预测精度

摘要： 对新型冠状病毒肺炎疫情的准确预测能为疫情防控政策的制定提供重要依据,为此提出基于双向门控循环单元(BiGRU)和注意力机制(Attention Mechanism)的预测模型.考虑到新冠肺炎每日新增确诊人数的时序特性和非线性,采用了一种BiGRU网络,以减小计算代价并充分利用前、后向数据信息;同时引入注意力机制解决信息过载问题,以提高计算效率和预测精度.最后,通过英国和美国在2020年1月22日至2021年3月21日期间的每日新冠肺炎新增确诊病例数据集验证了所提方法的有效性.

摘要： 针对高炉冶炼过程的复杂、多变以及非线性等因素,提出了一种基于粒子群算法(Particleswarmoptimization,PSO)和遗传算法(Geneticalgorithm,GA)相结合来优化极限学习机(Extremelearningmachine,ELM)的高炉铁水硅含量预测模型。PSO-GA-ELM预测模型,主要是在PSO算法进行适应度值计算、粒子的速度更新和位置更新时将GA算法中的选择、交叉和变异等操作融入其中,使其输出最优的连接权值和阈值代入到ELM模型中。通过对4种不同的预测模型进行实验验证,结果表明,优化后的PSO-GA-ELM模型在进行铁水硅含量预测时的预测精度、学习能力和泛化性能均高于其他三种预测模型。

摘要： 电梯故障率的预测对预防电梯事故的发生具有重要意义,可反映各品牌电梯的故障率发展趋势,也可为后续电梯维保和检验检测提供数据支撑.针对电梯故障的随机性,利用灰色预测的建模方法不能很好地进行预测,预测精度不高,但结合马尔科夫模型能适应随机性较大的数据特点,因此建立了电梯故障率预测的灰色马尔科夫模型.通过对某品牌电梯故障率的预测分析,表明灰色马尔科夫在电梯故障率预测上具有较高的预测精度.

摘要： 针对装备器材消耗的随机性与波动性而难以准确预测消耗变化的情况,构建了粒子群算法(particle swarm optimization,PSO)和极限学习机(extreme learning machine,ELM)的预测模型。首先,构建训练集和ELM网络;其次,采取PSO优化ELM的输入层权值和隐藏层阈值,解决因权值和阈值随机出现而造成的网络不稳定现象;最后,通过使用3种非线性、非平稳数据集测试及装备器材消耗数据的预测分析,验证了PSO-ELM的预测精度优于EMD-GA-BP、LSSVM、PSO-LSSVM、ELM模型。

摘要： 针对现有负荷预测系统耗时长且精度较差等问题,文中设计了一种基于BFA-Elman的电力负荷可靠性的预测系统。利用细菌觅食算法(BFA)优化Elman网络模型的结构参数获得最佳的权值和阈值,同时避免Elman网络陷入局部最优。通过结合BFA和Elman网络构建BFA-Elman电力负荷预测模型,以实现可靠的预测。利用历史电力负荷对所提系统进行实验论证。结果表明,计算量对所提系统的性能影响较小,预测耗时不超过20 s且预测误差均值为0.41%,低于对比方法,从而能够有效提高发电设备的利用率与调度的经济性。

摘要： 为了提高滑坡变形预测工作中的预测精度,采取基于S型增长曲线的组合预测方法,通过最优权重来组合滑坡预警预报中常用的Verhulst模型、Pearl模型,并将组合预测模型应用于历史滑坡的变形预测中进行验证研究。结果表明:单一预测模型中,Verhulst模型的预测效果较Pearl模型好,但拟合效果则是Pearl模型较佳;而基于最优权重的组合预测模型能充分利用单一预测模型的优势,能有效地提高滑坡变形预测的精确性。

