共查询到18条相似文献，搜索用时 156 毫秒
2.
《科技通报》2016,(9)
针对标准KNN算法在交通运输路况预测的应用中还存在误差较高等问题。本文提出了一种基于改进粒子群并行优化KNN算法的交通运输路况预测模型,首先在采用粒子群算法对KNN算法进行优化前,引入变异操作并结合神经网络中的Sigmoid型函数对粒子群算法的特征子集进行优化,然后采用最优化学习策略对改进粒子群算法的运算性能进行优化,最后采用改进的粒子群算法把改进的KNN算法的待优化参数随机初始化为一组粒子的位置和速度,并根据适应值函数计算每个粒子的适应度。仿真实验结果表明,本文提出的改进粒子群算法具有较好的收敛性能,基于改进粒子群并行优化的KNN算法在交通运输路况的预测中误差较小。 相似文献
3.
组合预测理论与建模技术对于信息不完备的复杂经济系统有一定的实用性,鉴于房地产价格的复杂性和非线性的特征,利用成都房地产价格的历史数据,分别采用改进的灰色预测模型、RBF神经网络模型建立了成都房地产价格的单项预测模型,并对单项预测模型的优缺点进行了比较分析。采用标准差法进行权重分配,将两个模型进行组合,建立了成都房地产价格的组合预测模型。运用该模型对成都未来5年的房地产价格进行了预测。 相似文献
4.
[目的/意义]旨在利用文本挖掘技术和XGBoost算法构建量刑预测模型,实现量刑预测的智能化。[方法/过程]首先设计了量刑预测模型的构建路径,然后采用XGBoost算法构建了预测模型,最后将模型与多种算法(随机森林、决策树、KNN等)进行了比较,探讨了量刑预测模型的特征选择问题。[结果/结论]基于3208条司法判例数据所构建的量刑预测模型,对量刑严重程度和有期徒刑时长的预测准确率达到了80.02%和78.46%,优于其他算法。研究表明,XGBoost算法在非法经营罪的量刑预测中具有实践应用价值。 相似文献
5.
本文首先用定性预测方法分析了房地产价格的主要影响因素,接着针对该问题的灰色不确定性,在对传统灰色预测DGM(1,1)模型的改进形式和离散型灰色预测DGM(1,1)模型系统研究的基础上,提出了一种新的DGM(1,1)模型,对某地区房地产价格(2005-2008年)进行了预测的实证分析和基于Matlab 程序的仿真计算,证明其可靠性和有效性,并就房地产价格的预测结果,提出了相应的对策建议.研究结果表明:本文所建立的DGM(1,1)模型可作为灰色预测理论的一种精确预测模型,其为房地产价格的市场预测提供了一种新的定量预测方法,对当前房地产市场的理性发展具有重要的指导意义和借鉴价值. 相似文献
6.
7.
本文主要研究了基于改进指数平滑算法的气温预测问题。首先引入时间序列模型概念,对常用气温预测模型进行简要分析,另外对一阶指数平滑算法进行相关推导,同时提出了自适应指数平滑算法;其次,结合广西容县近30年月均气温实测数据,分别建立BP神经网络预测模型、传统指数平滑算法预测模型以及改进后的基于自适应指数平滑算法的预测模型,对2016年气温数据进行预测并分析模型优势;最后,将改进模型用于预测2017年和2018年中未知月份的月平均气温值,并针对实验结果进行数据分析修正。通过对不同预测模型的比较和仿真实验,结果表明基于自适应指数平滑算法的气温预测模型预测精度较高,实用性强,具有一定的推广性。 相似文献
8.
改进BP算法的辽宁省人均GDP预测研究 总被引：2，自引：0，他引：2
由于人均GDP时间序列具有复杂和非线性的特征,传统预测方法在预测分析时往往会产生很大的误差.运用Matlab软件采用不同的改进BP算法来建立和训练网络预测模型,以观测不同算法的精度和有效性;最后运用预测模型对辽宁省人均GDP进行了预测. 相似文献
9.
应用于中文文本分类的改进KNN算法 总被引：1，自引：0，他引：1
本文介绍了文本分类的基本流程及涉及到的相关技术,详细介绍了传统KNN方法并分析了它存在的不足之处,在此基础上提出了一种改进的KNN方法,该方法在相似度计算上进行了改进,通过实验证明了改进的KNN方法在宏召回率、宏准确率、宏F1值以及微F1上都有所提高。 相似文献
10.
