共查询到10条相似文献,搜索用时 15 毫秒
1.
针对传统预测模型存在的预测误差较大等问题,基于时延特性设计了新的短时动态交通流预测模型.采用延迟坐标状态相空间重构法重构交通流时间序列,并结合C-C算法,利用序列的关联积分组成描述非线性时间序列相关性的统计量,确定嵌入维数与时延.根据重构后的时延特性,利用相似性度量方法初步预测的目标断面流量,并建立递归神经网络模型.在递归神经网络模型的链式结构中引入长短时记忆单元,增强预测网络的记忆能力,实现短时动态交通流预测.实验结果表明,上述模型能够有效实现短时动态交通流预测,预测结果与实际之间的误差小,且预测F-measure值高、鲁棒性好,证明其具备较好的交通流量预测效果. 相似文献
2.
结合深度神经网络和时序点过程的深度点过程模型在进行时间预测时,会因模型本身系统误差和数值计算精度不足而导致预测值序列中存在较大偏差。为提高预测精度并有效避免模型调优同时降低数值误差,建立一种基于条件生成对抗网络(CGAN)的深度点过程二次预测模型,在深度点过程初次预测值序列的基础上进行二次预测。假设初次预测偏差来自时序点过程分布上的差异,利用CGAN对分布的变换能力来修正初次预测值序列分布为原始时序点过程序列分布,从而降低预测值序列误差。在流程上,将初次预测值序列输入生成器生成伪值序列,将伪值序列与对应的真实值序列输入判别器中判别真假,经过对抗训练得到对初次预测值序列具备修正能力的生成器。同时,为增强CGAN对时序点过程数据的匹配度,在其结构上采用CGAN+LSTM的形式,同时改进损失函数为时序点过程Wasserstein距离的对偶形式及其1-Lipschitz约束。实验结果表明,该模型具有较高的时间预测准确度,二次预测值序列的均方误差相较初次预测值序列平均降低77%以上。 相似文献
3.
4.
受到用电负荷时间序列的波动性较大的影响,用电负荷预测存在预测误差较大的情况。为此,提出基于序列理论的电网用户用电负荷自动预测平台。以历史电网用户用电负荷数据为基础,对历史电网用户用电负荷数据进行预处理,并利用经验模式分解算法分解负荷序列,选择时间序列理论中的ARMAX模型构建负荷预测模型,以历史负荷作为输入,得出未来某个时间点的用电负荷预测值。实验结果表明:与三种预测平台相比,所研究方法计算得出的MAE和MAPE指标数值更小,说明所研究方法的预测精度更高,误差更小。 相似文献
5.
基于VC的时间序列分析法的应用研究 总被引:1,自引:0,他引:1
时间序列分析是概率统计学的一个重要组成部分,现在从经济到工程技术,为了得到时间序列分析预测,对时间序列分析、预测、比较都具有重要的理论意义和实际应用价值.选取两种有代表性的数据,利用Visual C++实现了三种时间序列预测方法:移动平均法、指数平滑法和最小二乘法,并通过图表以及相关的误差分析,详细地比较了三种方法的特点和适用范围,从而既可以从直观上了解三种方法的共同点以及不同点,又可以从误差分析的数据中了解各种方法适合于分析预测哪种类型的数据. 相似文献
6.
短期负荷多变量混沌时间序列正则化回归局域预测方法 总被引:1,自引:0,他引:1
为提高短期负荷预测的精度,提出了多变量混沌时间序列正则化回归局域预测方法.选取对负荷影响程度最大的实感温度因素,构建了多变量时间序列.首先采用互信息法和最小预测误差法确定出时间序列延迟和嵌入维数,并依据确定的重构参数进行短期负荷多变量时间序列的相空间重构,针对局域预测法中邻近点个数少而不能满足最小二乘估计条件的问题,提出了基于正则化回归的多变量时间序列混沌局部预测模型.通过重庆某地区电力系统短期负荷预测的计算实例表明,该方法具有较强的自适应能力和较好的预测效果. 相似文献
7.
针对模拟电路故障预测存在的非线性时间序列预测问题和传统支持向量回归(SVR)多步预测时出现的误差累积问题,提出了一种基于相空间重构的自适应残差修正SVR预测算法。首先,分析了SVR多步预测方法对时间序列趋势预测的意义和多步预测导致的误差积累问题;其次,将相空间重构技术引入SVR预测中,对表征模拟电路状态的时间序列进行相空间重构,并进而进行SVR预测;然后,在对多步预测过程中产生的误差累积序列进行二次SVR预测的基础上,实现对初始预测误差的自适应修正;最后,对所提算法进行了预测仿真验证。仿真验证和模拟电路的健康度预测实验结果表明,所提算法能有效降低多步预测导致的误差积累,显著提高回归估计精度,更好地预测模拟电路状态的变化趋势。 相似文献
8.
兴趣点(POI)的签到数据体现了用户的偏好和兴趣点的分布特征,这在兴趣点推荐领域有极为重要的价值.为了缓解数据稀疏造成的推荐不准确等问题,本文提出了融合时间序列的POI动态推荐算法,结合用户与用户之间的关系、兴趣点位置以及流行度信息等.首先划分时间序列,得到时间因子的相似度;其次时间序列融入到基于用户的协同过滤算法,再根据时间的连续性特征得到基于用户的预测评分,然后将地理影响因子与基于时间的流行度信息结合,预测用户的评分,进而与基于用户的评分加权融合;最后,在Gowalla数据集上进行实验,结果表明,本文提出的融合时间序列的POI动态推荐算法能够有效减小推荐误差,提高推荐精度与召回率. 相似文献
9.
基于重要点的时间序列线性分段算法能在较好地保留时间序列的全局特征的基础上达到较好的拟合精度。但传统的基于重要点的时间序列分段算法需要指定误差阈值等参数进行分段,这些参数与原始数据相关,用户不方便设定,而且效率和拟合效果有待于进一步提高。为了解决这一问题,提出一种基于时间序列重要点的分段算法——PLR_TSIP,该方法首先综合考虑到了整体拟合误差的大小和序列长度,接着针对优先级较高的分段进行预分段处理以期找到最优的分段;最后在分段时考虑到了分段中最大值点和最小值点的同异向关系,可以一次进行多个重要点的划分。通过多个数据集的实验分析对比,与传统的分段算法相比,减小了拟合误差,取得了更好的拟合效果;与其他重要点分段算法相比,在提高拟合效果的同时,较大地提高了分段效率。 相似文献
10.
针对延迟容忍网络数据传输成功率低、延迟较大,提出一种基于节点位置预测的社会性DTN路由LPSN(Lo-cation Prediction and Social Network based routing)。该算法根据节点的介数中心性和节点间的相似性来衡量节点的社会特性,结合节点的历史轨迹和当前位置,运用Markov模型对节点的下一个位置进行预测,综合分析确定更优的转发节点再进行数据传输。仿真结果表明,相比现有的路由算法SimBet和Prophet,LPSN算法在传输成功率、开销比上有较大提升。 相似文献