数据预测

摘要： 为准确预测纱线直径,提高纱线质量预测的准确度,首先对纱线直径数据采样原理进行分析,对纱线样本片段分段聚合,利用聚合后的纱线直径值建立时间序列模型状态方程,采用自回归滑动平均模型ARMA(p,q)进行纱线直径和变异系数预测,然后利用卡尔曼滤波对预测值进行优化。通过实验对预测模型进行准确性验证,结果表明:卡尔曼滤波优化后预测的纱线直径均方根误差为2.68%,平均绝对百分比误差为6.71%;比对其他预测方法预测的条干不匀率,显示出良好的预测精度;模型泛化验证所选取的8个实验样本的检测结果均在乌斯特50%统计值内,同时纱线平均直径与理论直径之间的误差小于3%。这表明该预测模型对于在线预测纱线质量具有一定的准确性,为预测纱线质量提供一种新方法。

摘要： 针对物流量的影响因素及预测问题,依据企业近年来物流数据,运用三次指数平滑法和灰色预测法建立预算模型,综合运用Matlab软件编程求解,验证模型的可行性和正确性,并得到未来两年的年出货量。在预测数据的基础上,分析企业在物流方面存在的问题并提出解决方案,为企业以后的发展。引言近几年来,数据预测得到了非常快速的发展,这在很大程度上对企业经营模式的变化提供科学的借鉴作用。指数平滑预测法凭借其操作简单,计算量小的优点,在数据预测行业运用非常广泛。但国内研究起步晚,数据预测模型主要还是借鉴国外经验。指数平滑法的预测应用范围很广,俞剑等[1]利用二次指数平滑法对非煤系地层隧道瓦斯涌出量进行了预测研究。

摘要： 2022年将至,《国际老年医学杂志》也即将迎来42岁生日。在此,我代表编辑部向为《国际老年医学杂志》做出贡献的编委、作者和读者们致以衷心的感谢!2020年我国第七次人口普查数据显示中国老龄化程度达到18.7%。联合国《世界人口展望2019》中的数据预测中国老龄化程度将在2025年超过20%,进入中度老龄化社会;将在2041年超过30%,进入重度老龄化社会。

摘要： 卫星遥测数据的变化能够反映卫星性能和状态的改变,对其变化趋势进行预测可以为卫星在轨运行管理提供保障。本文提出一种基于模糊信息粒化—广义回归神经网络(FIG-GRNN)模型的卫星遥测趋势预测方法,先对遥测数据进行模糊信息粒化,得到能够反映遥测变化趋势的模糊信息时序数据,再对得到的数据进行预处理并划分训练集和验证集,使用训练集构建广义回归神经网络遥测趋势预测模型,最后将训练好的模型应用于验证集,输出预测结果;通过对某卫星姿态角遥测进行趋势预测,验证了该方法的有效性。

摘要： 网售处方药零售渠道由于展示、运营成本低,服务范围无限扩大,从而可以在短期内实现快速放量,分割线下市场份额,进入快速发展期。根据IQVIA数据预测,2020年国内处方药零售市场规模约为3000亿元,其中网售处方药市场则为80亿元左右。比例虽小,但市场前景可观。

摘要： 据美国投资咨询机构Cyber security Ventures发布的一组数据预测,到2025年,全球网络犯罪造成的经济损失将达到10.5万亿美元。在堪比世界第三大经济体的网络犯罪市场背后,每一位互联网用户都可能沦为网络犯罪的潜在受害者。普及全民网络安全意识教育,提升全民应对网络安全威胁的意识和能力,成为很多国家网络安全战略的一项重要内容。

摘要： 姿态确定系统是航天器的重要组成部分,姿态信息有误会导致航天器姿态失稳甚至失控。针对航天器故障样本集小、故障标签稀缺的问题,提出一种基于门控循环单元-自编码器(Gated Recurrent Unit-AutoEncoder,GRU-AE)的航天器姿态敏感器故障诊断方法,首先在正常数据集上训练GRU-AE模型,得到模型的姿态预测值,计算预测值与真实值之间的预测残差作为故障识别的阈值。在测试集上,如果模型对某一数据的预测残差超过了阈值,则认为该数据存在异常,采用DBSCAN聚类对故障进行定位。实验证明,该方法可以有效预测姿态敏感器的输出,具有很好的故障识别和定位能力。