11.
基于混沌搜索的LS-SVM预测算法 总被引：1，自引：0，他引：1
为利用最小二乘支持向量机(LS-SVM)来进行预测,首先要确定影响LS-SVM模型的两个主要参数γ和σ,针对该问题提出了采用混沌搜索算法来搜索该模型的最优参数组合。混沌搜索的运动轨迹具有遍历性,随机性,可以进行全局和局部寻优,利用该算法搜索最优参数来确定预测模型,然后将该预测模型用于预测实践。实验结果表明,该模型具有较精确的预测精度和适用性。 相似文献
12.
13.
摘要：本研究结合现有港口吞吐量预测理论和我国港口的实际情况,通过分析我国沿海港口货物构成及影响,建立了中国沿海港口聚类-VAR分货类吞吐量预测模型,提高了我国沿海港口吞吐量预测的精度和准确度,从而为我国沿海港口投资规划等提供更可靠的参考依据。本模型主要特点有：一是首次从港口吞吐量货物构成的角度来分析和预测我国沿海港口吞吐量,解决现有文献主要采用港口吞吐量或选取GDP等少量宏观经济指标时间序列变量进行预测而导致信息挖掘不充分的弊端;二是在考虑沿海港口主要货物吞吐量之间的内在协调关系的前提下,借助聚类分析思想,对我国港口分货类吞吐量指标进行处理,最大限度的保留了信息,保证模型的预测准确性;三是本模型方便灵活,可以推广到单个港口或港口群吞吐量预测上,甚至可以推广到时间序列指标较多情况下的更广泛的预测问题。 相似文献
14.
影响住房需求的因素众多,错综复杂,并且具有非线性的特征。本文通过对住房需求影响因素的分析,用BP神网络来购建住房的需求模型。根据河南开封市的有关统计数据,用BP神经网络优化算法进行住房需求预测,并与多元回归测方法进行对比。结果表明,BP神经网络具有较好的适应性和较高的预测精度。 相似文献
15.
针对径流时间序列的非平稳特性及中长期预测精度低的问题,本文提出一种新的耦合预测方法：基于EMD分解的均生函数-最优子集回归（Mean Generating Function-Optimum Subset Regression,MGF-OSR）模型。首先利用经验模态分解（Empirical Mode Decomposition,EMD）方法对汾河上游上静游、汾河水库、寨上和兰村4座水文站的年径流序列进行平稳化处理,分别得到若干个固有模态函数（Intrinsic Mode Function,IMF）。对各阶固有模态函数分别建立MGF-OSR模型并进行预测,趋势项用直线拟合的方法进行预测,然后通过重构各预测值得到汾河上游4座水文站年径流量的预测结果,并与单独运用MGF-OSR模型的预测结果进行比较。结果表明,运用基于EMD分解的MGF-OSR模型对汾河上游4站年径流进行预测,准确率均为100%,确定性系数在0.975以上;而单一模型的预测准确率均为40%,确定性系数在0.732以下,耦合模型预测精度明显提高。 相似文献
16.
针对电力系统对短期电力负荷预测精确性的需求，以长短期记忆算法为基础，采用差分自适应进化算法对其进一步改进，从而提出一种基于机器学习的混合算法（SaDE-LSTM）对电力负荷进行短期预测。基于我国2004—2018年间月度社会用电负荷数据，对改进后的混合算法进行性能测试，首先利用差分进化算法的自适应变异和交叉因子来优化长短期记忆算法的初始参数，在此基础上，运用寻优得到的参数训练长短期记忆算法从而得到优化后的预测结果。为证明其优越性，对同组数据采用支持向量机（SVM）、反向传播神经网络、自回归积分滑动平均等算法分别预测。各方法预测结果和真实结果对比分析证明，SaDE-LSTM算法对时间序列数据量要求较低，同时相比其他传统算法有更高的预测精度。该改进算法能够为参与电力系统调度的虚拟电厂、负荷聚合商等对小样本和高精度预测有需求的主体提供参考。 相似文献
17.
18.
灰色预测模型在股票价格中的应用 总被引：14，自引：0，他引：14
对股票价格的预测直接影响到投资者的投资决策，关系到投资者的切身经济利益，因而对预测的准确性要求较高。本文拟尝试将灰色系统理论应用于股票市场，建立GM（1，1）模型，并通过对上证综合指数的预测说明该模型具有较高的预报精度和应用价值。 相似文献