基于LSTM深度学习模型的羽绒材料价格预测研究

为解决目前羽毛绒材料定价主要依据经验而缺乏理论支撑和预测精度较低的问题,本文提出利用长短期 记忆网络（LSTM）深度学习方法对羽毛绒材料价格进行自定义研究,以 2015 年-2020 年 6 年的羽绒金网数据为 依据,对其构建模型进行训练求解,幵与线性自回归移动平均（ARIMA）数理统计模型和最小二乘支持向量机 (LS-SVM)浅层机器学习模型预测效果进行对比分析。结果表明：在长期预测中,预测精度从高到低依次为 ARIMA 模 型、LS-SVM 模型、LSTM 深度学习预测模型;在短期预测中,预测精度从高到低依次为 LSTM 深度学习预测模型、 LS-SVM 模型、ARIMA 模型。同时还发现：无论长期短期预测中,不同种类的羽毛绒价格预测精度趋势相同,即 预测精度仅与资本属性有关,与资本所述类别无关。研究结论既可为羽毛绒企业进行羽毛绒材料准确定价提供理 论依据,也为人工智能技术广泛应用于量化投资领域提供实践经验     

具有公共自行车共享系统的公交网络建模及其性能研究

大多数城市中高峰期交通过于拥堵,单纯“公交车-步行”的公交出行模式往往满足不了用户 的出行需求,公共自行车共享系统的引入使得整个城市公交网络演化为更为多样的多模式公交系 统． 通过对中国杭州和宁波具有公共自行车共享系统的城市公交网络的研究,提出了一个考虑了公 交车站点、自行车站点和公交线路的地理位置信息的多层耦合空间网络模型; 运用该模型研究短距 离自行车骑行和短距离步行对城市公交系统性能的影响,研究结果表明: 短距离自行车骑行和短距 离步行可以降低城市公共交通网络的平均路径长度,同时减少乘客平均出行时间和提高公交系统 运行效率．     

粗粒度网络流量的灰色模型预测

在实际网络流量上研究了新陈代谢灰色模型(MGM)预测流量. 预测结果表明,灰色模型建模长度远小于流量序列主周期长度时,预测精度较高. 灰色模型预测流量宜采用小量数据建模,此时残差修正对提高预测精度影响很小,预测不需采用残差灰色模型(RGM). 对比了灰色模型与自回归综合滑动平均模型（ARIMA）和Elman神经网络（ENN）模型的预测结果,灰色模型远优于ARIMA,与ENN相当. 灰色模型的优点是能自适应网络流量的变化.     

城市公共自行车系统自然租赁需求估算方法

为了获取城市公共自行车系统(PBS)自助服务点的真实租赁需求,提出既包含受限租赁需求又考虑到潜在租赁需求的自然租赁需求估算方法.通过分析公共自行车在城市公共交通体系中的角色与特点,改进了离散选择Multi-logit模型;根据建立的公共交通方式出行特性效用函数,利用Multi-logit改进模型估算公共自行车在客运总量中的分担率.计算调查统计与模型估算所得到的2种分担率的相关系数,结合服务点历史租赁数据,最终实现PBS自助服务点自然租赁需求的估算.以杭州市PBS为实验对象,对所研究的方法进行实践验证.结果表明,在平峰时段,模型估算得到的自助服务点自然租赁需求量与当前受限条件下的租赁量基本保持一致;在高峰时段,模型估算得到的自然租赁需求量明显超过受限租赁量,基本与人工值守理想租赁条件下的非受限租赁量相同,有效地反映了城市PBS的真实租赁需求.     

基于统计分析的公共自行车服务系统

针对公共自行车服务系统运行及其效率问题,运用数理统计方法对浙江省温州市鹿城区公共自行车管理中心提供的某20天借车和还车的原始数据进行处理.计算出20天累计的借车频次和还车频次前10名的站点排序情况,并分析得出每次用车时长呈右偏态分布,建立了每张借车卡累计借车频次分布的指数模型.此外,还针对站点的位置设置以及锁桩的配置进行分析,提出了相应的对策建议.     

公共自行车使用度与城市土地利用关联性研究

建立公共自行车租赁系统是提高城市交通运行效率、减少环境污染的有效途径,但是,国内许多城市存在公共自行车空间布点与居民使用不平衡的问题。通过调查分析公共自行车公众使用度及站点布局与其周边城市用地性质间的关系,通过居民出行分析,探求自行车公众使用度与城市用地性质之间的特定规律,以期为淮安市及我国其他同类城市公共自行车租赁点布局的完善提供借鉴。     

基于Morlet-SVR和ARIMA组合模型的网络流量预测

针对网络流量的非线性和多维度动力学特性,结合小波多尺度分析的能力,提出了基于Morlet小波核函数的支持向量机回归算法（Morlet-SVR）和自回归积分滑动平均模型（ARIMA）的组合模型预测网络流量.采用Morlet-SVR和ARIMA分别预测通过Mallat小波分解和单支重构得到的近似信号和多尺度细节信号,最后通过线性叠加得到最终预测结果.通过仿真实验分别对比分析了基于径向基核函数的支持向量机回归算法和ARIMA预测模型,通过3种误差评估得知该组合模型具有更高的预测精度.     

高斯过程回归补偿ARIMA的网络流量预测

为提高网络流量时间序列的中期预测精度,提出一种高斯过程回归模型补偿自回归积分滑动平均(ARIMA)模型的网络流量预测模型.首先通过Brock-Dechert-Scheinkman统计量检验方法确定网络流量时间序列包含线性特征与非线性特征;然后利用ARIMA模型对网络流量时间序列进行非平稳建模,得到符合网络流量序列线性变化规律的模型,并通过人工蜂群算法优化的高斯过程回归模型对具有非线性特性的预测误差序列进行建模与预测;最后将ARIMA模型的预测值与高斯过程回归模型的预测误差值进行相加得到最终的网络流量预测值.仿真对比实验结果表明,提出的预测方法具有更高的预测精度和更小的预测误差.     

