空间区域中对象流动模式构建方法研究

随着时空数据获取设备的普及应用,产生了大量反映移动对象活动的位置数据,数据的海量性及分析的复杂性决定了该类数据为典型的大数据。位置数据中的到达和离开可以反映移动对象的流动规律,可以表示为区域的流动模式,本文研究空间区域中移动对象流动模式的构建方法,将区域的流动规律以时间序列进行定量表示,模式可用于指导交通、安全等方面的可预测调度。由于对象流动的随机性,使得构建高预测精度的模式成为一个挑战。提出一种基于层次聚类的流动模式构建模型,模型中通过数据的离散化、序列化、模式训练等步骤实现模式构建;提出偏斜度层次聚类树及异常序列去除方法,可以有效去除局部异常序列及自动聚簇选取,提高了模式的预测精度。利用真实数据集对所提出的模式训练方法进行了充分的实验,验证了所构建的空间区域中的流动模式可以用于表达区域中对象的流动规律,所提出的模式训练方法与现有的训练方法相比具有较高的预测精度。     

Xgboost算法在区域用电预测中的应用!

针对区域用户用电预测的影响因素众多、用户行为模式差异的特点,提出一种基于Xgboost算法的综合预测方法。该方法从周期、趋势、扰动三方面考虑用电的影响因素,搜集用户历史用电数据和气象数据,对数据中的缺失值进行补充,并对数据进行平滑化处理。将所得用户数据进行K-means聚类,从而得到不同类别的用户。运用最大信息系数(MIC)计算各影响因素与用户用电量的相关性大小,依据相关性大小对不同影响因素排序,进而提取主要影响因素。利用Xgboost算法构建不同用户类别的用电预测模型,对不同类别用户进行用电预测,进而获得区域整体用电情况。采用实际用电数据,调整算法参数,对综合方法进行仿真分析,并与其他方法进行对比。结果表明,该方法综合考虑了多方面影响因素,划分了不同的用户群落,具有更高的精度和可靠性。Xgboost算法在区域用电预测中具有较好的应用前景。     

基于ETM数据的蚀变遥感异常信息提取及成矿区预测研究-以甘肃党河南山地区为例

遥感成矿探测技术关键在于成矿构造及蚀变矿物信息的提取。以甘肃酒泉党河-南山地区为研究区,基于ETM数据和ASTER遥感数据,利用主成分变换、掩膜分析、阈值分割等方法,从Landsat\|7 ETM数据中提取矿化蚀变信息并预测可能成矿的区域。该方法准确、有效地消除了云、雪等干扰信息,利用该方法获得的矿化蚀变信息与已知矿点有很好的一致性,因此用该方法提取蚀变信息是可行的。     

神经网络在配网电能损耗预测中的应用研究

配网馈线和节点较多、负荷的多变,使得配网中的技术线损和管理线损分析预测困难。本文结合等值电阻法理论线损计算模型、BP神经网络、广义回归神经网络GRNN模型,对配电电网线损、电能损耗进行分析与计算,将理论应用到区域实测负荷数据和电量数据的分析中,分析了S区域线损率、线损和电能损耗,计算出了配电网电能损耗各元件所占的百分比。测试结果表明,BP模型对线损预测的均方误差为2.71;并在此基础上,考虑配电网变压器等损耗,利用PSO-GRNN模型对配电网的电能损耗进行预测,配网电能总损耗预测的均方误差为0.36,为区域电能损耗分析和降损工作提供了关键状态参数。     

数据预处理对LSTM网络大气污染预测精度分析

大气污染物浓度数据具有时序性和非线性的特点,针对时间序列数据中的异常值和缺失值问题,进行异常值和缺失值预处理对长短时记忆神经网络(LSTM)预测精度的影响分析.利用箱线图法判别数据序列中的异常值,以均值替换法、回归插补法和多重插补法进行缺失值的预处理,分别利用原始数据序列和不同预处理方法得到的数据序列,对多变量输入LSTM神经网络的大气污染物预测精度进行对比分析.实验结果表明,三种预处理方法均可明显改善LSTM模型的预测精度,多重插补法精度最高.     

一种基于高斯过程回归的AUV自适应采样方法

针对区域海洋特征环境快速观测的需求,提出了一种基于高斯过程回归的小型自主水下机器人(AUV)自适应采样方法.首先,通过比较高斯过程回归(GPR)中使用不同的回归推理方法的估计准确度和计算效率,确定AUV的合适采样间隔时间;在此基础上,根据AUV实时观测的数据进行GPR分析,预测未观测区域环境数据,并通过计算预测区域梯度极值和预测不确定度引导AUV进行在线路径规划;最后使用该方法,对具有不同特征分布的区域环境观测过程进行仿真.结果显示,本方法与常规方法相比,能够更高效地获得观测区域的低误差特征分布估计,更快地获得观测区域热点区特征,更好地适应观测区域特征分布不同的情况.     

