基于XGBoost和LSTM加权组合模型在销售预测的应用

针对多变量的商品销售预测问题,为了提高预测的精度,提出了一种ARIMA-XGBoost-LSTM加权组合方法,对具有多个影响因素的商品销售序列进行预测,本文采用ARIMA做单变量预测,将预测值作为新变量同其他变量一起放入XGBoost模型中进行不同属性的挖掘,并将XGBoost的预测值合并到多变量序列中,然后通过将新的多维数据转换为监督学习序列后利用LSTM模型进行预测,将3种模型预测结果进行加权组合,通过多次实验得出最佳组合的权值,以此计算出最终的预测值.数据结果表明,基于XGBoost和LSTM的加权组合的多变量预测方法比单一的预测方法所得到的预测值更为精准.     

基于异常数据预处理和自适应估计的WSN数据融合算法

针对无线传感器网络（wireless sensor network,WSN）存在节点能量受限、测量精度低、生存期短等问题,提出一种基于异常数据预处理和自适应估计加权融合算法（abnormal data-preprocessing adaptive estimation weighting fusion,ADAEWF）。为了提高算法可靠性,提出了基于异常数据检测、简单多数原则和节点综合支持度函数的数据预处理机制;为了减小测量误差对融合精度的影响,基于分批估计和自适应理论对节点测量值进行自适应估计加权数据融合;然后,建立了WSN仿真模型,并分别获得了ADAEWF、自适应预测加权数据融合算法（adaptive forecast weighting data fusion,AFWDF）和算术平均值法下融合结果的均方误差和网络有效生存期。仿真结果显示：ADAEWF算法融合精度和网络有效生存期均优于AFWDF和算术平均值法,表明ADAEWF算法在提高融合数据有效性、网络有效生存期和融合精度方面具有优越性。     

WSN中基于分簇的模糊加权数据融合算法

为在数据收集和传输中保证数据的准确性和实时性,提出一种基于分簇的模糊加权数据融合算法(FWADF)。在簇内利用模糊逻辑控制器分析节点数据的可信度,确保数据的可信性,同时加入对数据优先级的考虑,减少网络时延。在簇间采用模糊加权矩阵方法提高数据的准确性。在NS-2仿真工具上的实验结果表明,在同等数据流量的前提下,采用FWADF算法时数据到达基站的时间延迟最短,在节点收集相同数据量的情况下,与Proposed DF、VWFFA、FIM等算法相比,基站获得数据的平均准确率分别提高5.0%、16.1%、9.5%。     

无线传感器网络自适应预测加权数据融合算法

为提高无线传感器网络监测系统的可靠性及寿命,提出了一种基于分簇的自适应的预测加权数据融合(AFWDF)算法.AFWDF算法依据数据在时间上的相关性,建立预测模型.源节点与簇头利用前期监测数据的变化态势自适应调整预测模型参数对后期数据进行预测,源节点通过预测值与测量值比较提取特征值和剔除异常值,簇头根据特征值和预测值还原监测值,并计算监测值可信度和权重进行加权数据融合.通过性能分析及仿真,得出AFWDF可靠性较高,且在模拟环境下网络寿命周期比SAEMDA和BPNDA算法提高了15％左右.     

基于加权拟合分析的WSN安全数据融合机制研究

传统的基于密码学方式的安全机制并不能有效解决妥协节点产生的假冒攻击问题,同时,基于簇头的信任判断和证实机制需要更多的通信开销,使得基于簇头的信任管理与认证是当前安全数据融合机制研究的焦点.以能量衰减模型的事件感知为研究场景,设计一种基于加权拟合分析的安全数据融合机制.在事件源情况未知的条件下,实现簇内节点对事件源距离的近似估计.研究具有簇属性特征的数据点基于所拟合曲线的分布性质,提出基于曲线簇分析的簇头信任判断机制.仿真实验结果表明,所提出的机制在曲线拟合精度、防妥协性能等方面有较高的提升,达到了预期的效果.     

WS N中利用双重接收器结合自适应加权数据融合的簇首优化聚类算法

针对无线传感器网络(WSN)中很多传统聚类算法在选择簇首时较少考虑簇首间平均距离而导致能耗较大、网络寿命较短的问题,提出一种利用双重接收器结合自适应加权数据融合的WSN簇首优化聚类算法.使用双重接收器(静态接收器和移动接收器),通过移动接收器弥补静态接收器附近聚类快速消亡的问题;利用自适应加权数据融合技术对节点收集的数...     

