期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到6篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于Xgboost算法的共享自行车短时需求预测研究 被引量：7
1
作者 胡郁葱 张筑杰 王晓晴 《武汉理工大学学报（交通科学与工程版）》 2019年第2期231-235,241,共6页
为了提高共享自行车系统短时需求预测的准确性,提出基于Xgboost的共享自行车短时需求预测预测方法.Xgboost是近年来一种基于分类和回归树的热门算法,具有快速的数据处理能力,准确性高的优点.以某市2015年1—8月的公共自行车数据,类比经... 为了提高共享自行车系统短时需求预测的准确性,提出基于Xgboost的共享自行车短时需求预测预测方法.Xgboost是近年来一种基于分类和回归树的热门算法,具有快速的数据处理能力,准确性高的优点.以某市2015年1—8月的公共自行车数据,类比经过聚类后的共享自行车需求,并考虑了天气因素,节假日因素,还有站点之间的相关性,构建特征向量,利用Xgboost算法对共享自行车短时需求进行预测并将结果与基于BP神经网络模型、ARMA模型和KNN算法的预测结果进行比较.结果表明,Xgboost算法模型精度更高,运算效率也更高. 展开更多
关键词 共享自行车 短时需求预测 Xgboost算法 特征向量
下载PDF
考虑商品组合效应的多任务需求预测模型
2
作者 黄至言 《现代计算机》 2021年第24期81-88,共8页
多任务需求预测模型(MT-LR)通过商品组合效应解决短期需求预测数据不足的问题。商品组合效应指的是在订单中高频出现且具有代表性的商品组合有着相似的需求趋势。MT-LR首先通过隐狄利克雷模型(latent dirichlet allocation,LDA)学习商... 多任务需求预测模型(MT-LR)通过商品组合效应解决短期需求预测数据不足的问题。商品组合效应指的是在订单中高频出现且具有代表性的商品组合有着相似的需求趋势。MT-LR首先通过隐狄利克雷模型(latent dirichlet allocation,LDA)学习商品的特征表达,然后通过多任务学习(multi-task learning,MTL)框架共享商品之间的销售数据。与目前主流的需求预测模型相比,MT-LR在两个真实销售数据的短期预测中有更好的表现。 展开更多
关键词 商品组合效应 隐狄利克雷模型(LDA) 多任务学习(MTL) 短期需求预测
下载PDF
城市天然气短期日需求量预测新模型 被引量：14
3
作者 舒漫 刘夏兰 +2 位作者 徐婷 谢雯娟 何斌 《天然气工业》 EI CAS CSCD 北大核心 2018年第6期128-132,共5页
准确预测短期城市天然气需求量,对于城市天然气的合理调峰调压、安全供应、管网优化等都具有重要的现实意义。目前,城市天然气短期需求量预测模型主要包括时间序列、回归分析、支持向量机、灰色关联等,但其精度均不很理想,神经网络的精... 准确预测短期城市天然气需求量,对于城市天然气的合理调峰调压、安全供应、管网优化等都具有重要的现实意义。目前,城市天然气短期需求量预测模型主要包括时间序列、回归分析、支持向量机、灰色关联等,但其精度均不很理想,神经网络的精度虽然较高,但却容易陷入局部最小值,降低了泛化性。较之于上述诸多模型,最小二乘支持向量机基于结构风险最小化的原则,对于非线性问题也能得到较高的精度和泛化性,并且不容易出现过拟合现象。为此,基于对城市天然气短期日需求量的各种影响因素的全面分析和讨论,最终将气象、日期、政策确定为影响因素,并采用模糊综合评价法、经验打分法及专家评分法处理因素中的定性数据,采用极差变换法处理其他定量数据,最终利用最小二乘支持向量机建立了城市天然气短期日需求量预测新模型。仿真实验以四川省成都市为例,新模型预测结果平均绝对百分比误差为1.423%,较之于ARIMA、灰色关联、BP神经网络以及非线性回归等模型,新模型的预测精度有了很大的提高。结论认为,新模型的预测结果可作为确定城市天然气短期日需求量的依据和参考。 展开更多
