网络流量预测在拥塞控制、网络管理与诊断、路由器设计等领域都具有重要意义。根据当今网络流量的特点,传统的ARMA模型在描述网络流量数据特性时有一定的局限性,从而影响网络流量预测的精度。针对这个问题,研究
短期电网负荷预测是电网安全运行和经济调度的基础。现有预测方法存在对节假日预测不准确,不利于系统化等问题。根据短期负荷周期性变化的特点,创造性地提出双时间序列神经网络模型。同时为了克服实际温度数据缺失问
提出一种通用的时间序列数据流预测方法,算法首先通过经验模式分解方法将从链式重写窗口取得的数据集分解有限具有特征振荡周期的固有模态函数分量和一个代表原始序列平均趋势的余量;然后对于各个分量分别建立最大L
为提高BP神经网络预测模型的预测准确性,提出了一种基于改进粒子群算法优化BP神经网络的混沌时间序列预测方法。引入自适应变异算子对陷入局部最优的粒子进行变异,改进了粒子群算法的寻优性能;利用改进粒子群算
论文研究-基于贝叶斯框架下LS-SVM的时间序列预测模型.pdf,
基于模糊时间序列的自适应性预测模型,李雄彪,勾学荣,针对模糊时间序列模型中在预测时采用的模糊逻辑关系阶数的单一性和不确定性的问题,本文提出一种自适应性的模糊时间序列预测模型
2011哈工博基于回声状态网络的非线性时间序列预测方法研究
基于状态空间的动态反馈控制AQM算法研究,肖春鹏,,本文对基于状态空间的主动队列管理算法进行了研究。我们发现目前已有的大多数AQM算法在设计过程中都没有充分考虑到时滞对算法性能
在实际应用中有这样一类关系数据库,其中数据项在某个属性上的取值本身又是一个关系。讨论这种混合关系中的函数依赖及其相应的相关规则具有一定的理论意义和实际应用价值。给出这种混合关系的形式定义、混合关系中4
论文研究-自适应局部线性化法预测混沌时间序列.pdf, 提出一种基于奇异值分解最小二乘法的自适应局部线性化预测方法.它要求数据矩阵的条件数不大于给定阈值,并据此自适应地确定当前相空间的维数,然后根据