WSN中利用贝叶斯博弈的数据传递策略

在无线传感器网络中,数据的传递策略对网络的能量损耗具有重要的影响,为此,提出了一个基于贝叶斯博弈的数据传递模型。在该模型中网络节点为了获取最大的收益,在考虑自身能量水平的基础上,适当的调整发送/转发的数据量。当节点发送/转发的数据满足一定条件时,网络存在均衡状态。仿真结果表明,该基于博弈论的数据传递策略在均衡状态下能够明显降低能量损耗,延长网络的使用寿命。     

基于组合加权分簇的三维无线传感器网络覆盖控制方法*

节点部署是无线传感器网络的一个基本问题。针对传感器节点的能量有限,如何在有限的能量下,实现对目标区域的覆盖最大化,本文提出了一种能量有效的三维传感器网络覆盖控制算法,根据节点的可用能量,与邻节点的平均距离以及连通度的组合加权值来确定簇首节点,并通过仿真实验验证了该方法的能量有效性,研究结果表明,基于组合加权分簇的覆盖控制方法在保证一定的覆盖率以及连通性的前提下,降低了节点能耗,均衡了网络能量,延长了传感器网络的生存时间。     

基于变量选择和XGBoost组合模型的NOx排放预测

NOx排放是燃煤锅炉的主要污染物,精准地预测NOx排放对电站锅炉燃烧优化具有重要意义.以某电厂330 MW燃煤锅炉变负荷工况数据为研究对象,提出一种基于变量选择和XGBoost组合模型的NOx排放预测方法.首先,针对复杂多样的热工变量,基于偏最小二乘(PLS)进行变量选择.然后,基于XGBoost建立NOx排放组合预测...     

基于自适应加权数据融合的无线传感器网络仓库监控系统

无线传感器网络的仓库监控系统具有监控效率高,监控节点易扩展和硬件成本低等优点,但面积较大的仓库内,仓储参数分布不均匀。为了提高无线传感器网络仓库环境参数监测的准确度,采用自适应加权数据融合的方法,对传感器网络的采集数据进行数据融合处理。文中给出了数据融合的具体工作步骤,并以仓储环境温度采集为例,进行了传感器网络温度采集数据的融合处理,与均值处理方法进行对比,结果表明,基于自适应加权数据融合方法的传感器网络监控系统具有更高的数据监测精确度。     

无线传感器网络簇内自适应融合算法研究*

无线传感器网络中采集的数据存在着较大的冗余与误差,且影响数据的可靠性。针对这个问题,分析了簇内数据误差成因,提出了一种改进后的自适应数据融合算法。该算法从节点测量数据自身着手,通过迭代得到各个节点测量数据的无偏估计值,以各个节点与估计值的欧氏距离作为各节点可信度的描述。实验证明,该融合算法提高了数据的精度和可信度。同时,通过与分批估计融合方法和传统的自适应加权融合方法的比较分析,表明该方法融合效果更好。     

基于自适应滤波器的电网谐波电流预测法

提出一种新的基于LMS算法自适应滤波器的有源电力滤波器(APF)参考电流的预测方法，针对传统LMS算法的缺陷(如收敛速度慢、对非平稳输入信号的适应性差等)作了3点改进，这些改进措施可有效提高自适应滤波器的综合性能．仿真与实验结果证明，采用该方法可有效减小延时对APF补偿效果的影响．     

Robust feedforward and recurrent neural network based dynamic weighted combination models for software reliability prediction

