导读:本文包含了预测算法论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:算法,神经网络,负荷,在线,故障,磨耗,数据。
预测算法论文文献综述
郗伟杰,李东辉[1]（2019）在《基于遗传算法优化BP神经网络的接触网磨耗预测》一文中研究指出针对接触网磨耗问题,构建利用遗传算法改进的BP神经网络模型进行接触网磨耗预测,将接触压力、列车速度、导线高度、拉出值、电压、列车频次求取均值与方差作为神经网络的输入,接触网平均磨耗量作为输出,通过Matlab编程建立神经网络模型,并通过运用遗传算法的全局搜索优势改进权值和阈值,补偿局部极值缺陷。(本文来源于《电气化铁道》期刊2019年S1期）
李志军,姜力,牛晓旭,徐继宁[2]（2019）在《基于DiPCA的故障预测算法研究》一文中研究指出故障预测作为一种能够实现对故障"未卜先知",进而可以提前干预的故障诊断技术,近年来受到了越来越多的关注。提出了一种基于动态内部主元分析(DiPCA)的故障预测算法,并针对田纳西-伊斯曼(TE)化工过程进行了仿真研究。与传统的主元分析(PCA)算法不同,DiPCA考虑了数据沿时间维度的动态变化,通过构建动态隐含变量及其数学模型,捕获数据中主要的动态特性,进而根据历史数据推演出系统的未来变化,更适用于系统的故障预测问题。研究表明该算法在阶跃变化、随机变化和粘滞等不同类型的故障下均能提前预报故障的发生,验证了算法的有效性。(本文来源于《工业控制计算机》期刊2019年12期）
邸瑞,陈正鸣,吕嘉[3]（2019）在《基于SMOTE的XGBoost算法在风机叶片结冰预测中的应用》一文中研究指出文中针对低温潮湿环境下风机易出现的叶片结冰现象,提出一种基于SMOTE的XGBoost算法对风机叶片结冰进行早期预测。首先,结合领域知识和Wrapper法对风机SCADA数据进行特征分析,评估各特征重要性;其次,对结冰数据进行SMOTE过采样,选择适合不平衡数据集的评估指标F1Score,G-mean作为模型评估指标;最后,基于XGBoost算法构建预测模型,利用网格搜索与学习曲线对模型参数进行优化,提高预测准确率。通过与AdaBoost算法进行比较,实验结果表明文中提出的方法在准确率和时间效率方面优于AdaBoost算法,有效解决了风机结冰预测问题。(本文来源于《信息技术》期刊2019年12期）
王红爱[4]（2019）在《基于XGBoost算法的铁路旅客退票率预测研究》一文中研究指出旅客退票后释放的空闲席位被有效再利用是铁路部门研究的重点课题之一,对退票情况进行预测,是实现对此部分席位提前规划和合理管理的前提,可以满足更多旅客的出行需求。研究铁路旅客退票率预测,首先,分析了退票率数据的特点,设计了EW-DBSCAN算法对旅客退票率进行离散化处理;然后,基于梯度算法在目标离散化区间计算出满足误差范围的最优预测退票率;最后,利用基于贝叶斯参数最优化的XGBoost算法对旅客退票率进行分类,并预测各区段的退票率。最后对该分类方法进行验证,并与其他方法进行对比,结果表明本文的分类算法精确度较高。(本文来源于《铁道学报》期刊2019年12期）
圣文顺,赵翰驰,孙艳文[5]（2019）在《基于改进遗传算法优化BP神经网络的销售预测模型》一文中研究指出随着经济的快速发展,众多企业步入科学化管理的时代.销售预测是企业经营活动中必不可少的一个环节,预测的准确性直接关系到销售经营的成败.因此提出基于传统BP神经网络与时间序列预测模型为一体的改良BP神经网络预测模型,通过该模型的预测,可以更可靠地预测企业在未来单位时间内的销售额.改良神经网络参考了同步时间序列的预测做出了自我校准,并利用遗传算法达到通过校准得到自我优化的目的,简化网络结构,提高预测的准确度.(本文来源于《计算机系统应用》期刊2019年12期）
王晓霞,徐晓钟,张彤,高超伟[6]（2019）在《基于集成深度学习算法的燃气负荷预测方法》一文中研究指出燃气负荷预测受到社会经济、天气因素、日期类型等多种复杂因素的影响,而多因素的共同作用则必然会导致燃气负荷序列变化趋势具有很大的随机性以及一定程度上的复杂性.为了有效提高燃气负荷预测的精度,本文提出了一种新型的集成深度算法来对燃气负荷进行多步预测.首先通过EEMD算法将非平稳非线性的负荷序列分解为若干个稳态且线性的本征模式分量及剩余项,有效的避免了传统EMD带来的模态混迭问题,然后将负荷数据的影响因素输入到AutoEncoder中进行特征提取并做非线性降维处理,再将EEMD分解得到的每个子序列分别与AutoEncoder提取到的特征序列组成不同的训练矩阵,最后针对不同的子序列对应的训练矩阵建立相应的LSTM预测模型,重构分量预测值得到最终预测结果.为了验证所提出算法的有效性和预测性能,使用上海燃气数据来进行上述模型的仿真实验,结果证明相较对比方法,预测精度有了明显的提高.(本文来源于《计算机系统应用》期刊2019年12期）