摘要： 电力能源的合理使用和调度一直是关系民生的重要问题,其中的电力负荷预测是近年来学者研究的重点。传统的基于统计学习方法的预测方法由于负荷的非线性和随机因素导致效果不佳,因此研究者把目光放在了近年来热门的人工智能(Artificial Intelligence,AI)领域,比如人工神经网络(Artificial Neural Network,ANN)、机器学习(Machine Learning,ML)和深度学习(Deep Learning,DL)。最近,深度学习在电力负荷预测方面有着不俗的表现,比如基于时间序列的负荷预测。本文介绍深度学习在电力负荷和能源系统预测方面的经典算法,并通过比较各个预测模型的均方根误差(Root Mean Square Error,RMSE)和平均绝对误差(Mean Absolute Error,MAE)来衡量模型的精确度和鲁棒性,目的在于探索深度学习领域不同算法所建立的模型对电力负荷预测的误差和拟合度,为电力负荷预测在不同的数据结构和数据规模下提供模型参考。最后的结果表明,多个组合模型所得到的预测精度明显好于单个模型的预测精度。

摘要： 为提高长输管道泄漏检测的准确率,提出基于GA_Elman神经网络的管道泄漏检测方法,该方法通过使用遗传算法(GA)对Elman神经网络的权值和阈值进行优化,不但克服了Elman神经网络易陷入局部极值的缺陷,而且提高了Elman神经网络的预测精度。实验证明该方法可用于管道泄漏检测,其效果优于BP神经网络与Elman神经网络检测模型,预测精度96.9%。

摘要： 本文采用加权马尔可夫链结合模糊集理论的方法对湖北省27个气象站的年降雨量进行预测,从气象站点和研究区空间两个方面分析了不同阶数对年降雨量预测精度的影响。结果表明,多阶加权马尔可夫链能够克服传统马尔可夫链中年降雨量状态预测不唯一的缺陷,且预测的年降雨量状态的准确性更高;多阶预测的年降雨量空间分布具有较为一致的趋势,表现为东部和东北部高于实测值,南部和西南部低于实测值,且五阶预测的空间年降雨量与实测最为接近。研究结果可为农业、气象和水利等多个部门的决策制定提供重要的数据支持和科学依据。

摘要： 为了更好地预测分析陕西省常住人口,本文利用国家统计局官网最新统计资料,以2010~2019年陕西省常住人口数据为基础,建立GM(1,1)灰色预测模型,并用2020年常住人口数值对模型预测精度进行误差检验,结果显示模型预测精度高达99.54%。因此,使用该模型对2021~2025年陕西省常住人口数据进行预测研究,结果表明:2022年陕西省常住人口将超过4000万,到2025年将达到4092.8万。整体来看,未来5年陕西省常住人口数值以每年23.7万人的增速持续增长。

摘要： 目前,网络安全态势感知平台能够有效降低外部攻击对网络造成的危害,但是态势感知模型预测精度有待提高.文中通过基于人工神经网络、线性回归、支持向量机(SVM)的机器学习,构建了由模型建立、数据采集、数据还原、数据处理四个模块组成的网络态势感知系统模型.以此模型为核心,对安全数据采集、存储及数据关联进行分析,利用可视化技术展示,实现了对整体安全态势的精准预测和分析,为有效抵御网络攻击提供了有力支撑.

摘要： 为了提高钢铁产品的质量,围绕热轧带钢生产过程中轧制力的预测精度问题,本文建立了基于卷积神经网络(CNN)的轧制力预测模型.通过采集某钢厂历史生产数据,并进行处理,利用开源深度学习工具TensorFlow编写相应的仿真程序.结果表明,基于CNN的轧制力预测模型具有很强的学习能力和表达能力,轧制力预测精度得到很大提高.

摘要： 在高性能计算作业调度中,许多调度算法依赖于对作业运行时间的准确估计,尤其是以EASY为代表的回填算法,而使用用户提供的作业运行时间往往会降低调度性能.本文提出了一种基于分类和实例学习相结合的作业运行时间预测算法-GA-Sim,该算法在考虑预测准确性的同时考虑了低估问题.在两个实际调度日志上的数值实验结果表明,相较于IRPA和TRlP算法,GA-Sim在取得更高预测精度的同时降低了低估率.丈章对数值实验结果进行了深入的分析,并给出了不同情形下选择恰当预测算法的建议.

