时间序列预测

作品数：1404被引量：7138H指数：36
导出分析报告
相关领域：自动化与计算机技术更多>>
相关作者：韩敏彭喜元彭宇修春波张弦更多>>
相关机构：大连理工大学哈尔滨工业大学南京航空航天大学浙江大学更多>>
相关期刊：更多>>
相关基金：国家自然科学基金中央高校基本科研业务费专项资金国家教育部博士点基金国家高技术研究发展计划更多>>
-
在结果中检索

检索结果分析

结果分析中...
共 条 记 录，以下是1-10
全选清除导出
参考文献引证文献引用追踪
视图：
排序：
基于时间序列预测的黄河水沙监测数据分析
《微型计算机》2025年第8期43-45,共3页张静文 
2024年重庆市职业教育教学改革研究项目,课题编号:Z2241445,《高等数学》数字一体化交互式教材的开发。
本文以2023年高教社杯全国大学生数学建模竞赛E题为背景,针对黄河水沙监测数据进行分析,综合利用Python、Excel、SPSS软件,建立线性回归模型和时间序列预测模型。首先,研究水文站黄河水的含沙量与时间、水位、水流量的关系,利用Python...
关键词：水沙通量 PYTHON Pandas库 时间序列预测 
基于ARIMA-LSTM模型的GNSS高程时间序列预测
《黄河水利职业技术学院学报》2025年第2期50-54,共5页胡增明 李晓强 黄明翔 张弯 
针对ARIMA和LSTM单一模型预测GNSS高程时间序列存在精度较低的问题,提出用ARIMA-LSTM混合模型预测GNSS高程时间序列。分析了ARIMA-LSTM模型的基本原理,探讨了模型的建立与数据处理方法,并通过实验对其预测结果进行验证。实验结果表明,在...
关键词：GNSS高程时间序列 ARIMA模型 LSTM模型 ARIMA-LSTM模型 实验验证 预测精度 鲁棒性 
基于iAutoformer的地浸采铀溶浸液酸浓度预测研究
《有色金属(冶炼部分)》2025年第5期89-98,共10页刘志锋 林芝宁 阳奕汉 王如意 张传飞 梁大业 唐俊贤 
中国铀业有限公司—东华理工大学核资源与环境国家重点实验室联合创新基金(2022NRE-LH-14);江西省自然科学基金资助项目(20242BAB25084);国家自然科学基金资助项目(U1967209)。
在“碳达峰、碳中和”战略背景下,铀矿开采效率直接影响核能发展与能源转型进程。在酸法地浸采铀工艺中,精准预测溶浸液酸浓度对提升铀的浸出率、保护矿区环境及设备安全具有重要工程价值。提出了基于自相关机制和自注意力机制的iAutofo...
关键词：地浸采铀 深度学习 自相关机制 时间序列预测 TRANSFORMER 
时间序列中非平稳性和波动性的建模及预测
《计算机科学与探索》2025年第5期1313-1321,共9页冯强 赵建光 杨茸 牛保宁 
山西省重点研发计划(202302010101004,202102010101004);山西省基础研究计划(202203021222093,202203021212282)。
时间序列预测的难点在于如何处理好非平稳性和波动性。在应对非平稳性时,现有深度学习模型在训练前采取平稳化输入序列的方法,存在消解非平稳性能力不强或信息损失的问题;在应对波动性时,通常采用带有单头注意力机制的LSTM模型,捕获全...
关键词：时间序列预测 非平稳 高波动 长短期记忆神经网络 多头自注意力 
基于ECA-TCN的数据中心磁盘故障预测
《智能系统学报》2025年第2期389-399,共11页张铭泉 王宝兴 
中央高校基本科研业务费专项项目(2020MS122).
随着数据中心规模的不断扩大,磁盘故障对数据中心的运行稳定性产生越来越大的影响。当前预测方法在面对大规模、高维度和长序列的磁盘运行数据时仍存在不足。本文提出了一种高效通道注意力时间卷积网络(efficient channel attention-tem...
关键词：磁盘故障预测 长短时记忆网络 循环神经网络 扩张卷积 高效通道注意力机制 神经网络模型 时间序列预测 深度学习优化 
祁连山大通河流域白桦种群结构与动态特征
《干旱区资源与环境》2025年第4期156-164,共9页葛静茹 张荣霞 张金峰 
国家林业和草原局软科学项目(2024131024,2024131027)资助。
文中以祁连山大通河流域白桦种群为研究对象,采用种群静态生命表、存活曲线、数量变化动态指数,结合生存分析与时间序列预测法,分析种群生长规律,阐明种群动态趋势,为该种群保护及流域植被恢复提供科学依据。结果表明:1)白桦种群个体数...
关键词：静态生命表 数量动态 生存函数 时间序列预测 白桦 大通河流域 
StabilizeNet:用于缓解时间序列非平稳性的新型框架
《大数据》2025年第2期127-139,共13页安俊秀 万里浪 
国家社会科学基金项目(No.22XWB01214)。
时间序列预测在现代生活中广泛应用于众多领域,其重要性日益凸显。非平稳性是影响时间序列预测准确性的主要问题之一。时间序列数据的统计特性随时间变化,导致从历史数据中学习的规律难以被稳定地应用于未来预测,从而增加了预测的难度...
关键词：时间序列预测 非平稳性 归一化 
基于RevIN-Autoformer-FECAM的页岩气产量预测
《矿山工程》2025年第2期317-324,共8页陈洪建 龚跃 金炜翔 夏楚翔 
重庆科技大学研究生创新计划项目(YKJCX2321102)。
在全球能源绿色转型的背景下,页岩气作为低碳能源的重要性日益凸显,但其产量受高维、非线性及非平稳性因素影响,传统预测方法存在精度不足和计算复杂度高的问题。为此,本文提出一种基于RevIN-Autoformer-FECAM的深度学习模型,用于提升...
关键词：页岩气产量预测 RevIN-Autoformer-FECAM 时间序列预测 频率增强通道注意力机制(FECAM) 可逆实例归一化(RevIN) 自注意力模型 
融合注意力机制的航空发动机推力估计方法研究
《航空工程进展》2025年第2期40-51,共12页邹雨杭 赵永平 
国家科技重大专项(J2019-Ⅰ-0010-0010);中央高校基本科研业务费(NS2022027);航空发动机及燃气轮机基础科学中心项目(P2022-B-V-002-001)。
准确预测航空发动机推力大小对直接控制发动机推力具有重要意义。为了提升航空发动机推力估计模型的准确性和实用性,针对时间序列预测构建融合LSTM和注意力机制的多任务LSTM-Attention模型;针对不同飞行条件下推力估计的问题,运用Fine-t...
关键词：推力估计 时间序列预测 LSTM 注意力机制 多任务学习 迁移学习 
基于多尺度特征融合和时空注意力LSTM的台风云图预测研究
《海洋预报》2025年第2期89-98,共10页程勇 钱坤 王军 渠海峰 李伟 杨玲 韩晓东 刘敏 
国家自然科学基金(41975183、41875184)。
现有深度学习方法在预测台风时没有考虑其特征内化损失问题,难以全面捕捉台风结构变化。为此,本文提出一种基于多尺度特征融合的时空注意力长短期记忆网络(MSTA-LSTM)方法。引入特征增强模块加强台风特征信息,通过跳跃连接缓解编解码过...
关键词：时间序列预测 多尺度特征 时空长短期记忆网络 注意力机制 
全选清除导出
共140页<12345678910>
检索报告 对象比较 聚类工具 使用帮助 返回顶部