检索结果-南通市图书馆

基于OP-FL-RUN和deepar模型的环境细颗粒物浓度预测研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于OP-FL-RUN和DeepAR模型的环境细颗粒物浓度预测研究

作者：韩兴钰中南财经政法大学

学位级别：硕士

环境细颗粒物(PM)对健康的影响已经被全球广泛研究了几十年,PM被列为全球导致人口死亡和残疾的第六大危险因素。PM2.5与PM10与各种短期和长期健康不良影响有关,可吸入颗粒物会被人体吸入并积累在人体中,沉积在呼吸道中,并进入肺泡等部位... 详细信息

环境细颗粒物(PM)对健康的影响已经被全球广泛研究了几十年,PM被列为全球导致人口死亡和残疾的第六大危险因素。PM2.5与PM10与各种短期和长期健康不良影响有关,可吸入颗粒物会被人体吸入并积累在人体中,沉积在呼吸道中,并进入肺泡等部位,引发多种疾病,对人体健康造成严重危害,长时间暴露于高浓度的环境细颗粒物中甚至会引起死亡,中国每年因为PM污染导致的过早死亡人数在165万至219万之间。近年来,环境细颗粒物浓度预测受到了各方学者的关注,各界学者致力于对多种环境细颗粒物浓度进行预测,以减轻环境细颗粒物给经济、社会和人体健康造成的危害。对环境细颗粒物浓度进行准确预测不仅对环境、气候、生态系统、公共健康具有重要意义,还可以帮助城市环境管理者进行更好的决策,给政府部门制定合理措施提供理论依据和技术支撑,降低公众暴露于高浓度污染物的风险。本文以北京市和武汉市两地的PM2.5和PM10浓度作为研究对象,构建了OP-FL-RUN-Deep AR模型对环境细颗粒物浓度进行预测。全文主要分为以下几个部分:第一部分,详细介绍了本文的研究背景与意义,对国内外研究现状进行介绍,并说明本文主要研究内容和创新点。第二部分,介绍了RUN优化算法和Deep AR模型的理论基础。第三部分,对原始的RUN算法进行改进以提升RUN算法的性能,采用反向对立学习和基于适应度的学习机制对RUN算法进行改进,提出OP-FL-RUN算法,并采用基准函数将OP-FL-RUN优化算法和原始的RUN算法进行比较,证明OP-FL-RUN优化算法的性能。第四部分,使用OP-FL-RUN算法对Deep AR模型的初始权值进行优化,将Deep AR模型和OP-FL-RUN优化算法相结合,对PM2.5和PM10浓度进行点预测和区间预测。通过OP-FL-RUN优化算法对Deep AR模型初始权值的优化,提升Deep AR模型对PM2.5和PM10浓度点预测精度,并提升预测区间的的覆盖率、降低带宽和偏差。本文的贡献在于:(1)使用反向对立学习来提升RUN算法初始种群的种群质量和多样性,并采用了基于适应度的学习机制来平衡算法在搜索过程中进行全局搜索和局部搜索的行为,以提升RUN算法的收敛速度和跳出局部最优的能力;(2)采用Deep AR模型对环境细颗粒物浓度进行预测,同时得出环境细颗粒物浓度的点预测和区间预测结果;(3)采用改进的OP-FL-RUN算法对Deep AR模型的初始权值进行优化,提高训练速度,并用OP-FL-RUN-deepar模型对多个环境细颗粒物浓度数据集进行预测。

关键词： RUN优化算法 deepar模型区间预测点预测环境细颗粒物浓度

基于deepar模型的企业发展指数概率预测——以某市烟草企业为例

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于DeepAR模型的企业发展指数概率预测——以某市烟草企业为例

作者：王佳瑞东北财经大学

学位级别：硕士

自2021年开始,国家烟草专卖局党组提出数字化转型战略,将其作为贯彻党中央和国务院决策部署的重要举措。该战略不仅是服务和融入新发展格局内在的要求,同样也是行业转型升级的有力抓手。在当前背景下,烟草企业需要继续健康、有序、高质... 详细信息