摘要： 钢绞线锈蚀降低了其与混凝土间的黏结性,导致钢绞线与其周围混凝土间的变形不协调,影响预应力混凝土梁的抗弯性能.采用快速锈蚀试验得到了不同锈蚀程度的16个有箍筋和无箍筋拉拔试件,通过拉拔试验得到了试件开始滑移及破坏时的拉拔力;回归了黏结折减系数与锈蚀率之间的关系式,并将其融入预应力混凝土梁的抗弯承载力分析模型中,提出了考虑黏结性退化的锈蚀预应力混凝土梁抗弯承载力计算方法.试验结果表明:有箍筋试件的黏结强度大于无箍筋试件;随着钢绞线锈蚀水平的增大,箍筋对黏结强度退化的约束作用逐渐减小;黏结折减系数随锈蚀率的增加呈指数函数规律递减.将理论值与本文及已有文献中锈蚀预应力混凝土梁抗弯性能试验结果进行了比较,计算结果表明本方法预测精度较高,最大误差在6％以内,验证了本抗弯承载力计算方法的适用性,可为服役预应力混凝土桥梁抗弯承载力评估提供参考.

摘要： 采用砂型铸造的泵阀类铸钢件在制造业应用十分广泛,但常因表面粘砂缺陷导致后续打磨任务繁重,而这种粘砂缺陷的成因往往难以探明.针对此,本文提出利用生产质量多源信息和神经网络方法建立粘砂缺陷种类预测模型.该模型从大量泵阀类砂型铸钢件生产信息中提取与粘砂缺陷相关度高的铸型性能,合金浇注温度等特征数据,通过不断修改网络参数使最终模型预测粘砂缺陷精度达到95.0％,并以该模型为基础探究表面粘砂缺陷的成因,为工艺关键参数波动控制及铸件表面质量提升提供科学指导.

摘要： 采用砂型铸造的泵阀类铸钢件在制造业应用十分广泛,但常因表面粘砂缺陷导致后续打磨任务繁重,而这种粘砂缺陷的成因往往难以探明.针对此,本文提出利用生产质量多源信息和神经网络方法建立粘砂缺陷种类预测模型.该模型从大量泵阀类砂型铸钢件生产信息中提取与粘砂缺陷相关度高的铸型性能,合金浇注温度等特征数据,通过不断修改网络参数使最终模型预测粘砂缺陷精度达到95.0％,并以该模型为基础探究表面粘砂缺陷的成因,为工艺关键参数波动控制及铸件表面质量提升提供科学指导.

摘要： 采用砂型铸造的泵阀类铸钢件在制造业应用十分广泛,但常因表面粘砂缺陷导致后续打磨任务繁重,而这种粘砂缺陷的成因往往难以探明.针对此,本文提出利用生产质量多源信息和神经网络方法建立粘砂缺陷种类预测模型.该模型从大量泵阀类砂型铸钢件生产信息中提取与粘砂缺陷相关度高的铸型性能,合金浇注温度等特征数据,通过不断修改网络参数使最终模型预测粘砂缺陷精度达到95.0％,并以该模型为基础探究表面粘砂缺陷的成因,为工艺关键参数波动控制及铸件表面质量提升提供科学指导.

摘要： 采用砂型铸造的泵阀类铸钢件在制造业应用十分广泛,但常因表面粘砂缺陷导致后续打磨任务繁重,而这种粘砂缺陷的成因往往难以探明.针对此,本文提出利用生产质量多源信息和神经网络方法建立粘砂缺陷种类预测模型.该模型从大量泵阀类砂型铸钢件生产信息中提取与粘砂缺陷相关度高的铸型性能,合金浇注温度等特征数据,通过不断修改网络参数使最终模型预测粘砂缺陷精度达到95.0％,并以该模型为基础探究表面粘砂缺陷的成因,为工艺关键参数波动控制及铸件表面质量提升提供科学指导.

