暂无评论
(4) 正态分布(5) 高斯分布
针对已有数据集的三种预测方法:时间序列分析,灰色预测模型和神经网络。时间序列是按时间和数值成序列的动态数据,具体分析可以采用季节分解、指数平滑和ARIMA模型。灰色预测模型则是基于样本数据对未知样本值
用BP神经网络方法预测股指走势的探讨,倪广顺,,本文将目前学者们用于股票预测的BP神经网络做了两点创新性改进,一是在输入元的选取上,不仅有通常选取的盘口数据,还选取了行情�
通过对影响冲击地压的各因素进行灰关联分析,得出了各因素对冲击地压影响程度的重要性排序,选择关联度排列前8位的影响因素作为输入参数,建立了冲击地压预测的BP神经网络模型,并进行了实际应用。
使用长短期记忆网络(LSTM)是一种成功应用于时间序列预测的神经网络,该网络能够捕捉序列中长期依赖的特性。本文将介绍如何使用LSTM神经网络进行时间序列预测,并探讨其适用性和局限性。
人工神经网络是一种模拟人脑神经处理信息的高效网络系统。本文通过相关分析,确定与运动员专项成绩相关的训练指标。然后利用人工神经网络强大的函数映射能力,建立起铅球运动员专项成绩模型。该模型不需要事先确定数
为了利用不同深度神经网络的优势,提高深度学习算法对短期负荷的预测能力,提出一种基于多神经网络融合的短期负荷预测方法。以电力系统历史有功负荷、季节、日期类型和气象数据为输入特征,并行架构的深度神经网络和
搜集的RNF的论文对研究该领域侧初学者会有帮助哦,希望大家顶一下
煤矿设计和开采受瓦斯涌出量的影响。由于地质条件不同,瓦斯涌出量也各有不同,传统方法预测瓦斯涌出量精确性很低。文章首先对灰色神经网络预测的现状做出介绍,然后分别介绍了灰色系统和神经网络的模型,最后结合灰
通过新安煤田二1煤层煤与瓦斯突出强度进行灰关联分析,确定了影响突出强度优势因素,利用改进的BP算法对新安煤田突出强度进行了预测,结果表明:煤层顶板砂岩厚度是影响煤田突出强度的最主要因素,煤厚、瓦斯压力
暂无评论