自2021年开始,国家烟草专卖局党组提出数字化转型战略,将其作为贯彻党中央和国务院决策部署的重要举措。该战略不仅是服务和融入新发展格局内在的要求,同样也是行业转型升级的有力抓手。在当前背景下,烟草企业需要继续健康、有序、高质量地发展。因此,需要将提升企业层次与水平作为业务基础和原则,不断加强拓展。鉴于烟草行业在实体经济中扮演重要角色,有必要对烟草行业自身企业发展的特点与形式进行详细分析和研究,以增进全面管理水平,推动烟草商业企业高质量发展。烟草企业不同于其他行业多以市场化经济为主,通过企业盈利状态来主导决策。烟草企业主要以计划经济为主,每年的产量、销量等数据都有严格的管控。烟草企业的年度计划制定中不仅要对下一年度的各项数据做出合理规划,也要实现经济运行和高质量发展的双重进步。以全面落实2023年全省烟草工作会议精神,实现现代化经济建设的卓越进步。因此,建立一套方法框架,帮助企业进行统计分析、决策规划,有重要意义。帮助企业向着更高的层次与水平发展,是塑造卓越的高质量发展、经济运行、企业成长的最有效的方法和路径。基于上述观点,本文建立一套适用于烟草企业发展的方法框架,辅助企业决策者进行经济发展规划。第一步,搭建了一套完整的适用于烟草行业的指标体系,聚焦于经济运行状态和高质量发展两个维度,总共包含9个一级指标,44个二级指标,全面客观的体现了企业的内部经济发展状态;第二步,针对指标体系的基础指标层变量,利用deepar模型对44个二级指标数据进行拟合,根据蒙特卡洛模拟法,预测基础指标未来一年的概率分布,形成一个样本容量为5000的模拟样本集;第三步,将模拟样本集代入指标体系,得到了经济运行状态和高质量发展的指数概率分布。根据指数概率分布结果,企业决策者可以按照自身的发展需要,对未来的基础指标数据进行计划调整,以实现经济运行和高质量发展的共赢。通过上述研究,本文得出了结论:第一,烟草企业要想抓好经济运行和高质量发展,最重要的因素是品牌培育、经营效益、经济效益和生产效率四项指标,勇敢地去探索适合企业发展的路径与方法,以此来提高企业的市场竞争力,将烟草企业的整体经济水平与发展质量提高到崭新的高度与层次;第二,本文从数据模型的角度,科学的验证了该烟草企业在2020-2022年内的经济运行状态和高质量发展的合理境长。第三,针对于烟草企业数据,对比了四种不同模型的预测结果,本文所采用的deepar模型预测更精准,模型鲁棒性更稳健。还可以模拟出一套概率分布,供管理人员参考决策,相对于传统的模型方法,具有更好的适用性;第四,根据本文的方法框架,可以得到适用于烟草行业的经济运行和高质量发展的发展指数体系和概率预测,企业可以根据自身需要,制定发展规划,调整计划指标。本文的创新点有以下几点:第一,建立了一套适用于烟草企业的指标体系,通过指标体系可以分析出烟草企业目前的经济运行状态和高质量发展状态;第二、本文采用了三种不同的方法:主观赋权的层次分析法、客观赋权的熵值法以及博弈组合赋权法。其中,层次分析法在处理复杂问题时具有较好的解释能力和可操作性;熵值法由于完全依赖数据,可避免主观因素影响;博弈组合赋权法则考虑了指数之间的关系和不确定性因素,更适用于多方、复杂场景下的指标体系赋权;第三,对于连续变量预测问题,不同于传统模型只输出一个单一的确定预测值,本文使用的deepar模型可以输出一套变量的预测概率分布,体现了预测结果的随机性和不确定性。