摘要： 采用砂型铸造的泵阀类铸钢件在制造业应用十分广泛,但常因表面粘砂缺陷导致后续打磨任务繁重,而这种粘砂缺陷的成因往往难以探明.针对此,本文提出利用生产质量多源信息和神经网络方法建立粘砂缺陷种类预测模型.该模型从大量泵阀类砂型铸钢件生产信息中提取与粘砂缺陷相关度高的铸型性能,合金浇注温度等特征数据,通过不断修改网络参数使最终模型预测粘砂缺陷精度达到95.0％,并以该模型为基础探究表面粘砂缺陷的成因,为工艺关键参数波动控制及铸件表面质量提升提供科学指导.

摘要： 剩余寿命预测可为动力电池的预测性维护提供理论依据.介绍了锂离子动力电池剩余寿命预测的研究现状,剖析了部分预测技术的优势及不足,指出目前剩余寿命预测研究中的问题,最后展望电动汽车用锂离子动力电池剩余寿命预测的发展趋势.

摘要： 本申请涉及一种基于组合预测的提升精度的光伏功率预测方法、装置。所述方法包括：获取预设时长内的历史光伏功率数据；根据历史光伏功率数据，确定预设时长内的高频功率数据和平均功率数据，其中，高频功率数据为设定时长内的波动频率大于预设值的数据；获取气象数据，将气象数据和高频功率数据输入神经网络模型，确定高频功率数据的预测值；根据高频功率数据的预测值和平均功率数据，确定光伏功率预测结果。从而能够将高频功率从整体的功率中剥离出来针对性的进行预测，提高功率预测的精度。

摘要： 本发明涉及汽车零部件冲压划痕评价技术领域，具体地指一种提高冲击划痕预测精度的预测方法及预测系统。采集冲击参数以及划痕情况，模拟分析获得模拟参数，根据冲击参数、划痕情况和模拟参数构建冲击数据库；获得产生冲击划痕的影响因素；构建冲击参数、模拟参数与影响因素的函数关系；设定影响因素的冲击划痕评价条件；获得对应的模拟参数，根据模拟参数、设计冲击参数计算得到待预测的零部件的影响参数，将计算的待预测零部件的影响参数与冲击划痕评价条件进行比对，通过比对结果预测该零部件的冲击划痕情况。本发明的预测方法极为简单，能够大幅度提高预测精度，为后续的零部件冲压生产提供良好的理论指导。

摘要： 本发明公开了一种提升景区饱和负荷预测精度的负荷预测方法包括如下步骤：步骤(1)：将景区内的供电用户划分为民宿用户和普通用户，并分别统计民宿用户和普通用户的户数；步骤(2)：对景区内民宿用户的厨房用电设备进行调研；步骤(3)：对景区内民宿用户的客房用电设备进行调研；步骤(4)：对景区内各普通用户的用电设备进行调研；步骤(5)：将生活用电设备之外的用于生产的用电设备定义为动力设备；步骤(6)：得到景区内所有普通用户加在一起的普通用电总负荷及民宿用户总负荷；步骤(7)：得到最终的预测用电总负荷。本发明能够能够有效弥补国内针对景区饱和负荷预测空白和现有负荷密度法因指标受限导致预测精度不强的问题。

摘要： 本说明书实施例提供一种兼顾预测精度和隐私保护的预测模型训练方法及装置。预测模型包括特征提取层和预测层，在对预测模型进行训练时，针对包含第一对象的第一原始特征和第一标签的第一样本，可以从第一原始特征中提取第一对象在多个隐私属性方面的第一实际值；将第一原始特征输入特征提取层，得到第一提取特征；将第一提取特征输入预测层，得到第一预测信息；基于第一预测信息与第一标签之间的差异确定第一预测损失；将第一提取特征输入预先训练的隐私保护模型，得到第一对象在多个隐私属性方面的第一预测值，基于第一预测值和第一实际值之间的差异，确定第二预测损失；向减小第一预测损失、增大第二预测损失的方向，更新所述特征提取层。

