论文研究梯度提升树模型在智慧交通预测的运用 .pdf

随着绿色建筑和绿色生态城区经济激励机制基本形成，面对大量多维空间占用数据，大数据绿色建筑节能体系应运而生。然而大量多维的建筑数据却没有被充分利用，且传统空间占用检测模型分类精度还不够准确，模型时间复杂

论文研究-短时交通流预测FSMSVR模型.pdf, 针对城市道路短时交通流的复杂非线性特点和以往的预测仅考虑典型交通条件（无交通事故等突发事件）的现状，结合交通流的特征，提出了一种有限状态机支持向量回

针对城市道路交通拥堵预警问题，提出了一种基于深度学习的预测模型。通过归纳合并交通流参数、环境状态、时段等基础数据来构建交通流特征向量并确定四种预测状态。采用深度学习的自编码网络方法从无标签数据集中学习

为了解决传统短期用电负荷预测系统存在响应时间慢、预测精度差的问题,设计了一种基于梯度提升树的短期用电负荷预测系统。该系统框架采用C/S架构模式搭建,根据预测需求选择系统的组成硬件,并以梯度提升树为核心

采用提升小波方法构造出一种满足双正交的小波函数，并将这种小波函数作为支持向量机的核函数;此外，用线性规划问题来代替二次规划问题及稀疏正则化，本质上确保了解的稀疏性。基于提升小波构造出提升小波支持向量机

提升方法是将弱学习算法提升为强学习算法的统计学习方法。在分类学习中，提升方法通过反复修改训练数据的权值分布，构建一系列的基本分类器（弱分类器），并将这些基本分类器线性组合，构成强分类器。提升树是建立在

在前期研究基础上,利用皖北地区砂姜黑土的193个土壤样本的可见近红外高光谱(350~1700 nm)数据,结合非线性和线性的核函数,对9种算法进行模型的首次优化;再利用随机森林、提升树和梯度提升树三种

论文研究-灰色预测模型在铁路运营指标预测中的应用.pdf, 本文应用灰色系统理论的原理建立了S分局货物周转量及其它指标的灰色预测模型,并取得了良好的预测效果。同时,在大量计算的基础上,本文对GM(1,

论文研究-灰色预测模型特性的研究.pdf, 对GM(1,1)模型特性进行了研究,证明了GM(1,1)模型是有偏差的指数模型,分析了模型偏差的特性,进而从理论上阐明了GM(1,1)模型误差的实质.

运用大数据的金融风险预测模型研究是在分析金融风险存在问题的基础上，阐述了利用大数据技术进行金融风险测度，并构建预测模型，最后进行了实证分析。