略新兴产业(理论版)》 2019年第21期0106-0107,共2页
随着私家车的普及,车满为患已经成为常态,如何利用有限的停车区域合理设计停车位,使得停车场有最大的停 车能力是目前亟待解决的问题。本文主要通过几何分析和非线性整数规划模型来解决停车场停车位的优化模型,进行矩形停 车场的停车位... 随着私家车的普及,车满为患已经成为常态,如何利用有限的停车区域合理设计停车位,使得停车场有最大的停 车能力是目前亟待解决的问题。本文主要通过几何分析和非线性整数规划模型来解决停车场停车位的优化模型,进行矩形停 车场的停车位规划。 展开更多
关键词 非线性整数规划 停车场泊位规划
下载PDF
基于LSTM的最优补单策略
3
作者 梁女君 朱定局(通信作者) 《中国战略新兴产业(理论版)》 2019年第2期0074-0075,共2页
随着时代的进步,越来越多的电商平台兴起,而补单作为电商生产销售的重要环节之一,如何制定合理的补单策 略是商家抢占市场亟待解决的问题。本文提取已有销量和多时间特征,利用长短期预测模型(LSTM)进行时间序列预测, MSE 低至 1.02;运用... 随着时代的进步,越来越多的电商平台兴起,而补单作为电商生产销售的重要环节之一,如何制定合理的补单策 略是商家抢占市场亟待解决的问题。本文提取已有销量和多时间特征,利用长短期预测模型(LSTM)进行时间序列预测, MSE 低至 1.02;运用 Apriori 关联规则挖掘各变量的潜在关系,最终提出合理的补单策略。 展开更多
关键词 LSTM Apriori关联分析 补单策略
下载PDF
基于层次分析法的人才吸引力评价模型研究
4
作者 朱定局 《创新创业理论研究与实践》 2019年第5期110-112,共3页
吸引和凝聚优秀人才,满足经济社会发展需求,已成为世界各国、各地区发展战略的首要环节。本文对深圳市现有人才资源状况和相关数据、资料进行总结梳理与分析研究的基础上,结合已有的同类研究成果,最终确定了深圳市人才吸引力评价的多级... 吸引和凝聚优秀人才,满足经济社会发展需求,已成为世界各国、各地区发展战略的首要环节。本文对深圳市现有人才资源状况和相关数据、资料进行总结梳理与分析研究的基础上,结合已有的同类研究成果,最终确定了深圳市人才吸引力评价的多级指标,运用AHP确定各指标权重,构建了完整的人才吸引力评价指标体系。采用该指标体系,对五个城市的人才吸引力具体情况进行测评。本文研究的目的和意义就在于对深圳人才吸引力进行评价和比较研究,充分认识深圳在人才吸引力方面的优势和劣势,明确改进方向,吸引大量优秀人才参与国际性现代化大城市建设。 展开更多
关键词 人才吸引力 层次分析法 横向比较
原文传递
基于地质特征的成矿预测模型
5
作者 《中国新通信》 2019年第14期235-235,共1页
本文从成矿时代、矿床成因、矿产带分布和地质构造四个方面的特征,建立成矿预测模型。通过关联规则挖掘的Apriori算法分析矿种与矿产带分布之间的多种关系规则,进行规则的准确度及价值的可视化。由于成矿时代和矿床成因两个特征的数据... 本文从成矿时代、矿床成因、矿产带分布和地质构造四个方面的特征,建立成矿预测模型。通过关联规则挖掘的Apriori算法分析矿种与矿产带分布之间的多种关系规则,进行规则的准确度及价值的可视化。由于成矿时代和矿床成因两个特征的数据缺失值过多,我们对其进行分词处理,计算词频并利用wordclouds包进行可视化。 展开更多
关键词 成矿预测 数据挖掘 APRIORI算法
下载PDF
大数据背景下挖掘影响学生学业水平的因素
6
作者 朱定局 《课程教育研究(学法教法研究)》 2019年第21期35-35,共1页
随着大数据时代的到来,如何利用数据资源分析学生学业的相关因素以改善教育效果,有着重要的现实意义和时代意义。本文利用Apriori算法和Pearson相关系数挖掘学生学业的相关因素与学生学业的关系及重要程度,从学生、家长和学校三方面给... 随着大数据时代的到来,如何利用数据资源分析学生学业的相关因素以改善教育效果,有着重要的现实意义和时代意义。本文利用Apriori算法和Pearson相关系数挖掘学生学业的相关因素与学生学业的关系及重要程度,从学生、家长和学校三方面给出建议;基于学生层面的相关因素,利用全连接神经网络、逻辑回归以及xgboost分类器进行训练,对学生分类,以实行“因材施教”,改善教育效果。 展开更多
关键词 APRIORI算法 全连接神经网络 学生学业影响因素 教育大数据
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部