摘要： 当前我国电力负荷统计数据量不断快速增长,大量负荷数据的处理过程中的效率不高,耗费的时间相对太长,以及电力长期负荷数据预测处理精度较低,得到的数据结果不能很好地进行计算和处理存储。基于此,本章着重探究了利用大数据分析在电力市场中长期用电负荷数值预报的问题,并想方设法予以保证进行科学合理的电力负荷运行预测研究。

摘要： 针对常用预测算法不同程度地存在泛化能力不足的缺陷,提出了基于神经网络二次集成的优化算法(NNE2-QQ).该算法在第一次集成时采用量子粒子群算法进行个体网络的选择优化,在第二次集成时采用量子免疫算法进行集成结论生成优化,并通过多次迭代自适应寻求个体和权值的最佳组合,实现神经网络二次集成模型的性能最优,最后实验验证了NNE2-QQ算法的有效性和实用性.NNE2-QQ可从海量数据中发现各种因素之间的联系及其规律,为预测判断提供支持.

摘要： 为了对海表温度(Sea Surface Temperature,SST)和海表盐度(Sea Surface Salinity,SSS)数据进行精确的短期预报,基于多站位海洋观测浮标获取的海表温度和海表盐度数据,利用反向传播(Back Propagation,BP)和径向基函数(Radial Basis Function,RBF)两种神经网络方法开展了短期预测。首先,在预测时长固定为5 d的情况下,对比不同训练时长的预测结果的均方误差(Mean Squared Error,MSE),进而确定以20 d的观测数据作为训练集的预测结果均方误差最小。然后,以PAPA站观测浮标获取的2009年1月、4月、7月和10月各月的前20 d温盐数据作为训练集,分别训练BP和RBF神经网络,将训练好的2种神经网络模型应用于各月第21至25日的温盐数据预测。结果表明:BP和RBF神经网络均能有效预测海表温盐数据的季节性变化,但RBF神经网络对不同预测时间的整体预测效果优于BP神经网络。多站点数据的预测实验进一步验证了RBF神经网络模型具有较强的适用性和更高的准确性。RBF神经网络模型可以作为海表温盐数据短期预报的有力工具。

摘要： 在当前共享单车快速发展的形势下,随着用户的使用,会使共享单车出现分布不均的情况,因此对共享单车进行调度显得十分重要.而共享单车使用量可为设计共享单车调度方案提供数据基础,本文利用Box-Jenkins法对共享单车数据建立季节性ARIMA模型.对原始时间序列进行平稳性处理、模型识别、模型比较、数据预测等过程,结果显示ARIMA(0,1,7)(0,1,1)7模型更好的拟合原序列,预测结果也比价贴近实际情况,具有一定的精确度和可行性.

摘要： 针对烧结过程时变时滞和对烧结过程重点参数难以掌控的特点,需要利用基于烧结过程数据的预测模型对这些重点参数进行预测.但是烧结建模预期效果和实际所达到的预测效果存在着很大的差别,为此本文通过对烧结过程所涉及到的模型和所用到的方法以及所达到的效果进行了系统的概述.分析了现有的基于烧结数据预测模型研究方法和技术,并对烧结预测模型进一步发展和完善进行了展望.指出基于烧结过程大数据的建模机制是烧结预测模型的发展方向之一.应充分利用先进的机器学习和编程语言的优越性,开发烧结预测模型,以期对承钢烧机钒钛磁铁矿所存在的问题进行处理.

摘要： 一切教育数据的核心意义应是“洞悉起点,改变终点.”班级管理过程中也需要各种数据预测,如正是因为高中增值评价项目起点部分的报告的存在,才可以根据客观数据准确了解学生现阶段各个方面的状况,继而基于当下反馈预测出如果学生按照目前情况继续发展下去的不良后果.但又不同于经济领域的数据预测,必须创造性地采取一些有效策略改变现状,促使学生朝着自己理想,家庭满意,社会需要的方向前行.