苏兴华,孙俊明,高翔,王敏[7]（2019）在《基于GBDT算法的钻井机械钻速预测方法研究》一文中研究指出从已经积累的海量钻井数据中挖掘发现,精确地预测机械钻速成为了当前钻井工作的重要方向。现有的预测机械钻速的方法以实验和经验为主,成本较高、周期较长,且在多维条件约束下,已经不能很好地满足当前钻井工程的需要。针对钻速预测问题,通过对已经收集的特定区块的历史数据进行挖掘,设计并实现以GBDT算法为核心的机械钻速预测模型。同时将该方法与SVM、LR、KNN等其他机器学习算法进行比较。实验结果表明,该算法相对其他方法具有较高的准确率,可以为提高钻速提供科学可靠的参考。(本文来源于《计算机应用与软件》期刊2019年12期）
侯蓉[8]（2019）在《基于径向基函数的在线学习算法在淘宝商铺营销预测中的应用》一文中研究指出文章介绍了径向基函数(RBF)的原理、学习算法及其在电子商务领域中的应用。文章研究的增量RBF模型及窗口式在线RBF模型都具有较好的泛化性能,以淘宝网的"淘宝眼镜销量"作为实例,将增量式RBF学习算法以及在线式RBF学习算法模型应用到淘宝网的眼镜销量的预测中,实验结果证明,基于径向基函数的在线RBF学习算法模型可为淘宝网眼镜销量预测提供参考依据。(本文来源于《中国集体经济》期刊2019年36期）
毛为真,李永攀,陆轶祺,解大[9]（2019）在《基于改进随机森林算法的电动汽车充电预测》一文中研究指出为了应对电动汽车充电需求规模越来越大的现状,提出了一种基于针对单一充电站负荷的随机森林电动汽车充电负荷预测方法,通过对Cart回归算法完成对于具体充电站的短期充电负荷预测,从时间及空间角度对区域内各充电站充电负荷的数据分析,将该算法付诸实践,确定了当前电动汽车充电负荷数据在算法中的应用形式,并验证了预测算法的准确性,能可靠投入实用,通过充电负荷的预测为供电商和用户提供参考。(本文来源于《上海节能》期刊2019年11期）
单嵩岩,吴振新[10]（2019）在《面向科研合作预测领域的作者相关度算法分析》一文中研究指出文章从网络拓扑相似度算法入手,梳理和分析了面向合作预测领域的作者相关度算法,分析和比较了各种常用算法的优劣以及目前的应用情况,对作者相关度算法进行系统梳理,分析重点方法的基本原理、优缺点并展望其未来发展方向。(本文来源于《图书馆理论与实践》期刊2019年11期）
预测算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
故障预测作为一种能够实现对故障"未卜先知",进而可以提前干预的故障诊断技术,近年来受到了越来越多的关注。提出了一种基于动态内部主元分析(DiPCA)的故障预测算法,并针对田纳西-伊斯曼(TE)化工过程进行了仿真研究。与传统的主元分析(PCA)算法不同,DiPCA考虑了数据沿时间维度的动态变化,通过构建动态隐含变量及其数学模型,捕获数据中主要的动态特性,进而根据历史数据推演出系统的未来变化,更适用于系统的故障预测问题。研究表明该算法在阶跃变化、随机变化和粘滞等不同类型的故障下均能提前预报故障的发生,验证了算法的有效性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
预测算法论文参考文献
[1].郗伟杰,李东辉.基于遗传算法优化BP神经网络的接触网磨耗预测[J].电气化铁道.2019
[2].李志军,姜力,牛晓旭,徐继宁.基于DiPCA的故障预测算法研究[J].工业控制计算机.2019
[3].邸瑞,陈正鸣,吕嘉.基于SMOTE的XGBoost算法在风机叶片结冰预测中的应用[J].信息技术.2019
[4].王红爱.基于XGBoost算法的铁路旅客退票率预测研究[J].铁道学报.2019
[5].圣文顺,赵翰驰,孙艳文.基于改进遗传算法优化BP神经网络的销售预测模型[J].计算机系统应用.2019
[6].王晓霞,徐晓钟,张彤,高超伟.基于集成深度学习算法的燃气负荷预测方法[J].计算机系统应用.2019
[7].苏兴华,孙俊明,高翔,王敏.基于GBDT算法的钻井机械钻速预测方法研究[J].计算机应用与软件.2019
[8].侯蓉.基于径向基函数的在线学习算法在淘宝商铺营销预测中的应用[J].中国集体经济.2019
[9].毛为真,李永攀,陆轶祺,解大.基于改进随机森林算法的电动汽车充电预测[J].上海节能.2019
[10].单嵩岩,吴振新.面向科研合作预测领域的作者相关度算法分析[J].图书馆理论与实践.2019
论文知识图
