针对目前时用水量预测模型中对时用水量影响因素分析研究较少的问题,通过分析各种时用水量影响因素与时用水量之间的相关性,筛选出时用水量的主要影响因子;通过分类将1 d划分为3个时段,建立分时段用水量模型。采用BP神经网络预测,精度指标采用平均绝对百分比误差（MAPE）表示。实例分析结果表明：模型预测MAPE均在5%以内,预测精度较高,满足供水系统优化调度的要求,为城市时用水量预测提供一种简单可行的思路和方法。
2022-05-26 15:00:10
210KB
1
CE903集团项目弗雷明汉心脏研究
构建预测模型，以预测十年的冠心病风险。
目录
基本信息
旨在准确预测10年内冠心病的总体风险（即患者是否处于危险中）的研究该数据集包含4230名患者和15个属性，在除去缺失值后，剩下3658个总样本。 输出存储在变量'TenYearCHD'下，并显示在丢失缺失值之前和之后的类不平衡：
0类没有风险| 3101 | 84.8％
第1类| 十年风险| 557 | 15.2％
下图显示了标签的不平衡：
我们探索不同的预测分类模型，其目标是调整可以准确地对两个类别进行分类的模型，为此，评估的重点指标将是：
精确
记起
F1分数
精确召回曲线的曲线下面积（AUC）
该指标是在处理不平衡数据集的基础上选择的，为了处理这种不平衡，选择的主要技术是综合少数族裔过采样技术（SMOTE）和随机欠采样。 同样重要的是要注意，由于研究的性质，召回将优先于精度，因为
2022-05-25 11:00:48
1.38MB
1
针对水质预测问题，以地表水水质监测因子作为研究对象，提出了一种基于长短期记忆（LSTM）神经网络的水质多因子预测模型，同时利用提出的K-Similarity降噪法对模型的输入数据进行降噪，提高模型预测性能.通过与BP神经网络、RNN和传统的LSTM神经网络预测模型进行对比实验，证明了所提出的方法均方误差最小，预测结果更准确.
2022-05-24 20:31:10
1.73MB
1
【预测模型】基于蚁群算法优化bp神经网络实现数据预测matlab源码.pdf
2022-05-24 16:02:33
982KB
1
2.灰色系统预测模型的精度检验
预测就是借助于过去的探讨去推测、了解未来。灰色预测就是通过原始数据的处理和灰色模型的建立，发现、掌握系统发展规律，对系统未来状态做出科学定量预测。
2022-05-22 02:23:20
503KB
1
智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真代码介绍
2022-05-18 10:03:38
551KB
1