面向智慧交通的数据修复与预测方法研究.pdf

近年来，中国普通高等学校招生规模不断扩大，提高了高等教育的入学率，却增加了大学毕业生就业的压力。研究普通高等学校招生规模的预测方法对于合理地制定普通高等学校招生规模，实现高等教育可持续性发展是非常关键的。采用灰色系统方法和神经网络方法，结合1970―2009年全国普通高等学校招生人数的数据资料，建立了普通高等学校招生规模的灰色系统GM(1，1)模型和BP神经网络模型。对2种模型的模拟通过MATLAB 平台实现。 BP神经网络建模考虑了普通高等学校数、普通高等学校教职工人数、普通高中毕业人数以及国家财政教育

本文选取2015年1月至2016年3月中国部分车站的客流数据，建立了BP神经网络的铁路客流时间序列预测模型。 但由于收敛速度慢，容易陷入问题的局部最优解，建议通过遗传算法改进BP神经网络的时间序列模型，以预测铁路客流。 实验结果表明，改进的方法具有较高的预测精度和较好的非线性拟合能力。

一个设计软件包应该是数值方法和辨识方法各步骤有序 的完备集合，它必须包括数据采集、数据预处理、方案数值分析、辨识模型检验及预测结果的图形显示等方面的程序块，利用一些通用的程序块能灵活地拼凑出各种所需的功能，直接应用于工程实际，成为有用的软件资料。因此，本文探索以全新的研究手段—辨识方法和数值方法对建筑墙体表面换热过程进行了系统分析，全文共/又章，分两大部分讨论。本文第一部分建筑墙体表面换热过程实用条件下辨识方法的研究选题来自国家自然科学基金，主要研究的内容有:(l)、研究墙体表面换热过程的数学描述，及相应的输入/输出参数的测试方法和实验装置的研制; (2)、实验数据的采集、处理及模型的辨识算法的研究; (3)、对自然条件和模拟试验条件下辨识得到的模型进行综合比较分析，导出墙体表面换热系数与空气流动等相关因素之间的定量关系式，完善模型与辨识方法，并对模型与辨识方法进行核准，分析和完善墙体表面换热系数与相关因素的关系表达式。

人工智能-机器学习-融合复合特征的移动轨迹预测方法的研究与实现.pdf

基于VB的_灰色模型预测_和_线性回归预测

电动汽车的充电负荷预测在电动汽车的推广过程中发挥着重要的作用。为了克服现有方法中部分参数设置主观、预测模型与用户随机性驾驶行为匹配欠缺的不足，将电动汽车进行细致分类，通过建立充电负荷预测影响因素的概率模型，利用概率统计学和蒙特卡洛模拟方法提出了基于时刻充电概率的负荷预测模型。利用科学分析得到的日行驶里程代替主观给定的起始电荷状态(SOC)以推导充电时长，利用更具随机性的时刻充电概率代替计算得到的充电时段来确定充电负荷。以某市为例，预测了相关电动汽车的日负荷曲线，并与常用负荷预测方法的结果进行对比，验证了所提负荷预测方法能够科学地预测用户的充电负荷，能够为电网及用户的电能管理策略提供可靠的依据。

风电机组的故障预测方法综述，马玉，王晨升，随着风电机组投产数量的不断增大，风机故障的出现也越来越频繁，时刻影响着安全与经济效益。本文详述风电机组的主流故障预测方法

充电服务设施的建设是电动汽车普及的重要因素。 因此，迫切需要解决电动汽车充电站的规划问题。 考虑到自然环境，社会，交通，电网和经济的标准，通过15个次级标准建立了电动汽车充电站项目评价体系。 分析中采用的BP神经网络构建了充电站的规划模型。 它用于充电站规划的位置和容量预测。 通过对数据样本进行分析，建立了稳定的网络结构，并在充电站规划中验证了该模型的可行性。

机器学习与算法及源码：其它预测方法.zip