基于PCA-SVM的区域经济预测研究

针对区域经济存在高度的非线性、各指标间存在数据冗余等特征,使得传统的经济预测方法精度较低,为解决上述问题,提出了一个基于主成份分析的支持向量机的区域经济预测模型(PCA-SVM).选择对影响长株潭区域经济发展的各因子进行主成份分析,消除各因子之间的冗余性,从而减少了支持向量机的输入维数,增加了支持向量机预测速度,利用PCA-SVM模型对长株潭2003-2007年经济数据进行了验证性测试和分析,结果表明,相对于各参比模型,PCA-SVM模型预测精度显著提高,是一种高效的区域经济预测模型,为预测研究提供依据.     

STARFM算法生成湿地类型TM反射率数据的应用评价

当前数据获取条件下,很难直接获得兼具高时间与高空间分辨率的多光谱遥感数据,提出利用STARFM(Spatial and Temporal Adaptive Reflection Fusion Model)算法来合成高时间序列的高空间分辨率数据。该算法在我国地理区域的适用性与预测精度验证等工作尚未充分展开。为此,以内蒙古呼伦湖湿地自然保护区为研究样区,并借助于Landsat-5 TM(Thematic Mapper)与高时序MODIS反射率产品,利用STARFM算法生成具有高时序特征的TM数据,进而将其与真实TM数据进行对比验证分析。结果表明:STARFM算法能够在空间上保持一定预测精度的条件下,对湿地区域内不同地物类别随时相的变化特征具有较好的预测能力,尤其适用于对反射特征随时相变化较小的湿地区域进行时空拟合或数据预测研究。     

PTZ摄像头下候选区匹配的实时目标跟踪

提出一种基于候选区匹配的控制PTZ(Pan,Tilt,zoom)摄像头的目标跟踪方法.该方法将图像的中心区域或者检测的目标运动区域作为候选区对目标定位,并根据目标的预测位置计算摄像头运动参数,实现摄像头自动控制跟踪目标.采用对称差分来检测图像中的目标运动区域,利用颜色和纹理信息等特征来表示目标,通过相似性度量从候选区定位目标.同时考虑摄像头命令的传输和执行延时,利用目标运动轨迹对目标位置加以预测,并根据目标预测位置自动控制PTZ摄像头主动追踪目标.实验表明,该方法在较大区域内,以及瞬时遮挡条件下,能连续实时地主动追踪感兴趣目标.     

Web中的行情数据获取与预测研究

抽取网页中的行情数据进行预测和分析具有重要意义。提出了Web中的行情数据抽取算法,该算法主要基于“行情数据通常在网页中表现为区域最大的数据表格”等实践规律,首先自动识别出最大的数据表格,然后转换为DOM树结构,最后抽取DOM树的结点值。与传统算法不同,算法自动抽取行情区域而无需用户定义抽取数据区域。设计了一个农产品价格预测原型系统,该系统针对某个农产品,自动从特定网站获取价格数据,对月度价格进行预测,实验表明预测性能较好。     

基于OD的区域公路交通预测系统结构与关键技术

为了简化区域公路交通预测工作,结合我国目前公路交通特征,设计并建立基于OD更新的区域公路交通预测系统非常必要。从结构和功能出发,提出系统需具备数据管理、图形管理、OD更新、需求预测和交通量预测等5个基本模块。重点分析了系统实现过程中的一些关键技术,如数据关联和融合、图形数据接口、路网检查方法、控制点选择方法、相关路段筛选等。系统的开发和应用能提高区域公路交通信息化水平,帮助制定科学合理的规划设计和管理策略。     

数据挖掘技术在经济预测中的应用

研究区域经济预测准确率问题,区域经济变化具有高度非线性,各影响因子存在信息冗余,系统存在随机性,造成传统预测方法的预测准确率较低。为了提高区域经济预测准确率,利用数据挖掘中主成分分析的BP神经网络优势,组成一种新的区域经济预测模型。首先对区域经济影响因子进行主成份分析,消除各影响因子之间的冗余信息,减少了BP神经网络的输入变量,加快了学习速度,最后通过某地区1985-2005年经济数据对模型性能进行验证性测试,实验结果表明,新模型提高了区域经济预测的准确率,研究成果具有一定的推广和应用价值。     

基于XGBoost-PredRNN++的海表面温度预测

准确预测海表面温度对于海洋渔业生产、海洋动力环境信息预测预报等至关重要. 传统数值预报方法计算代价大、时效差, 而现有基于数据驱动的海表温预测方法大都针对单个观测点进行海表温预测, 不适合预测由多个观测点构成的某个区域的海表面温度, 而现有的区域海表温预测方法的预测精度仍然有待提高. 为此, 本文提出了一种基于XGBoost结合PredRNN++的区域海表温预测方法(XGBoost-PredRNN++), 该方法首先将海表面温数据处理成灰度图片, 然后利用XGBoost模型来提取每个点的时间特征; 在此基础上, 采用CNN网络将时间特征融合到原始海表温数据中, 同时提取出海表温数据之间的空间依赖关系; 最后利用PredRNN++时间序列预测模型提取整个海表温序列之间的时空关联关系, 从而实现了区域海表温度的高精度预测. 一系列实验结果表明, 本文提出的方法具有较高预测精度和效率, 明显优于现有预测方法.     