基于ARIMA和SVR的短期电力负荷预测

为提高用电量的预测精确度,将自回归差分移动平均(ARIMA)与支持向量机(SVR)模型相结合来进行预测。以用电数据为研究对象,借助ARIMA模型实现对电力数据的线性趋势预测,通过SVR回归模型对ARIMA模型的预测残差进行数据修正,得到ARIMA＿SVR模型的预测值。实验结果表明,相较于传统ARIMA模型,ARIMA与SVR组合模型的性能和预测精度都得到大幅提升,具有一定的学术价值和应用意义。     

城市自来水供水量的灰色预测

根据灰色系统理论,用ＧＭ（１,１）模型对城市自来水供水量进行了预测。灰色预测方法简便,精度较高,可为城市自来水的生产决策提供可靠的数据。     

基于ARIMA LSTM组合模型的楼宇短期负荷预测方法研究

在楼宇短期负荷预测中,针对单一预测模型难以充分学习负荷时间序列中的特性问题,提出了一种基于自回归差分移动平均-长短期记忆神经网络(ARIMA-LSTM)组合模型的楼宇负荷预测方法。首先,根据灰色关联度选取相似日时间序列数据为训练样本;然后,利用ARIMA模型预测负荷,并将原始数据和ARIM A预测数据之间的误差视为非线性分量;最后,通过LSTM神经网络对误差序列进行校正,得到楼宇短期负荷的最终预测值。通过对上海市某楼宇的预测效果分析,并将其与ARIMA模型、LSTM模型和ARIMASVM组合模型进行对比,验证了所提方法能够有效控制预测误差,提高楼宇负荷预测精度。     

ARIMA-KALMAN在航材库存动态预测中的应用研究

为提高航材库存需求的预测精度,着力解决ARIMA模型预测滞后性和非同步性问题,提出ARIMA模型和KALMAN滤波技术理论的组合模型.应用ARIMA模型辨识KALMAN滤波初始状态参数,考虑系统噪声的影响,以最小均方误差为估计准则,构建航材库存的动态预警模型,并在测试数据集上检验组合模型库存预警效果.实例分析发现,AR...     

基于蚁群算法的公共自行车系统调度算法研究

为解决公共自行车系统车辆调度问题,通过分析1d内不同时段公共自行车的借还需求情况,从成本最小化和租赁点满意度最大化2个目标出发,在平峰时段建立不带时间窗的公共自行车车辆调配路径优化模型,在高峰时段建立基于滚动时域的公共自行车车辆调配路径优化模型,并运用蚁群算法近似求解不同时段车辆调配路径。算例结果表明:平峰时优化后行驶路程比初始行驶路程减少48.5%,费用减少14.1%;高峰时优化后租赁点满意度比初始满意度高62.3%。这2种模型是合理和科学的。       

基于发生吸引源分布特征的公共自行车网点规模优化模型

为提升公共自行车系统运行效率、推进系统可持续发展,针对租赁网点锁车器规模与用户租还需求不匹配的情况,提出了公共自行车网点规模优化模型.基于公共自行车刷卡数据、锁车器监测数据、实地调研与问卷调查数据,测算了网点吸引范围,提出了影响网点规模的关键因素.在此基础上,遵循步行距离衰减规律、规模叠加效应、发生与吸引平衡的原则,建立了基于发生吸引源分布特征的公共自行车网点规模优化模型,并采用北京市实际数据对模型进行了标定与检验.结果表明:提出的模型精度达到86%,基于发生吸引源的分布特征可以较准确地预测网点规模.     

三种方法在风速预测中的应用研究

对持续法、ARIMA和BP网络三种方法在提前1 h风速预测中的应用进行了研究和比较。为消除季节对预测结果的影响,针对一年12个月分别建立预测模型;认为风速具有不平稳性,应该对原始风速序列进行差分处理;通过对样本数据进行相关性分析来确定神经网络的输入神经元个数;结果表明:大多数情况下,ARIMA模型和BP网络模型的预测结果都好于持续法,并且BP一般都好于ARIMA;但也有持续法好于ARIMA和BP网络模型的情况。不能笼统地说某个方法优于另外一个方法,应该根据具体情况进行分析和判断,选择合适的模型种类,以取得最优预测效果。     

灰色新陈代谢GM(1,1)模型在中长期城市需水量预测中的应用研究

研究了基于灰色系统理论的中长期城市需水量预测方法.针对常规GM(1,1)模型存在的不足,建立了灰色新陈代谢GM(1,1)需水量预测模型,并利用此模型对北方某缺水城市未来10年的需水量进行了预测.结果表明:模型精度较高,预测误差较小.     

城市电网负荷特性分析方法研究

针对累积式自回归-移动平均模型在现代城市降温负荷预测中准确性不高的问题,提出一种双因子累积式自回归-移动平均模型,并用两种模型进行预测。经对比后发现,新模型通过引入平均温度算子,有效提高了城市降温负荷预测的准确性,并对现代城市有较好的普适性。     

城市用水量动态预测的双线性模型

针对城市用水的时变化性和受多因素影响的特点,引入双线性模型,并给出建立预测城市用水量的双线性模型方法。通过利用预测过程中产生的残差信息进行反馈矫正,保证了该模型较高的拟合精度和稳健的预测性能,实例证明该模型结构简单、预测精度高,具有推广应用价值。