摘要： 卷烟产品的感官品质传统上是通过专家的感官评吸来评价.感官评吸就是通过人体特定的感觉器官(口腔、鼻腔等)对卷烟质量进行鉴定.但感官评吸评价存在一些缺陷.其中,最受关注的是:对于同一品质的同一产品,不同专家或同一专家在不同条件下评吸评价的结果可能不同,甚至差别很大.造成这种不确定性的原因主要是:1)评吸专家个人心态存在差异,因为感官评吸是一个心理学过程;2)评吸专家之间存在方法、习惯、生理、爱好、文化和心理方面的差异;3)评吸专家健康状态的影响;4)不同专家感官评吸描述用语或打分标准上的差异;5)感官评吸过程管理上的差异.因此,人们很自然地就想到能否采用机器来模拟人的感官评吸,取代或部分取代人的感觉评估.rn 本文借助线性学习机PLS、非线性学习机BPNN和SVM三种回归建模方法，利用训练集卷烟样的烟气仿生吸收化学组分数据，为每组卷烟样分别构建了预测卷烟感官品质指标的PLS,BPNN和SVM三类回归模型，用于预测卷烟香气、谐调、杂气、刺激性和余味等5项感官品质指标。以测试集作为未知样进行预测的结果分析表明，构建的PLS和BPNN预测模型容易出现严重的过拟合现象;以RBF为核函数构建的SVM预测模型表现出较好的模型推广能力，具有较大的发展潜力，值得进一步研究。

摘要： 对经典BP神经网络运行中存在的缺陷,提出了改进的BP神经网络.应用改进的BP神经网络模型对李家峡拱坝各高程的变形监测数据进行了预测,并将其预测结果与实际测量值进行对比分析.结果表明,改进的BP神经网络模型在数据预测方面取得了很好的效果.

摘要： 介绍自适应过滤法原理及计算方法,利用自适应过滤法模型动态地预测磁悬浮陀螺全站仪数据的变化趋势.实际数据计算结果表明:自适应过滤模型预测精度优于传统的回归分析法,适合于磁悬浮陀螺全站仪观测数据的预报,且适应于仪器采集的周期性变化的数据,此方法可以作为仪器观测数据自动监测的有效手段之一.

摘要： 介绍了时间序列中的ARIMA模型在消防中的应用,并通过分析我国2003-2009年的火灾统计数据,运用SPSS统计工具直观科学地分析了火灾发生的规律,对短时间内的火灾统计数据进行了预测,结果表明ARIMA模型可以较好地应用于火灾数据的建模分析。这为研究火灾发生的规律、特点和对消防工作的决策提供了有力的方法支持。

摘要： 网络使得机票预订更加便捷,机票价格预测可以帮助旅客、代理商合理的选择购买时间、了解市场.然而各航空公司均使用复杂的调价机制,动态的调整价格,以达到收益最大的目的.受多方面因素的影响,机票实时价格具有趋势性、随机性和波动性的特点,同时影响机票价格因素在不断变化,历史价格与预测值间很难用一个精确的关系表示.文中将模糊时间序列模型引入机票价格预测问题中,利用36条航线的最低价格数据(2014.10-2015.4),根据历史价格进行预测,并用绝对平均误差对实验结果进行评估.将预测结果与传统的时间序列算法AR、移动平均和指数平滑比较,结果表明模糊时间序列模型可以提高预测的准确率,不同航线的预测误差结果浮动较小,且在价格波动较大时准确率有明显提升,可为旅客提供较可靠的购票决策支持.

摘要： 网络使得机票预订更加便捷,机票价格预测可以帮助旅客、代理商合理的选择购买时间、了解市场.然而各航空公司均使用复杂的调价机制,动态的调整价格,以达到收益最大的目的.受多方面因素的影响,机票实时价格具有趋势性、随机性和波动性的特点,同时影响机票价格因素在不断变化,历史价格与预测值间很难用一个精确的关系表示.文中将模糊时间序列模型引入机票价格预测问题中,利用36条航线的最低价格数据(2014.10-2015.4),根据历史价格进行预测,并用绝对平均误差对实验结果进行评估.将预测结果与传统的时间序列算法AR、移动平均和指数平滑比较,结果表明模糊时间序列模型可以提高预测的准确率,不同航线的预测误差结果浮动较小,且在价格波动较大时准确率有明显提升,可为旅客提供较可靠的购票决策支持.

