基于宽度&深度学习的基站网络流量预测方法

针对无线网络流量长期预测问题,提出一种基于宽度&深度学习的基站网络流量预测方法。首先,利用S-H-ESD算法和数据平滑方法对网络流量数据进行预处理,以降低噪声数据对预测的影响;然后,将网络流量作为宽度&深度模型的深度部分(神经网络)的输入,将无线资源控制(RRC)连接数和物理资源块(PRB)利用率作为模型的宽度部分(线性模型)输入,通过结合深度部分和宽度部分来预测网络流量。所提方法为所有基站的网络流量建立一个预测模型,预测结果的均方根对数误差(RMSLE)为0.985,明显优于传统的季节性差分自回归滑动平均模型(RMSLE为2.095)和长短期记忆网络模型(RMSLE为3.281)。实验结果表明:宽度&深度模型通过结合线性模型的记忆能力和深度模型的泛化能力,能够更好地解决无线网络流量的长期预测问题。     

基于ARIMA乘积季节模型的我国工业品出厂价格指数（PPI）预测

以乘积季节模型为理论基础,采用2006年1月至2018年12月的PPI月度数据,借助EVIEWS8.0软件,对数据进行逐期差分和季节差分消除趋势性和季节性,通过指标对比,建立了ARIMA(3,1,0)(1,1,1)24模型,并对PPI从2019年1月到6月的走势进行了预测,结果表明,该模型对PPI的短期预测具有较高的精度,可以为相关经济政策的制定提供参考。     

SSA-SARIMA组合模型的桥梁健康状态预测

为了预测桥梁未来状态,考虑奇异谱分析（SSA）和季节性差分自回归滑动平均（SARIMA）模型的特点,提出将二者结合以实现优势互补。利用SSA提取数据中的趋势项、季节项及高频项;采用SSA和SARIMA模型对每项分别进行预测,以选出最优方案重组并验证该方法的有效性;最后,将该方法与SSA和SARIMA模型进行比较,结果表明SSA-SARIMA的组合模型对预测结果的精度有明显的提高。用该方法对实桥数据进行了处理分析,取得了较好的效果。     

无线局域网中Turbo码的应用研究

通过分析无线局域网中数据传输的特点,对Turbo码编码和译码方案进行适合于WLAN的改进,设计出无线局域网中Turbo码编译码器的实现方案．通过计算机仿真研究相关参数的变化对Turbo码性能的影响,并与传统WLAN中应用广泛的卷积码进行性能比较,仿真结果表明,利用Turbo码编码技术能够较大地提高无线局域网传输性能．     

一种高效的3G-WLAN互联网络认证协议

提出了基于无线局域网和3G互联网络的接入认证协议．该协议对无线局域网访问网络的身份进行验证,抵御了恶意访问点的重定向攻击行为,采用对3G移动用户的局部化认证机制和基于快速签名的离线计费方法,有效地提高了重认证过程的效率．仿真结果表明,该协议的平均消息传输延时相对于扩展认证密钥协商协议缩短了大约45％,利用该协议3G移动用户可以在无线局域网网络中平滑地漫游和切换．     

校园无线局域网管理系统WLC的设计和实现

对于有多个接入点设备的校园大中型校园无线局域网而言,如何更好地管理用户信息和利用、管理连同监控校园无线局域网的状况也成为校园无线局域网的一个重要组成部分。校园无线局域网管理系统已成为校园无线局域网系统运行中所不可缺少的部分,主要是完成对接入点设备的配置、监控连同用户信息的管理。随着技术的进步和软件地不断升级,校园无线局域网管理软件已从简单的设备配置功能到全面的临控功能。校园无线局域网管理软件得到了不断的完善。     

WAPI实施方案的安全性分析

利用增强的BAN类逻辑——AUTLOG逻辑,对中国无线局域网安全标准无线认证和保密基础设施(WAPI)实施方案的认证模型进行了深入分析,分析结果表明该实施方案改正了原国家标准中密钥协商协议存在的安全缺陷,在协议执行结束时能够保证用户端和接入点实现对彼此的身份认证,并且使双方建立了共享的单播主密钥．该协议能够达到预期的安全目标．     

国际黄金价格的基于分数阶差分的FAR预测模型

建立了国际黄金价格的基于分数阶差分的FAR预测模型,利用该模型对2005年3月至2011年11月的国际黄金价格月度数据进行了拟合,并对2011年12月至2012年4月的国际黄金价格月度数据进行了预测．实证研究结果表明：该模型的拟合和预测精度高于基于小波的FAR模型和单纯的FAR模型,可以为黄金投资者和生产者的决策提供帮助．     

武器装备损耗备件预测模型研究

备件消耗标准的预测与制定是装备维修保障有效性和经济性的基础性工作;运用平稳随机过程理论,给出了MA(q),MA(p),ARMA(p,q),3种线性预测模型;考虑了与备件相关的多种因素,对模型进行修正,建立了装备备件消耗标准的预测模型;给出了某基地某特种零部件消耗标准预测的一个应用实例;该模型可用于备件的定货、储存和供应等管理决策。     

基于差分算法的预测控制

针对参数可变的非线性模型,提出了一种基于差分算法的预测控制。利用神经网络依据系统的输入 输出数据建立预测模型,并利用差分算法对其进行滚动优化,从而提高控制系统的性能。最后,分别运用遗传算法 和差分算法实现滚动优化进行预测控制仿真,并对两种方法的仿真结果进行比较。仿真结果表明,采用差分进化算 法进行滚动优化的预测控制总体效果相对较好。     

