改进的GM(1,1)模型在城市规划货运量预测中的应用，朱士东，，改进的GM(1,1)模型是在原有的GM(1,1)模型基础之上，利用数学物理方法进行优化后的模型。根据地区已有年份的货运量数据资料，运用该模�

我们提出了在大型强子对撞机上单次生产第三代矢量类夸克的模拟策略，在QCD中实施了次先校正，并详细研究了它们对横截面和微分分布的影响。 我们还研究了使用四味编号方案与五味编号方案所引起的差异和相对不确定性。 作为现象学的说明，我们将重点放在与第三代标准模型结合射流耦合的类矢量夸克的生产上，并假设与量规和希格斯玻色子进行标准耦合。

在这封信中，我们补充了先前对强子碰撞中矢量媒介介子光产生的研究，对LHC在pA碰撞中ρ和J /Ψ光产生中的t谱进行了全面分析。 我们计算胶体饱和效应的两个现象学模型，并计算pPb和pCa碰撞的预测，计算差分截面。 此外，我们将我们的预测结果与最新的CMS初步数据进行了对比，以得出专门的ρ摄影作品。 我们证明了胶子饱和度模型能够描述小t处的CMS数据。 另一方面，这些模型低估了少数几个总体数据点-t。 我们的结果表明，将来对大t区域的测量将有助于探测t谱中是否存在倾角，并区分胶子饱和效应的不同方法。

最近来自中山大学的学者Tianyu Zeng、Yunong Zhang等学者在ArXiv上发布了他们的一个预测成果，采用一系列数学方法于sigmoid函数、高斯函数和泊松分布和AI神经网络模型来拟合预测，揭示春节前爆发的新型冠毒疫情有可能在2月18日达到拐点和在2020年4月前结束。

有源滤波器的预测电压空间矢量控制，李钢，胡欠欠，实际电网中三相电源电压畸变且不对称，含有大量负序分量，基于瞬时无功功率理论的ip-iq电流检测法将产生误差，因此需要提取出A相正

详情介绍：https://blog.csdn.net/s1t16/article/details/128898122 为对股票价格的涨跌幅度进行预测，本文使用了基于长短期记忆网络(LSTM)的方法。根据股票涨跌幅问题， 通过对股票信息作多值量化分类，将股票预测转化成一个多维函数拟合问题。将股票的历史基本交易信息作为特征输入，利用神经网络对其训练，最后对股票的涨跌幅度做分类预测。

Python基于LSTM模型实现预测股市源代码+模型+数据集

粒子群算法PSO优化LSSVM最小二乘支持向量机惩罚参数c和核函数参数g，用于回归预测，有例子，易上手，简单粗暴，直接替换数据即可。 仅适应于windows系统。 质量保证，完美运行。 本人在读博士研究生，已发表多篇sci，非网络上的学习代码，不存在可比性。

内容概要：引入气象因子用于光伏出力预测，增加预测精度。 仿真平台：Matlab

粒子群算法(PSO)优化双向长短期记忆神经网络的数据回归预测，PSO-BiLSTM回归预测，多输入单输出模型。 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。