摘要： 网络使得机票预订更加便捷,机票价格预测可以帮助旅客、代理商合理的选择购买时间、了解市场.然而各航空公司均使用复杂的调价机制,动态的调整价格,以达到收益最大的目的.受多方面因素的影响,机票实时价格具有趋势性、随机性和波动性的特点,同时影响机票价格因素在不断变化,历史价格与预测值间很难用一个精确的关系表示.文中将模糊时间序列模型引入机票价格预测问题中,利用36条航线的最低价格数据(2014.10-2015.4),根据历史价格进行预测,并用绝对平均误差对实验结果进行评估.将预测结果与传统的时间序列算法AR、移动平均和指数平滑比较,结果表明模糊时间序列模型可以提高预测的准确率,不同航线的预测误差结果浮动较小,且在价格波动较大时准确率有明显提升,可为旅客提供较可靠的购票决策支持.

摘要： 本申请提供了一种数据预测方法以及装置，包括：获取目标时间信息，目标时间信息用于表示对目标对象的预测项目进行预测对应的时间信息；将目标时间信息输入至预先训练的第一模型，得到预测项目的初始预测值，第一模型用于在输入时间信息的情况下，预测所述时间信息对应的预测项目的初始预测值；将目标时间标识输入至预先训练的第二模型，得到预测项目的偏差值，第二模型用于在输入时间标识的情况下，预测时间标识对应的预测项目的偏差值，第二模型是通过机器学习算法或者统计算法学习多个残差值与历史时间标识的关联关系得到的；根据预测项目的初始预测值与预测项目的偏差值得到预测项目的预测结果。基于本申请的方案能够提高预测结果的准确性。

摘要： 本公开提出一种时序数据预测模型的训练方法、时序数据预测方法和装置，涉及人工智能领域。输入训练用的时序数据(X，zt)，zt是t时刻对应的时序数据，X是t时刻、t时刻之前的时刻、以及zt相关的特征；设置fi是函数库中的第i个函数，αi是第i个函数的系数，yt是t时刻对应的残差时序数据；设置n和p是超参数，yt‑j是(t‑j)时刻对应的残差时序数据，βj代表yt‑j的系数，是yt的预测值；利用时序数据预测模型计算t时刻对应的时序数据的预测值根据zt和利用拟合方法对αi和βj进行训练，输出训练后的时序数据预测模型。从而，通过时序数据预测模型的平稳化变换部分和平稳时序数据预测部分，实现非平稳的时序数据的准确预测。

摘要： 本发明公开了一种水质数据预测模型的训练方法、水质数据预测方法及装置，其中水质数据预测模型的训练方法包括：获取多水质传感器各自的异步数据集；对异步数据集进行扩展，得到扩展数据集；将预处理后的扩展数据集划分为训练数据集和测试数据集；根据训练数据集，对所述水质数据预测模型进行初步训练；将训练数据集中最后一个时间步的数据输入初步训练后的水质预测模型中并将得到的预测结果再次输入所述初步训练后的水质预测模型中循环进行预测，得到预测数据集；计算预测数据集与测试数据集的均方根误差；若均方根误差超出预定范围，则修改初步训练后的水质预测模型的网络参数；重复输入和修改参数的步骤，直至均方根误差在预定范围内。

摘要： 本公开实施例提供一种基于大数据预测的互联网服务挖掘方法及大数据预测系统，通过兴趣业务行为预测网络对应的参考数据集中参考互联网服务大数据的各个关键互联网数据的挖掘指标集合确定兴趣预估指标，可以根据各个关键互联网数据的对应的挖掘指标集合确定该兴趣预估指标的挖掘参考区间，使得各个目标兴趣业务行为对应的兴趣预估指标更加匹配该目标兴趣业务行为对应的互联网服务大数据的真实兴趣倾向特点，降低了通过兴趣预估指标对各个关键互联网数据进行挖掘指标确定时产生的噪声误差，提高了对互联网服务大数据中挖掘指标集合估计的精度。

