盾构掘进过程中，为防止地表沉降或隆起，土仓压力的预测与控制至关重要．建立了一种基于粒子群算法优化的 BP 神经网络( PSO-BP) 的土仓压力预测模型．

图灵原版数学统计学系列02 时间序列分析 预测与控制 Time Series Analysis -- Forecasting and Control, 3rd Edition

内容概要： 1、对收集到测井数据进行去除异常值、插值、标准化、独热编码等数据预处理，分别得到预测储层物性的回归数据及识别储层含油气性的分类数据。 2、为了预测储层物性孔隙度，分别构建了BP神经网络和长短期记忆神经网络，并对该网络的隐含层数、学习率衰退因子和RMSE等关键指标进行对比分析及网络拟合度检测。此外，采用留一法交叉验证将单个井作为测试集，其余不包含该井的测井数据作为训练集，以此来分析单个井的孔隙度预测结果。 3、为了识别储层含油气性，分别构建了BP神经网络和循环神经网络（LSTM及Bi-LSTM），并利用混淆矩阵、ROC曲线及AUC面积来衡量以上分类模型的性能。 适用方向：统计学和神经网络方向案例分析 其他说明：附件包含预处理后的数据、BP和LSTM回归模型代码、BP和LSTM和Bi-LSTM分类模型代码，以及所有的分析结果图，并附上完整报告。 测井数据；BP神经网络；循环神经网络；留一法交叉验证；Matlab

对收集到测井数据进行去除异常值、插值、标准化、独热编码等数据预处理，分别得到预测储层物性的回归数据及识别储层含油气性的分类数据。 为了预测储层物性孔隙度，本文构建了SVM支持向量机回归模型，并对该网络的BoxConstraint和KernelScale等关键指标进行超参数调整。基于上述模型，采用留一法交叉验证将单个井作为测试集，其余不包含该井的测井数据作为训练集，以此来分析单个井的孔隙度预测结果。 对影响因素数据（除去取值深度）进行主成分分析（PCA），将第一主成分和第二主成分作为SVM支持向量机模型的输入向量序列，以六类流体性质（含油水层、差油层、干层、水层、油层及油水同层）作为标签形成输出向量序列。由于典型的SVM支持向量机只能处理二分类问题，因此本文分别构建了六个SVM分类器。并且利用混淆矩阵、ROC曲线及AUC面积来衡量以上分类模型的性能。 适用方向：统计学及机器学习算法（SVM）的实例应用 关键词：SVM支持向量机；留一法交叉验证；主成分分析；matlab

【计算机课程设计】疫情状况分析预测系统. ,本资源适合新手小白和在校学生，使用前请务必查看说明文档

预测与决策课件：第十讲 投入产出分析预测法进阶应用示例.ppt

时间序列分析：预测与控制（中文第三版），是优秀翻译的作品

2.书名：时间序列分析:预测与控制(英文版·第3版) 书号：7-115-13772-2/TP·4892 原书名：Time Series Analysis: Forecasting and Control 分类：数学与统计 统计学 时间序列分析 丛书名：图灵原版数学统计学系列 作者：George E.P.Box, Gwilym M.Jenkins, Gregory C.Reinsel 出版日期：2005-09-28 页数：616 定价：65.00 元人民币

【达摩老生出品，必属精品，亲测校正，质量保证】 资源名：MATLAB ARIMA 模型 做时间序列分析预测 matlab源码 资源类型：matlab项目全套源码 源码说明： 全部项目源码都是经过测试校正后百分百成功运行的，如果您下载后不能运行可联系我进行指导或者更换。 适合人群：新手及有一定经验的开发人员

GDP分析预测模型，孙旭东，姜金秋，GDP的分析和预测对于经济发展具有重要作用，本文以2000年全国各地区为例,通过多元线性回归和BP网络方法分别分析和验证了本地人口、