基于消耗的计划和预测

论文研究-基于混沌理论和LSSVM的蒸汽负荷预测.pdf, 蒸汽是一种重要的二次能源,如何预知热电厂在未来时刻需生产的蒸汽负荷,对于安全、经济地向用户提供高质量的热负荷具有重要意义.针对短期蒸汽负荷序

基于ARMA和神经网络的风速序列混合预测方法

为了有效提高天然气短期负荷预测的准确度,提出了一种集成果蝇优化算法和SVM (Support Vector Machine)的混合优化策略FOA-SVM。首先,采用K-近邻算法对燃气负荷样本中离群数据

基于商拓扑结构的序列构成和预测,何富贵,张燕平,将具有一定相关性的多个时间序列作为整体进行研究,即对多变量时间序列分析,这将有利于更好地了解各时间序列的特性。故对于时间

在金融领域，股价预测是一项极具挑战性的任务，涉及市场行为、公司业绩、宏观经济等多因素的分析。本项目“Stock-price-Movement-Prediction”利用机器学习算法预测股价变动趋势，采

在金融学HJM模型的基础上,采用蒙特卡罗(Monte Carlo)方法,利用Microsoft Excel强大的数据分析能力,对瓦斯浓度的历史数据进行分析,从中总结出了一条接近真实溢出量的规律,从而实

提出云辅助P2P-VoD架构下的视频移植策略。首先根据P2P特性预测每视频频道的用户带宽请求数,为视频移植提供依据。而后设计了最小预留带宽的云带宽资源申请算法,利用较小的开销代价满足VoD服务实时性要

本文主要研究基于深度学习的时序预测和时间序列分类算法。时序预测是根据过去的数据来预测未来的发展趋势，而时间序列分类是将时间序列数据归类到不同的类别中。深度学习算法通过多层神经网络模型来进行学习和训练，

该方法结合了离散灰色预测模型和自回归 (AR) 预测模型的优势，以提高预测精度。 离散灰色模型适用于短期预测，而AR模型适用于捕捉时间序列中的长期趋势。 通过整合两种模型的结果，可以获得更全面、更准确

针对密集异构网络中用户更容易发生频繁切换的问题,提出了一种基于参考信号接收功率(Reference Signal Received Power,RSRP)预测和负载的自适应切换算法,它不仅从用户的角度