摘要： 本公开实施例提供一种基于大数据预测的信息推送更新方法及大数据预测系统，基于互联网服务大数据对应的挖掘指标集合，获取与挖掘指标集合对应的包含多个已互动会话流程数据的已互动会话流程数据序列以及包含多个目标在线会话流程数据的目标在线会话流程数据序列，并且目标在线会话流程数据序列中的至少一个目标在线会话流程数据进行针对预设重点推荐对象的推广意图匹配，获得包含预设重点推荐对象的至少一个目标在线会话流程数据，由此进行大数据挖掘，获得预设重点推荐对象所对应的推荐效果画像，基于预设重点推荐对象所对应的推荐效果画像，对预设重点推荐对象的信息推送策略进行更新，进而提高预设重点推荐对象的信息推送有效性。

摘要： 本申请实施例所提供了一种数据预测模型训练、数据预测方法、装置、设备及介质，该方法包括：获取预先存储的历史数据以及预设模型；其中，历史数据包括机构标识、历史日期以及邮件量；根据所述历史数据，对所述预设模型进行训练，得到数据预测模型，所述数据预测模型用于对当前日期和/或后续日期的邮件量进行预测。本申请实施例实现了对邮件量预测模型的搭建和训练以及邮件量的预测，解决了物流信息中未收寄邮件难预测、数据信息少、预测机构多、覆盖面广等难题，规避了传统算法准确率低、人工处理繁杂等痛点，大幅提高了物流机构每日预测的准确率，进而使物流机构可以合理的分配资源来处理这些邮件，提高了整体物流行业的业务处理水平。

摘要： 一种数据预测模型生成方法、装置及数据预测方法、装置，包括：获取样本客户的特征数据；对样本客户的特征数据进行缺失处理，得到样本客户缺失处理后的特征数据；将样本客户缺失处理后的特征数据和样本客户的特征数据作为输入迭代训练预先构建的生成对抗网络模型，得到用于预测缺失特征数据的数据预测模型；其中，生成对抗网络模型包括：生成器和判别器。由于生成对抗网络模型能够以对抗的方式基于样本客户缺失处理后的特征数据和样本客户的特征数据这两种输入学习缺失特征数据与其他未缺失特征数据之间的内在关联，以合理预测所有特征数据(其中包括了缺失的特征数据)，从而实现了特征间的内在关联性兼顾，提高了后续针对缺失数据的预测准确度。

摘要： 本发明实施例提出一种数据预测方法和装置，该数据预测方法包括：确定地理平面区域，所述地理平面区域包括多个地理区格，所述多个地理区格的交汇点构成多个预测点，所述地理平面区域中包括多个数据获取点；依据各个数据获取点获得的观测数据，确定与所述各个数据获取点相邻的预测点的数据；对于与所述各个数据获取点不相邻的预测点，基于以所述不相邻的预测点为中心的环绕区域的区域特征数据，利用机器学习模型组件确定所述不相邻的预测点的数据。本发明利用机器学习模型对地理位置相关的数据进行预测，提高了预测的准确度。

摘要： 本申请提供一种体温数据预测装置及其体温数据预测模型构建方法，采集有效时间段内的温度数据，构建CNN网络模型，利用温度数据对所述CNN网络模型进行数据训练，将经过数据训练的所述CNN网络模型构建为CNN预测模型。本申请能够通过时间段内的温度变化趋势，构建可用于实际的CNN预测模型，并通过CNN预测模型实现对体温的预测，本申请预测准确率高，利于应对温度检测的突发情况，实现快速准确的体温测量效果。

摘要： 本说明书提供一种数据预测、数据预测结果的调整方法、装置及设备，其中，时间序列预测模型包括有多个对应不同时间节点的输入参数，可利用时间序列预测模型预测目标对象在未来目标时间范围的目标数据，在输入历史数据以及先验数据后，所述时间序列预测模型根据所述待输入数据中各个时间节点对应的数据，对应配置各个时间节点的输入参数的参数值，并根据配置后的参数值输出所述目标数据。