基于EMD的数据驱动模型在径流预测中的应用

为提高径流预测的准确性,提出一种经验模态分解EMD(Empirical Mode Decomposition)与数据驱动模型相结合的径流预测方法。该方法运用EMD将汾河上游兰村、汾河水库和上静游三个水文站年径流序列分解为随机分量和趋势分量,分别选择合适模型对各分量进行合理预测,再拟合各分量预测结果得到最终的年径流预测值。结果表明,通过EMD分解,预测效果有明显提高,满足规范要求,计算方法可行。预测结果可为汾河上游防洪抗旱规划,水资源管理提供科学的依据。     

基于误差修正与深度强化学习的原油期货价格预测研究

准确预测原油价格一直都是政府管理决策部门、投资主体和学术界关注的重点.然而由于货币政策、地缘政治等多样化风险因素相互作用,原油价格表现出更加复杂的非线性特征,使得原油价格预测面临着前所未有的挑战.本文以INE和WTI原油期货市场为研究对象,通过基于数据分解、强化学习集成策略和误差修正技术构建的原油价格预测模型(PVMD-QSBT-ECS)开展实证研究.首先运用自适应权重的粒子群优化算法(particle swarm optimization, PSO)优化的变分模态分解(variational mode decomposition, VMD)对原油期货价格序列进行分解;然后利用Q学习算法(Q-learning, QL)确定堆叠式长短期记忆网络(stacked bidirectional long short-term memory, SBiLSTM)、双向门控循环单元(bidirectional gated recurrent unit, BiGRU)和时域卷积网络(temporal convolutional network, TCN)的最优权重组合以构建集成预测模型,而后对预测结果...     

基于网络搜索的票房预测模型——来自中国电影市场的证据

建立了一个将网络搜索与电影票房联系起来的模型, 考察了影片上映前后消费者网络搜索的动态变化及其在电影票房预测中的作用. 文章就中国电影产业对该模型进行了实证检验. 结果显示, 影片网络搜索量以及增长趋势都能预测该影片的首映周票房. 对于后续周票房, 动态联立方程模型的估计结果表明, 网络搜索既是电影票房的先行信号, 也是电影票房的后向结果. 样本外分析表明, 整合了网络搜索的模型能够提高预测的准确性.     

我国扫描电镜产业的发展与预测研究

长期以来,全球电镜研发一直是美国、日本和德国三足鼎立,其中以日本日立公司、日本电子公司、美国FEI公司以及德国蔡司公司表现最为突出。而我国扫描电镜主要依靠进口,本文对韩国、日本、美国、德国等国家的产业发展经验进行研究,结合我国实际情况,分析我国扫描电镜产业的发展趋势,并提出促进我国扫描电镜产业发展的对策建议。     

三维点云表示的人体动作序列预测

要：目前对三维人体动作序列的预测工作相对较少，且主要使用三角形网格表示人体模型，不如三维点云那样简单又容易获取。为此，该文用三维点云表示人体模型，提出一种基于MeteorNet的点云动作序列预测方法。将动作序列中不同时刻的三维点云融合在一起，寻找点的时空邻域进行分组；叠加三层Meteor模块在时空邻域聚合信息，以获取点云序列的时空特征；通过三层全连接网络预测动作的点云坐标。实验结果表明，该方法预测出的人体动作与真实动作的误差较小。     

H县资源环境压力研究

城市环境规划是国民经济社会发展规划在环境保护方面的落实,污染物的主要控制指标是考核环境保护设施落实情况的重要抓手,为此依据主要社会经济指标对污染物排放水平进行预测,对于环境保护规划的合理编制具有重要意义。     

基于随机森林的犯罪风险预测模型研究

犯罪预测是犯罪预防的前提,也是公安部门亟待解决的问题.随机森林作为一种组合分类方法,具有准确率高、速度快、性能稳定的特性,且能够给出指标重要性评价,本文将其应用于犯罪风险预测中.实验证明,随机森林方法选出的指标集可以显著地提高预测准确率,基于该方法构建的预测模型相较于神经网络与支持向量机具有更高的准确性和稳定性,能够满足犯罪风险预测的需求.     

基于TCN-BiLSTM的网络安全态势预测

针对现有网络安全态势预测模型预测精确度低和收敛速度慢的问题，提出一种基于时域卷积网络(temporal convolution network, TCN)和双向长短期记忆(bi-directional long short-term memory, BiLSTM)网络的预测方法。首先，将TCN处理时间序列问题的优势应用到态势预测上学习态势值的序列特征；随后，引入注意力机制动态调整属性的权值；然后，利用BiLSTM模型学习态势值的前后状况，以提取序列中更多的信息进行预测；利用粒子群优化(particle swarm optimization, PSO)算法进行超参数寻优，提升预测能力。实验结果表明，所提预测方法的拟合度可达0.999 5,其拟合效果和收敛速度均优于其他模型。     

基于XGBoost和GM模型的三亚市旅游客流量预测

旅游客流量的预测受经济发展、季节因素影响等不确定性的影响,以三亚市旅游和文化广电体育局官网2012—2018年的月度统计数据的旅游客流量数据为研究对象,通过模型优选,基于XGB和GM模型对三亚市近7年的旅游客流量进行拟合,并对比两种模式预测的准确度。并在以上两种模式的拟合基础上,通过模型组合,对三亚市未来2019年、2020年的旅游客流量、入境过夜游客数量及旅游收入进行预测。     

血浆sST2联合NT-proBNP对急诊心衰患者生存状况的预测价值

目的探讨血浆sST2联合NT-proBNP对急诊心衰患者生存状况的预测价值.方法选择急诊心衰患者130例,分为心功能Ⅱ级组、心功能Ⅲ~Ⅳ级组,对照组选择健康的体检者60例.对3组NT-proBNP及血浆sST2水平进行观察对比,对心功能不同分级患者NT-proBNP及血浆sST2水平进行比较,比较NT-proBNP,sST2,NTproBNP联合血浆sST2对心衰患者死亡状况的预测价值.结果随心功能分级递增,NT-proBNP水平逐渐升高,sST2曲线下面积(0.776)及NT-proBNP对死亡判定的ROC曲线与NT-proBNP曲线下面积(0.775)相比较没有明显差异,但二者联合曲线下面积为0.813,与NT-proBNP及sST2曲线下面积相比较差异显著.sST2联合NTproBNP进行心衰患者死亡状况预测时的敏感度为99.0%,特异度为93.2%.结论作为急诊心衰患者诊断、预后和风险评估的主要标志物,sST2联合NT-proBNP对患者生存状况进行评估可以很好地预测患者的生存状况,提高准确度和敏感度,值得在临床上推广应用.