基于时空信息的交通流预测

交通流量预测是城市道路交通信号控制中的重要组成部分。为了提高预测的准确性,基于路口视频检测器数据,提出了一种交通流量预测的交通数据分析方法。随着逐年提高的计算能力,深度学习方法进行短时交通流预测越来越流行,经典的交通流量预测方法通常只能根据被预测道路自身的数据进行分析和决策,而往往较少考虑由同一区域不同道路之间的交通流量关联性。基于城市核心路网交通数据,提出一种基于时空信息的TS-LSTM模型,并与其他经典模型进行比较,所得出的结果验证了相比其他方法而言,该模型具有较高的预测精度。     

基于粒子群算法的配电台区售电量精准预测方法

针对不同时段和不同模态下,售电量预测准确性较低的问题,设计一个基于粒子群算法的配电台区售电量精准预测方法。建立灰色模型挖掘数据,输入电力负荷数据,并进行归一化处理,提取容量利用特征,准变预测问题表现形式,建立售电量增长趋势模型,计算曲线拟合问题,采用粒子群算法设计配电台区售电量精准预测过程,优化权重变换函数和粒子权值,完成配电台区售电量精准预测。实验结果表明,该方法在一个月内售电量、一年内售电量、低频模态预测与高频模态预测上,都具有较高的准确性,满足配电台区售电量精准预测需求。     

利用决策树技术对股票价格数据库进行数据挖掘

本文利用数据挖掘中的决策树技术对于股票价格数据库数据进行处理,把一般的经济数据分析预测问题转化成数据挖掘中的分类问题。我们选取美国通用电子公司(GE)四十年间的股票价格数据,利用ID3算法并适当调整以适应本类问题的需求,由此生成决策树作为分类器并对结果进行检验,其中数据处理的编程工具采用的是VFP和Delphi。通过分析结果,我们发现该方法具有可行性、有效性、合理性,可作为这类经济分析预测工作的一种手段。     

基于粗集支持向量机的区域经济走势预测方法

针对区域经济预测中多属性而支持向量机方法无法有效选择的问题,提出了一个基于粗集理论和支持向量机的区域经济走势预测方法.方法利用粗集理论在处理多属性数据方面的优势对区域经济走势预测的条件属性进行约简,约简后的数据进入支持向量机的预测系统,从而减少了支持向量机的训练数据,在一定程度上克服了支持向量机方法处理速度慢的缺点.将方法应用于某区域经济走势预测中,获得了较好的预测结果.实证结果表明,方法具有较好的预测能力,与标准支持向量机方法相比,方法具有明显的优势.     

基于图像识别的震象云地震预测方法

利用卫星热红外异常判别技术进行地震预测的方法都是纯手工或半手工的,在分析处理海量遥感数据时具有局限性,并且传统方法对地震三要素的预测准确率不高,尤其是震中位置的预测。针对上述问题,提出一种综合震象云颜色、纹理以及浮现频率等特征来自动预测地震的方法。利用灰度共生矩阵对热红外数据进行纹理特征提取,使用BP神经网络模型训练目标神经网络,将纹理特征输入目标神经网络进行识别,提取疑似目标,同时滤掉非目标并跟踪,将疑似目标浮现频率超过5次的区域精确定位为目标出现的位置,从而实现智能化和自动化的地震预测。反演实验验证结果表明,该方法是一种震中位置预测较为准确的中短期地震预测方法。     

基于Word2vec和卷积神经网络特征提取的双高疾病预测

在高血压和高血脂疾病的预测研究中,针对体检数据中文本型数据特征提取问题,提出利用Word2vec和卷积神经网络相结合的方法(WV-CNN)对数据中的文本特征进行特征提取,建立预测模型。利用Doc2vec方法进行特征提取的对比实验,结果证明该预测方法的特征提取能力在不同输入数据数量级和不同预测方面都有很好的表现,对双高疾病识别和预测效果较好。     

基于ENVISAT-MERIS数据的过火区制图方法研究

森林或草原在发生火灾后,过火区内的植被层在近红外波段的反射率通常要比健康植被低,利用光学遥感数据的近红外波段和红光波段可以探测出植被层的反射率在大气上界的明显变化。对过火区域的提取是利用卫星数据进行测算森林或草原火灾过火面积的关键技术之一。根据实验区内近年来发生的多次重特大森林或草原火灾,在对ENVISAT\|MERIS数据中典型地物光谱特征进行分析的基础上,分别采用图像处理方法、植被指数法和面向对象的图像分析方法对过火区制图方法进行对比研究。研究结果表明,通过面向对象的图像分析方法获得的过火区域,可以较好地适用于过火区面积的估测,该方法是一项实现定量提取过火区域的行之有效的方法。