在充分分析山西某煤矿地质情况、测井资料状况和地震数据体的前提下,提出了一套基于煤层顶板岩性反演的方法和关键技术,对岩性反演数据体进行解释,得出了煤层顶板岩性分布图,为煤矿的安全开采提供了依据。
目前客户流失预测任务中常用的模型集成方法采用传统机器学习模型作为基学习器。而传统机器学习模型相比于深度学习模型,存在无法对时序数据进行有效建模、特征工程对模型效果影响较大等缺点。针对这些问题,提出基于
基于灰色系统和人工神经网络的负荷预测综合模型,方静,李新炜,灰色系统、人工神经网络作为行之有效的负荷预测工具有着各自的优缺点,本文通过研究两者的互补性,分析了两者的结合方式,给出了
本文详细介绍了基于Elman神经网络模型的短期电力负荷预测模型,包含了模型的原理、设计方法以及应用案例。该模型通过对历史负荷数据进行训练,能够准确地预测未来一段时间内的电力负荷情况,对于电力调度和能源
针对控制系统中负荷分量变化的不确定性问题及负荷扰动的随机性问题,结合云模型控制器,设计了一种基于云模型的负荷频率控制方法。将云控制器接入两区域互联电力系统中,输出的PI参数经云控制器调整,实现电力系统
基于CBRFNN的中压配电网短期节点负荷预测,余贻鑫,吴建中,中压配电网短期节点负荷预测(DSBLF)属于信息不完备、不精确类问题,这类问题很难用传统方法解决。本文根据认知科学理论,在并行�
本文将Fourier(傅立叶)算法与SVM(支持向量机)共同引入电网短期负荷预测。对于波动性较大的负荷,Fourier算法用于滤除高次谐波分量。SVM用于对滤除了高次分量的数据进行统计学习,它首先筛选
基于BP神经网络的电力负荷预测中的应用,叙述了神经网络在预测方面的应用。
主题模型LDA的多文档自动文摘
数学建模\建模方法\预测模型\回归预测法