关键词：高质量发展烟草企业指标体系 deepar模型

基于深度学习模型deepar的时间序列预测及应用实例

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

电子商务 2020年第7期21卷 83-86页

作者：朱刚李文杜守国崔久强上海市人力资源和社会保障局信息中心上海对外经贸大学统计与信息学院上海市数字证书认证中心有限公司

时间序列是一种广泛存在于现实中的数据,常见的例子有股市的每日波动,每月家庭耗电量的记录等。经典的时间预测方法,往往有很多局限性,如自回归积分滑动平均方法(ARIMA)或指数平滑方法(ETS),将一个模型拟合到各个单独的时间序列,进行单... 详细信息

时间序列是一种广泛存在于现实中的数据,常见的例子有股市的每日波动,每月家庭耗电量的记录等。经典的时间预测方法,往往有很多局限性,如自回归积分滑动平均方法(ARIMA)或指数平滑方法(ETS),将一个模型拟合到各个单独的时间序列,进行单点预测。而在真实场景中,知道某个商品的将来需求量的概率分布情况,比简单预测该商品未来需求量的实值更有价值。深度神经网络在时间序列预测领域已经有了许多成功的应用,Flunkert和Gasthaus等人(2019)提出了深度自回归模型(deepar),通过联合所有时间序列来训练单个模型受益,当数据集包含数百个相关时间序列时,deepar优于标准ARIMA和ETS方法。本文运用GluonTS框架对deepar模型在上海市制造业历年就业人数数据集上进行实证分析。

关键词：时间序列预测循环神经网络 deepar模型 GluonTS

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

基于deepar的短期风速概率预测

铁道学报 2023年第7期45卷 152-160页

作者：何旭辉段泉成严磊中南大学土木工程学院湖南长沙410075 高速铁路建造技术国家工程实验室湖南长沙410075 轨道交通工程结构防灾减灾湖南省重点实验室湖南长沙410075

为对铁路沿线风速提前进行预判,保障桥梁施工及高速铁路列车运行时的安全,提出基于深度自回归模型(deepar)的短期风速预测方法。采用平潭海峡公铁两用大桥和西堠门大桥实测风速进行验证,并以包括小波包分解下的卷积神经网络和循环神经... 详细信息

为对铁路沿线风速提前进行预判,保障桥梁施工及高速铁路列车运行时的安全,提出基于深度自回归模型(deepar)的短期风速预测方法。采用平潭海峡公铁两用大桥和西堠门大桥实测风速进行验证,并以包括小波包分解下的卷积神经网络和循环神经网络混合模型(WPD-CNNLSTM-CNN)在内的4种模型作为点预测对比模型,以SimpleFeed-Forward、ARIMA、Random Walk模型进行置信度为50%与95%的区间预测作为对比模型。研究结果表明:无论是点预测还是区间预测,deepar模型都能够在具有随机性、间歇性的短期风速序列中提取到特征信号并进行精度较高的预测,且相比于其他模型具有更好的准确性与泛化能力,可满足实际工程短期风速预测需求。

关键词：铁路桥梁短期风速 deepar模型点预测区间预测

维普期刊数据库

提高数据中心供能中太阳能利用效率的云任务调度优化

在线全文

学校读者我要写书评

暂无评论

可再生能源 2024年第9期42卷 1170-1178页

作者：党伟超王振薛颂东太原科技大学经济与管理学院山西太原030024

云计算需求在催生数据中心部署应用的同时,造成能耗高和碳排放压力,故云计算环境中可再生能源的高效利用问题被提出。针对太阳能的间歇性非稳特点,文章研究了云任务调度方法来提升数据中心供能中能源利用率。首先,构建预测太阳能产能的... 详细信息

云计算需求在催生数据中心部署应用的同时,造成能耗高和碳排放压力,故云计算环境中可再生能源的高效利用问题被提出。针对太阳能的间歇性非稳特点,文章研究了云任务调度方法来提升数据中心供能中能源利用率。首先,构建预测太阳能产能的深度自回归模型deepar;然后,利用延时容忍型任务和计划工作任务在时间维度上灵活调度的特性,设计云任务调度策略和算法;最后,运用GluonTS框架使用真实任务数据集和太阳能产能数据集进行仿真实验。结果表明,计算负荷与太阳能出力的匹配性得到改善,数据中心太阳能供能的利用率得到提升。