关键词 城市天然气 短期日需求量 预测模型 气象 日期 政策 最小二乘支持向量机 误差 精度
下载PDF
基于GRU-ELMAN并联神经网络的短期水量预测方法研究 被引量：2
4
作者 詹灏 宛曼 《给水排水》 CSCD 北大核心 2022年第5期146-150,共5页
为提高短期需水量预测模型的精度,提出一种基于门控神经网络(GRU)和ELMAN神经网络结合的预测模型进行需水量预测。该模型采用并联的方式,将各自的结果进行串联并输入到下一层GRU网络中进行竞争和融合,最后得到完整的预测结果。利用某社... 为提高短期需水量预测模型的精度,提出一种基于门控神经网络(GRU)和ELMAN神经网络结合的预测模型进行需水量预测。该模型采用并联的方式,将各自的结果进行串联并输入到下一层GRU网络中进行竞争和融合,最后得到完整的预测结果。利用某社区的15 min供水量数据,在MATLAB平台上对所提算法进行仿真验证并与其他神经网络模型进行结果对比。预测结果表明,在ME、RMSE、MAPE和NSE等评估指标下,所提并联神经网络模型的性能相较于常见神经网络模型均有较大提升,因此针对短期需水量具有较高预测精度和稳定性。 展开更多
关键词 短期需水量预测 门控神经网络 ELMAN 并联神经网络
下载PDF
基于残差自回归方法的短期区域用电量预测 被引量：9
5
作者 闵旭 叶青 蔡高琰 《技术经济》 CSSCI 北大核心 2019年第6期119-124,共6页
基于我国区域用电量数据展开了短期用电量预测研究,采用了基于残差自回归方法的时间序列预测模型,有效提高了短期区域用电量预测准确性。相比于传统的时间序列模型(ARIMA模型和Holt-Winters模型),基于残差自回归方法的时间序列预测模型... 基于我国区域用电量数据展开了短期用电量预测研究,采用了基于残差自回归方法的时间序列预测模型,有效提高了短期区域用电量预测准确性。相比于传统的时间序列模型(ARIMA模型和Holt-Winters模型),基于残差自回归方法的时间序列预测模型的MAPE值和RMSE值均最小,并在两个不同的数据集上表现平稳。 展开更多
关键词 时间序列 残差自回归 短期区域用电量预测
下载PDF
基于客源地的聚类-ARIMA模型的短期旅游需求预测--以天津欢乐谷主题公园为例 被引量：7
6
作者 段莉琼 宫辉力 +3 位作者 刘少俊 刘泽华 李勇永 葛军莲 《地域研究与开发》 CSSCI CSCD 北大核心 2017年第3期108-112,141,共6页
大多数旅游需求预测研究是基于目的地游客总数或消费总量开展的,尚未按不同的旅游目的或客源地细分进行预测。以天津欢乐谷主题公园为案例地,选择2014年第40周到2015年第26周为研究时段,利用通信大数据,提出了一种面向客源地的聚类-ARIM... 大多数旅游需求预测研究是基于目的地游客总数或消费总量开展的,尚未按不同的旅游目的或客源地细分进行预测。以天津欢乐谷主题公园为案例地,选择2014年第40周到2015年第26周为研究时段,利用通信大数据,提出了一种面向客源地的聚类-ARIMA组合预测模型。通过对不同客源地的时序数据进行聚类,选取各类别中的代表性客源地分别构建ARIMA预测模型。结果表明:对欢乐谷主题公园各客源地分别建模与聚类后通过6个代表客源地建模得到的结果一致;后者可以降低80%的预测成本。该方法具有较高的预测精度和较低的计算成本,适合面向客源地的短期旅游需求预测,可为旅游目的地提供更具针对性的旅游需求管理、分析与决策支撑。 展开更多
关键词 短期旅游需求预测 客源地 时间序列聚类 ARIMA模型 天津欢乐谷主题公园
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部