检索结果-南通市图书馆

检索条件"主题词=海洋时间序列数据"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

海洋时间序列数据预测模型自动学习方法研究

海洋时间序列数据预测模型自动学习方法研究

引用

作者：肖玉坤齐鲁工业大学

学位级别：硕士

海洋时间序列数据预测对于海洋环境分析、海洋重大灾害预警等应用方面发挥着重要作用。在海洋高通量时间序列预测场景中,如何精准预测各种规律变化不一的海洋时间序列数据,如溶解氧、表层水温、叶绿素等,成为一个难题。由于海洋环境的... 详细信息

海洋时间序列数据预测对于海洋环境分析、海洋重大灾害预警等应用方面发挥着重要作用。在海洋高通量时间序列预测场景中,如何精准预测各种规律变化不一的海洋时间序列数据,如溶解氧、表层水温、叶绿素等,成为一个难题。由于海洋环境的复杂性,需要为每一路可能呈现出独特时序特征和变化规律的数据单独设计一个预测模型。然而,这种方法在模型设计和调试过程中需要投入大量的人力和时间资源。因此,为了提高模型的适应性和预测精度,自动学习成为了一种必要的策略。通过自动化搜索和测试不同的超参数配置,使预测模型更好的适应不同的海洋时间序列数据,从而在每路数据上达到更好的预测精度。同时,不同的时间尺度下的不同海洋时间序列数据之间存在不同的依赖关系与相关性,仅仅依赖传统的时间序列预测模型难以捕捉到这些复杂的相互作用。因此,需要一种能够在多个时间尺度上捕获不同序列间依赖关系与相关性的模型。为了满足高通量、高可靠、高并发的需求,基于高性能计算框架Ray,设计并实现了海洋时间序列数据预测自动学习系统。针对上述问题和挑战,本文的研究重点主要集中在三个方面:(1)针对海洋高通量时序预测场景,考虑到不同海洋时间序列之间在不同时间尺度下存在着不同的依赖关系与相关性。本研究设计了一种基于多尺度学习的海洋时序预测模型,旨在通过高效的特征提取过程,融合序列间相关性,以提升预测精度。同时,在真实海洋时间序列数据集上进行了实验验证,结果表明该模型有良好的预测精度,尤其在预测步长为96时,该模型相比于基线模型表现更为稳定。(2)为了提高模型在海洋高通量时序预测场景中的适应性与精度,设计了基于改进后的粒子群优化算法(ANDPSO)与多尺度学习的海洋时序预测模型。通过ANDPSO优化算法,优化面向海洋高通量时间序列数据预测场景设计的多尺度学习预测模型的超参数组合,提供了一种智能、有效的超参数调优和数据分析模式。在真实海洋时间序列数据集上进行了实验验证,结果表明该模型在不同数据集上相比于其它基线模型均有良好的适应性与预测精度。(3)本研究依托高性能计算框架Ray,构建了满足高通量、高可靠、高并发需求的分布式集群和海洋时间序列数据预测自动学习系统,确保了海洋高通量时序数据预测的稳定性和可靠性。

关键词：海洋时间序列数据时序序列预测特征提取超参数调优

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：