商贸零售-批发零售业：培育钻石双周观察-11月数据短期波动，产业长期向好趋势不改.pdf

油脂油料一周集萃：短期利空因素减弱，油脂延续反弹态势.pdf

基于一类改进遗传算法的进化神经网络研究.pdf 基于遗传算法的人工神经网络优化设计.pdf 基于遗传神经网络的股票价格短期预测.pdf

深雨 该项目是在 HTWG Konstanz - 应用科学大学的课程背景下创建的。 目标是使用机器学习对康斯坦茨周边地区 35 分钟的短期降水预测。 因此，我们在 keras 和 tensorflow 中为 python 3 使用了 UNet 实现。 我们的团队： 、 、 、 在教授的监督下使用 UNet 创建了短期降水预测。 结果 可以从我们的英文论文中阅读 或在我们完整德语报告中 要求 要运行此存储库中的脚本，您需要 Python 发行版并另外安装以下软件包： 凯拉斯 张量流 cv2 (OpenCV) 拉德利卜

论文研究-基于改进粒子群-模糊神经网络的短期电力负荷预测.pdf,  为了提高短期电力负荷预测精度,提出了改进的粒子群-模糊神经网络混合优化算法.用改进的粒子群训练神经网络, 实现了模糊神经网络参数优化.建立了基于该优化算法的短期负荷预测模型,综合考虑气象、天气、日期类型等影响负荷的因素,利用贵州电网历史数据进行短期负荷预测. 仿真表明,该方法的收敛速度和预测精度优于传统模糊神经网络法、BP神经网络法、粒子群-BP算法和粒子群-模糊神经络方法,该优化算法克服了神经网络和粒子群优化方法的缺点,改善了模糊神经网络的泛化能力, 提高了电网短期负荷预测的精度,各日预测负荷的平均百分比误差可控制在1.2%以内.该算法可有效用于电力系统的短期负荷预测.

基于lstm算法在MATLAB对短期风速进行预测(Based on LSTM algorithm, short-term wind speed was predicted in MATLAB)

CPA财务成本管理第二十一章短期预算习题.doc

项目管理9大领域内容繁琐复杂，有目录没有关键点记忆，呕心沥血编制，方便自己快速记忆，可以短时提高效率，盲考准备，考试已过，分享给大家

pySTEPS-用于短期整体预测系统的Python框架 docs 地位 包裹 社区 什么是pysteps？ Pysteps是一个开源的社区驱动的Python库，用于概率降水临近预报（即短期总体预报系统）。 pysteps的目的是满足两个不同的需求。 首先是为感兴趣的研究人员提供一种模块化的，有据可查的框架，以研究新的方法进行降水的临近预报和随机时空模拟。 第二个目标是为从天气预报员到水文学家的从业人员提供一个高度可配置且易于访问的平台。 pysteps库支持标准的输入/输出文件格式，并实现了几种光流方法以及先进的随机生成器来生成整体临近广播。 此外，它包括用于可视化和后期处理临近预报的工具，以及用于确定性，概率性和邻域预测验证的方法。 运行您的第一个即时广播 使用pysteps来计算和绘制此交互式笔记本在Google Colab中即时播报的推断。 保持联系 您可以在pys

结合长期和短期用户兴趣进行个性化标签推荐