管制员需求量预测研究

通过收集整理和分析一系列统计资料,选择灰色预测模型、灰色-马尔可夫预测模型、多元回归法和组合预测法等4种不同的人才需求量预测模型,预测出我国民航未来5年每年持照管制员需求量的时间序列,并进行了精确度分析。所得到的结果对我国民航各级管制单位制定人才引进计划,管制员培养院校制定招生计划均具有一定的参考价值。     

公路基础设施建设发展特征及灰色趋势预测研究

针对公路基础设施建设发展预测基本空白的现状,在对我国公路基础设施建设的历史发展进行梳理的基础上,分析了我国公路基础设施建设的历史发展特征并初步探索其原因。采用灰色预测方法,建立灰色预测模型并编制灰色预测程序,在通过关联度检验、后验差检验、残差检验的基础上,对我国公路基础设施建设未来的发展趋势进行预测。研究和预测的结果表明,所建立的灰色预测模型精度较高,所编制的灰色预测程序效果良好,我国的公路基础设施建设发展潜力巨大,结构调整仍有较大空间,预测结果可作为公路交通管理部门制定发展规划和做出决策的重要依据和参考。     

基于RBF神经网络的交通生成预测模型

针对交通生成预测中传统集计预测模型缺少行为基础这一重要数据源,以及普通离散模型建立对数学推导依赖性高和预测中存在多个预测值,导致预测结果精度不理想的问题,建立了基于RBF神经网络的交通生成预测模型,该模型将以行为基础为前提的离散数据作为数据源,模型的建立不需要进行数学推导,利用输入和输出数据自动建立,再结合RBF神经网络收敛速度快和具有唯一最佳逼近点的特点,对交通生成进行预测。通过实例进行仿真和分析,结果表明,该模型最终获得的交通生成预测结果与实际值误差在允许范围内,RBF神经网络交通生成预测效果好,能在实际中应用。     

GM（1，1）模型在道路交通事故预测中的应用

保证交通安全是交通管理者的首要目标,为了掌握交通事故的发展规律,及时采取有效的事故预防措施,对交通事故进行预测是一个非常重要的问题。在分析道路交通事故灰色性的基础上,运用灰色系统理论,构建道路交通事故GM（1,1）预测模型,以福建省道路交通事故统计数据为例,给出GM（1,1）模型的应用实例,预测结果与实际值的平均相对误差为1．54％,可见GM（1,1）模型的预测结果是可信的。     

中期交通量的多项式和Fourier级数组合预测模型

为提高中期交通流量预测的精度,利用交通流存在平峰、高峰这一先验信息对交通量进行多项式趋势回归分析,采用傅里叶级数修复随机因素对交通流造成的影响,从而建立道路交通流量多项式傅里叶级数组合预测模型,最后通过哈尔滨市瓦盆窑路段的交通流数据检验了方法的有效性和稳健性.结果表明,该方法具有较高的预测精度,总体上优于指数平滑、AP...     

基于一维云模型的交通信息预测算法

云模型是对语言值所蕴含的模糊性和随机性的一种数学描述，它用期望值、熵和超熵表征定性概念，将概念的模糊性和随机性集成在一起，能够实现定量与定性之间的相互转换，因而对交通信息的高度不确定性具有很强的鲁棒性．基于云模型提出的预测机制在一定程度上有效地解决了交通信息存在的模糊性和随机性问题，为交通信息预测提供了一种新的方法．检验结果表明预测值基本上与实际值吻合．     

动态指数平滑模型在校园网络监控中的研究

网络流量预测是网络性能管理的一个重要组成部分,较好的流量预测能够提高网络管理的效果和网络带宽的利用率.以C/S模式对校园网的流量进行采集,然后以预测误差的平方最小为目标,建立动态指数平滑模型,增强了指数平滑模型对时间序列的适应能力,较好地解决了指数平滑模型中平滑参数α为静态而导致预测偏差等问题.通过测试,此模型能够较准确地预测出校园网的流量,从而实现了对校园网络流量的临控,提高了网络服务的质量.     

基于一维云模型的交通信息预测算法

云模型是对语言值所蕴含的模糊性和随机性的一种数学描述，它用期望值、熵和超熵表征定性概念，将概念的模糊性和随机性集成在一起,能够实现定量与定性之间的相互转换，因而对交通信息的高度不确定性具有很强的鲁棒性. 基于云模型提出的预测机制在一定程度上有效地解决了交通信息存在的模糊性和随机性问题， 为交通信息预测提供了一种新的方法.检验结果表明，预测值基本上与实际值吻合.     

拓扑预测在地下水枯水期水位预报中的应用

地下水枯水期水位预报对春季农业生产具有重要意义,利用兰西县地下水水位观测资料,应用灰色系统理论的拓扑预测建立模型进行预测,取得了较好的结果     

基于灰色马尔科夫链的道路交通死亡率预测

道路交通事故死亡率是反映道路交通安全的重要指标,为了对其进行准确预测,将灰色系统理论与马尔科夫链结合起来,构建了灰色马尔科夫预测模型,并将该模型与GM（1,1）模型进行比较分析.结果表明,灰色马尔科夫链模型能更好地预测道路交通事故死亡率.