关键词： deepar模型时间序列预测太阳能云任务调度

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

基站小区无线网络流量预测方法的设计与实现

基站小区无线网络流量预测方法的设计与实现

作者：张家晨北京邮电大学

学位级别：硕士

随着5G网络以及移动端设备的逐渐普及,人们对于移动数据流量的需求不断増加。对于网络运营商而言,提供不受阻碍、无处不在的高质量服务意义重大。如何建立准确的长周期预测基站小区网络流量的模型,以指导运营商扩容基站小区无线设备将... 详细信息

随着5G网络以及移动端设备的逐渐普及,人们对于移动数据流量的需求不断増加。对于网络运营商而言,提供不受阻碍、无处不在的高质量服务意义重大。如何建立准确的长周期预测基站小区网络流量的模型,以指导运营商扩容基站小区无线设备将是一个挑战。然而,基站小区网络流量的突发性和不确定性,所以基站小区网络流量具有非线性和非平稳性特点,这对于网络流量的长期预测是一个难题。同时基站小区流量预测也表现出一定的灵活性,以往基站小区流量基于单个流量序列进行预测,而基站小区网络流量中,每个小区对应一个网络流量序列,因此基站小区网络流量是由较多个流量序列组成。本文主要工作如下:1、对网络流量预测主要方法进行了综述,并分析其中的优势与不足,介绍了网络流量的特性和相关理论知识,对于单个流量序列预测提出了基于Prophet模型对基站小区网络流量进行长期预测的方法,同时,采用了经验模态分解（Empirical Mode Decomposition,EMD）以及集合经验模态分解（Ensemble Empirical Mode Decomposition,EEMD）对基站网络流量进行分解,然后再利用Prophet模型对分解后的模型做预测,以此解决非平稳性对网络流量预测的影响并提高模型预测性能。2、为了适应基站多小区网络流量联合预测,提出基于deepar的深度学习模型对基站小区流量进行预测,该模型能够学习不同小区所表现的特征并更新神经网络参数。并在此基础上提出基于局部滑动平均（Local moving Average,LMA）的人工特征计算方法。基于先验知识,人工选取特征用于该模型。相比于传统统计模型Prophet和EMD以及EEMD结合Prophet模型,该模型大大提高了整体基站小区长期预测精度。3、本文研究使用 Prophet 以及 EMD/EEMD-Prophet 和 deepar分别作为传统统计模型和深度学习模型。前者具有可解释性强、易于建模的特点,在单个小区流量序列预测中能够快速分析和预测。后者在多个小区联合预测具有一定优势。基于上述模型设计与实现了基站小区流量预测系统。通过Flask Web技术开发设计本系统,该系统提供给基站的网络运维人员使用,系统主要功能包含数据处理、流量预测、历史记录查询等。

关键词：网络流量预测 EMD分解 EEMD分解 Prophet模型 deepar模型

基于分布式机器学习的基站网络流量预测方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于分布式机器学习的基站网络流量预测方法研究

作者：胡亚东电子科技大学

学位级别：硕士

随着5G通信技术的逐渐普及和移动网络应用数量的不断增加,人们对于移动网络流量的需求也随之増加。基站是提供移动网络服务的基础设施,准确、快速的基站网络流量预测是基站运维人员合理分配网络资源、及时升级网络保证移动网络正常运行... 详细信息