摘要： 本发明涉及汽车零部件冲压划痕评价技术领域，具体地指一种提高冲击划痕预测精度的预测方法及预测系统。采集冲击参数以及划痕情况，模拟分析获得模拟参数，根据冲击参数、划痕情况和模拟参数构建冲击数据库；获得产生冲击划痕的影响因素；构建冲击参数、模拟参数与影响因素的函数关系；设定影响因素的冲击划痕评价条件；获得对应的模拟参数，根据模拟参数、设计冲击参数计算得到待预测的零部件的影响参数，将计算的待预测零部件的影响参数与冲击划痕评价条件进行比对，通过比对结果预测该零部件的冲击划痕情况。本发明的预测方法极为简单，能够大幅度提高预测精度，为后续的零部件冲压生产提供良好的理论指导。

摘要： 本发明提供一种基于二步预测模型建立的提高全基因组预测精度方法，包括以下步骤：S1、自交系基因组信息的处理；S2、难预测群体的筛选；S3、对基因型文件进行群体结构、主成分分析和遗传距离的计算；S4、建模群体和预测群体的划分；S5、初步GS预测；S6、筛选得到与目标性状关联的SNPs；S7、第二步GS预测。本发明根据育种所用的遗传材料群体遗传构成多样性的特点和GWAS对SNP标记关联度的评价功能，建立了一种基于遗传材料群体遗传构成、与性状关联SNP标记和二步预测模型建立的提高全基因组预测精度的新方法。

摘要： 本发明提供了一种基于预测精度的光伏发电负荷预测方法，包括：(1)：调取所述光伏发电预测负荷前7日负荷值，构成样本集；(2)：建立决策超平面；(3)：计算样本点距离所述决策超平面距离；(4)：通过计算各个所述样本点到所述决策超平面的距离找到一个最优超平面，使得所述决策超平面两侧距离超平面最近的所述样本点距离最远；(5)：计算出所述光伏发电预测负荷；(6)：计算所述光伏发电预测负荷前7日负荷平均预测精度；(7)：根据所述平均预测精度对所述光伏发电预测负荷进行修正，得到最终的负荷预测值。本发明提供一种基于预测精度的光伏发电负荷预测方法，能够更加准确的进行光伏发电负荷预测。

摘要： 本发明涉及风暴增水预测领域，尤其涉及一种预测精度及效率高的台风风暴增水预测方法及系统，本发明通过台风当前的经纬度坐标和当前台风信息，得到第一时间后台风中心所位于的圆区域，将圆区域细分为若干个网格子区域，并根据台风的经过衰减或增强后的预报台风信息，对所有网格子区域的顶点经纬度坐标，获取预设本地信息数据库中相应的风暴增水数据；本发明提高了各个网格子区域顶点经纬度坐标和预报台风信息对应的风暴增水数据的预测精度，并且能够满足风暴潮精细化预报和政府防灾决策的需求。

摘要： 本发明实施例公开了一种平衡预测精度及时延的处理器分支预测方法和装置，其中，所述方法包括：在流水线前端的取指部件中预设分支预测表，以实现快速分支预测；而在流水线后端，通过嵌入高精度提前分支预测算法的分支预测引擎，当分支指令执行结束后，根据上一分支指令寄存器内容、上一目标指令寄存器内容以及当前提交的分支指令信息，利用分支目标缓存结构，组织并记录指令流水线，对已执行结束的分支指令执行分支指令高精度预测，实现高精度提前分支预测算法的执行和分支目标指令的查询。采用本发明所述的方法，能够有效减少流水线前端分支预测部件的时延，并将复杂算法及存储结构移至流水线后端，提高两级分支预测器的精度和处理器整体性能。

摘要： 本发明公开了一种提高预测模型的预测精度的方法及装置，该方法包括：基于随机森林算法使用训练数据训练获取对应的多棵决策树；计算待检测的样本点在多棵决策树中的每颗决策树的高度的平均值；根据平均值计算待检测的样本点的异常概率；将异常概率大于预设阈值的待检测的样本点去除，使用剩余的样本点训练预测模型，获取最终预测模型。本发明通过使用随机森林算法剔除掉样本数据中异常值，然后使用剔除掉异常值的样本数据训练预测模型，提高模型的泛化能力，最终提升预测模型输出的精确度以及可靠性。