Traditional parametric software reliability growth models (SRGMs) are based on some assumptions or distributions and none such single model can produce accurate prediction results in all circumstances. Non-parametric models like the artificial neural network (ANN) based models can predict software reliability based on only fault history data without any assumptions. In this paper, initially we propose a robust feedforward neural network (FFNN) based dynamic weighted combination model (PFFNNDWCM) for software reliability prediction. Four well-known traditional SRGMs are combined based on the dynamically evaluated weights determined by the learning algorithm of the proposed FFNN. Based on this proposed FFNN architecture, we also propose a robust recurrent neural network (RNN) based dynamic weighted combination model (PRNNDWCM) to predict the software reliability more justifiably. A real-coded genetic algorithm (GA) is proposed to train the ANNs. Predictability of the proposed models are compared with the existing ANN based software reliability models through three real software failure data sets. We also compare the performances of the proposed models with the models that can be developed by combining three or two of the four SRGMs. Comparative studies demonstrate that the PFFNNDWCM and PRNNDWCM present fairly accurate fitting and predictive capability than the other existing ANN based models. Numerical and graphical explanations show that PRNNDWCM is promising for software reliability prediction since its fitting and prediction error is much less relative to the PFFNNDWCM.     

基于自适应动态簇和预测机制的WSN目标跟踪算法

无线传感器网络由大量能量有限的传感器节点组成,如何高效利用网络中节点的能量是无线传感器网络用于目标跟踪时研究的主要内容。合理构建动态簇可以有效降低网络的能量消耗,延长网络的生命周期,本文通过改进动态簇组建过程中簇头的选举和簇成员的征集过程,达到进一步节能的效果。其中,簇头的选择,综合考虑节点的能量和节点离目标的距离两个因素。簇成员的征集,同时考虑目标的移动速度和网络中节点的分布情况。同时,引入有效的预测机制,通过避免盲目的唤醒网络中的节点和降低跟踪延迟,可以进一步增强网络的跟踪性能,使跟踪过程更加有效和稳定。仿真结果表明本文算法在保证跟踪精度的前提条件下,可以有效节省网络中节点的能量。     

融合XGBoost和Multi-GRU的数据中心服务器能耗优化算法

随着云计算技术的快速发展,数据中心的数量大幅增加,随之而来的能源消耗问题逐渐成为一个研究热点.针对服务器能耗优化问题,提出了一种融合极限梯度提升(XGBoost)和多个门控循环单元(Multi-GRU)的数据中心服务器能耗优化(ECOXG)算法.首先利用Linux终端监控命令和功耗仪收集服务器各部件的资源占用信息和能耗...     

基于多态蚁群系统的无线传感器网络数据聚集算法

针对无线传感器网络能量受限的特点,将多态蚁群系统原理用于无线传感器网络的数据查询和聚集中,提出并仿真实现了一种能够均衡无线传感器网络能耗的算法。仿真结果表明,基于多态蚁群系统的无线传感器网络数据聚集算法能够有效延长无线传感器网络在执行数据查询和聚集任务时的生存时间。     

改进的自回归AR（p）预测模型在WSN中的应用

自回归AR（p）预测模型是无线传感网络（WSN）中一种减少数据传输次数和降低能量消耗的方法。针对AR（p）模型在建模过程中忽略了不同时期的历史数据对预测值的影响存在的差异,导致模型预测精度不高、网络通信频率受影响的问题,提出了一种改进的预测模型FAR（p）。在AR（p）模型中引入一种新的模糊隶属度函数,通过模糊隶属度函数对预测模型的每个历史数据赋予权值,实现历史数据“重近轻远”的预测效果,并经二次加权平均算法处理后重新构建预测模型。仿真结果表明,改进的预测模型有效地提高了模型预测精度,减少了传感网络中数据传输次数,降低了能量消耗。     

一种能量高效的WSN近似数据收集算法

为降低能耗和最大化网络生存期,论文提出了在一定误差范围内的高效近似数据收集算法。首先利用节点感知数据的时间相关性生成局部估计模型,然后根据节点间估计数据的空间相关性进行分簇,在簇首进行相关性检测,动态调整簇结构,并将簇首的模型参数上传给SINK节点,最后在SINK节点进行全局近似数据收集。仿真结果表明,该算法能充分利用节点数据的时空相关性去除冗余数据,在给定误差界限内能显著降低通信成本。     

WSN中基于移动Sink的高效数据收集算法

针对无线传感器网络中的数据收集问题,提出一种改进的MWSF算法。该算法结合A*算法求解出移动Sink在传感器节点之间移动的最短路径,利用MWSF算法找到移动Sink所需访问的下一个传感器节点,并与单跳通信范围内的其他传感器节点进行通信,从而收集数据。仿真结果表明,该算法能降低数据溢出发生率,提高网络的数据传输效率。