随着5G通信技术的逐渐普及和移动网络应用数量的不断增加,人们对于移动网络流量的需求也随之増加。基站是提供移动网络服务的基础设施,准确、快速的基站网络流量预测是基站运维人员合理分配网络资源、及时升级网络保证移动网络正常运行的基础,同时也是移动互联网用户合理规划上网时间、避免网络拥塞获得更好的上网体验的依据。所以基站网络流量的准确、快速预测不仅对电信系统的稳定、正常运行至关重要,也会对整个社会的生产生活产生重大影响。因此,高效、准确基站网络流量预测是一项重要工作。循环神经网络在基站网络流量预测问题上具有优异的表现,但是需要大量数据来训练网络模型。各大运营商出于隐私安全问题的考虑,并不愿意共享各自的基站网络流量数据,从而导致准确的基站网络流量预测变得困难。并且基站网络流量数据在上传到中央服务器的过程中会产生巨大的网络资源开销,会进一步增加网络拥塞的可能。针对这些问题,本文将联邦学习与深度学习相结合,设计并实现了两种基站网络流量预测方法,以解决数据泄露问题,同时保证了网络模型的精度并且提高模型的训练速度。本文主要工作内容如下:(1)首先,分析了准确的基站网络流量预测的重要性,并对现有基站网络流量预测方法进行归纳与总结。指出这些方法的优点与不足,进而引入联邦学习技术,以解决循环神经网络模型在训练过程中数据量不够和数据在上传过程中产生的巨大资源开销问题和数据泄露问题。接着,对联邦学习理论、循环神经网络理论和Py Torch深度学习框架进行了研究,为后面的循环神经网络网络模型的搭建和训练提供了基础。(2)接着提出一种基于联邦学习的LSTM基站网络流量预测方法。为了数据能直接被用于模型训练与预测以及提高模型训练收敛速度和精度,对数据集中的异常值进行修正和对缺失值进行填补,同时为了避免不同运营商或基站在采集流量数据时采用的标准不同,导致网络流量数据数量级差异较大对模型训练产生消极影响,我们对数据进行标准化。然后,对联邦学习技术中两种常用的聚合算法进行了详细介绍。详细介绍了基于联邦学习的LSTM基站网络流量预测方法的系统设计,包括LSTM模型联邦学习框架、LSTM模型的搭建、LSTM模型在基站本地的训练过程和LSTM模型在中央服务器上的聚合过程。最后在真实的数据集上,对集中式训练方法和联邦学习训练方法进行实验,并对比分析实验结果,实验结果表明,联邦学习方法训练得到的LSTM模型的预测精度接近于集中式方法训练得到的LSTM模型精度,但是联邦学习方法通信效率要明显高于集中式方法。(3)实际中,影响基站网络流量的因素有很多,上述提到的LSTM神经网络模型只利用了历史网络流量数据来进行模型的训练,而deepar神经网络模型可以学习与基站网络流量序列相关的其他特征来进一步提高模型精度,如小时周期、日周期、周周期和节假日等时间特征。然后详细介绍了基于联邦学习的deepar基站网络流量预测方法的系统设计,包括deepar模型的联邦学习算法框架、deepar模型的搭建、deepar模型本地训练和deepar联邦聚合过程。最后,在真实的数据集上对LSTM模型和deepar模型进行训练并对比,对比结果表明,deepar模型对基站网络流量的预测效果优于LSTM模型。

关键词：基站网络流量预测联邦学习深度学习 LSTM模型 deepar模型

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

产品订单分析与需求预测

数学建模及其应用 2023年第4期12卷 84-94页

作者：郝青松卢冬晖谭奥成吴昊天武汉轻工大学机械工程学院湖北武汉430000 襄阳职业技术学院公共课部湖北襄阳441000

需求预测是企业供应链管理的基础,高效、准确的需求预测有助于采购计划和生产计划制定,减少业务波动影响.某企业相关数据具有时序性、非线性、时间跨度大等特性.对数据预处理后,进行特征工程处理,使用MMIFS算法来量化各个特征与订单需... 详细信息

需求预测是企业供应链管理的基础,高效、准确的需求预测有助于采购计划和生产计划制定,减少业务波动影响.某企业相关数据具有时序性、非线性、时间跨度大等特性.对数据预处理后,进行特征工程处理,使用MMIFS算法来量化各个特征与订单需求量间相关性.使用CRU模型、deepar模型和Prophet模型来针对不同时间粒度需求量建模,以时间滚动交叉检验RMSE作为模型评估标准.不规则时间序列数据,不同时间粒度趋势、波动、突变不同,适用于不同模型.交叉检验评估验证了模型有效性,表明本文方法能够有效运用于其他不规则时序需求预测问题.

关键词：不规则时间序列 BGCP插补 CRU模型 deepar模型 Prophet模型

维普期刊数据库