为获得更为优越的露天矿山境界,构建了集经济时间序列预测、矿岩时间属性赋值和动态经济指标计算为一体的境界全动态优化方法。金属价格是矿山境界优化过程中最重要的因素之一,以金属价格历史数据为平台,通过创建合适时间序列模型,对未来价格做出预测,以预测结果为基础,运用L-G图论法生成系列境界方案,根据矿山实际情况编排进度计划,实现矿岩块参数赋值,将预测结果代入到矿岩块体模型中,计算境界净现值(NPV),经多方案比较确定最优境界。以某铜矿山为例,通过对近50 a伦敦金属交易所(LME)铜精矿季度平均结算价格分析处理,建立了自回归求和移动平均模型(ARIMA),实现了未来15 a铜价预测,最终确定了矿山经济最优境界。建立于金属价格预测基础上的境界动态优化方法所得方案NPV更接近生产实际,其优化结果可更好为矿山设计及未来生产提供基础支撑。
1
基于卷积神经网络-门控循环单元结合注意力机制(CNN-GRU-Attention)多变量时间序列预测,CNN-GRU-Attention多维时间序列预测,多列变量输入模型。matlab代码,2020版本及以上。 评价指标包括:R2、MAE、MSE、RMSE和MAPE等,代码质量极高,方便学习和替换数据。
2024-07-08 15:12:17 62KB matlab
1
时间序列数据集
2024-07-05 21:13:12 426B 源码软件
1
基于R语言开发时间序列预测 Time Series Analysis With Applications in R 学习笔记 基于R语言开发时间序列预测 Time Series Analysis With Applications in R 学习笔记 基于R语言开发时间序列预测 Time Series Analysis With Applications in R 学习笔记 基于R语言开发时间序列预测 Time Series Analysis With Applications in R 学习笔记 基于R语言开发时间序列预测 Time Series Analysis With Applications in R 学习笔记 基于R语言开发时间序列预测 Time Series Analysis With Applications in R 学习笔记 基于R语言开发时间序列预测 Time Series Analysis With Applications in R 学习笔记 基于R语言开发时间序列预测 Time Series Analysis With Applications in R 学
2024-07-04 12:40:54 5.98MB r语言 时间序列
1
基于粒子群优化BP神经网络的单变量时间序列预测Matlab程序PSO-BP 基于粒子群优化BP神经网络的单变量时间序列预测Matlab程序PSO-BP 基于粒子群优化BP神经网络的单变量时间序列预测Matlab程序PSO-BP 基于粒子群优化BP神经网络的单变量时间序列预测Matlab程序PSO-BP 基于粒子群优化BP神经网络的单变量时间序列预测Matlab程序PSO-BP 基于粒子群优化BP神经网络的单变量时间序列预测Matlab程序PSO-BP 基于粒子群优化BP神经网络的单变量时间序列预测Matlab程序PSO-BP 基于粒子群优化BP神经网络的单变量时间序列预测Matlab程序PSO-BP
2024-06-29 15:18:30 26KB 神经网络 matlab 时间序列预测 PSO-BP
1
本博客将介绍一种新的时间序列预测模型——FNet它通过使用傅里叶变换代替自注意力机制,旨在解决传统Transformer模型中的效率问题。FNet模型通过简单的线性变换,包括非参数化的傅里叶变换,来“混合”输入令牌,从而实现了快速且高效的处理方式。这种创新的方法在保持了相对较高的准确性的同时,显著提高了训练速度,特别是在处理长序列数据时更显优势。FNet的工作原理,并通过一个实战案例展示如何实现基于FNet的可视化结果和滚动长期预测。预测类型->多元预测、单元预测、长期预测。适用对象->受硬件所限制的时候,FNet是一种基于Transformer编码器架构的模型,通过替换自注意力子层为简单的线性变换,特别是傅里叶变换,来加速处理过程。FNet架构中的每一层由一个傅里叶混合子层和一个前馈子层组成(下图中的白色框)。傅里叶子层应用2D离散傅里叶变换(DFT)到其输入,一维DFT沿序列维度和隐藏维度。总结:FNet相对于传统的Transformer的改进其实就一点就是将注意力机制替换为傅里叶变换,所以其精度并没有提升(我觉得反而有下降,但是论文内相等,但是从我的实验角度结果分析精度是有下降的
1
基于灰狼算法(GWO)优化门控循环单元(GWO-GRU)的时间序列预测。 优化参数为学习率,隐藏层节点个数,正则化参数,要求2020及以上版本。 评价指标包括:R2、MAE、MSE、RMSE和MAPE等,代码质量极高,方便学习和替换数据。
2024-06-06 19:57:03 27KB
1
基于鲸鱼算法优化BP神经网络(WOA-BP)的时间序列预测,matlab代码。 模型评价指标包括:R2、MAE、MSE、RMSE和MAPE等,代码质量极高,方便学习和替换数据。
2024-06-04 19:58:40 27KB 神经网络 matlab
1
基于径向基神经网络的单变量时间序列预测Matlab程序RBF 基于径向基神经网络的单变量时间序列预测Matlab程序RBF 基于径向基神经网络的单变量时间序列预测Matlab程序RBF 基于径向基神经网络的单变量时间序列预测Matlab程序RBF 基于径向基神经网络的单变量时间序列预测Matlab程序RBF 基于径向基神经网络的单变量时间序列预测Matlab程序RBF 基于径向基神经网络的单变量时间序列预测Matlab程序RBF 基于径向基神经网络的单变量时间序列预测Matlab程序RBF 基于径向基神经网络的单变量时间序列预测Matlab程序RBF 基于径向基神经网络的单变量时间序列预测Matlab程序RBF 基于径向基神经网络的单变量时间序列预测Matlab程序RBF
2024-05-30 16:06:01 24KB matlab 神经网络 时序预测
1
时间序列预测-Transformer,Informer,Autoformer,FEDformer复现结果
2024-05-26 17:26:53 43.42MB transformer
1