CNN-LSTM组合预测模型，输入数据是多列输入，单列输出的回归预测模型，代码内部有基本注释，替换数据就可以使用，版本需求是2020及以上

基于动态分类器集成选择和GM(2,1) 的组合预测模型，王江满，张艳菊，由于突发性事件预测过程中往往存在研究样本数据少或者数据缺失的情况，基于分类器集成技术，建立DCESM模型弥补数据缺失的不足，再�

为探讨变权组合预测模型在区域生态风险预测中的应用，该文以黑龙江省大庆市为研究对象，利用该市 1976 .1988 .1992 ,1996,2001,2003年各年的TAI遥感影像数据，以GIS技术为数据集成分析平台，获取了20余年不同时期的土地利用信息．在此基础上，引入层次分析法，确定不同土地利用类型的生态风险权重，构造各土地利用类型不同时段的综合生态风险指数，采用基于回归预测法、灰色预测法和神经网络预测法的变权组合预测方法模拟了大庆市2010年生态风险程度空间分布预测图．结果表明，生态风险指数的空间分布

摘要：近年来研究表明，组合预测方法比单一预测具有更高的预测精度。提出了一种利用改进的Elman神经网络修正ARIMA模型预测结果的短期风速组合预测模型。 　　先利用ARIMA模型对风速进行预测，其线性规律信息包含在时间序列预测结果中，非线性规律包含在预测误差中。再将ARIMA模型的预测误差及历史风速一阶差分序列作为改进的Elman神经网络输入变量，将ARIMA模型的风速预测误差作为输出变量。将ARIMA模型预测结果与Elman神经网络的误差预测结果叠加，得到终修正后的预测风速。分析结果表明，该方法与单一ARIMA方法及其他组合方法相比，预测滞后性更小，预测精度更高，在风速预测领域具有较好的应

针对中长期电量预测可使用的相关历史数据较少、影响因素较为复杂等特点，提出一种基于改进GM（1，1）和支持向量机的优化组合预测模型。该模型将改进灰色预测模型和支持向量机模型进行组合，采用蛙跳寻优算法求取组合预测模型中各单一模型的权重，构建基于蛙跳优化的组合预测模型。将优化后的组合预测模型应用于我国中长期电量预测，选择我国1991-2005年电量进行分析，对2006-2010年的电量进行预测，并与一般组合预测模型及各单一模型进行比较。研究结果表明：本文方法得到的电量平均相对误差为2.06%，比等权组合预测模型

最优组合预测模型在中国天然气需求预测中的应用.pdf

摘要：本文在分析了神经网络、灰系统和时间序列预测模型的基础上,设计了将其中两种模型组合的预测方法。该方法的主要思想是利用回归预测思想将预测分为因素预测和结果预测两部分,并分别采用不同预测模型进行预测,从而达到提高预测精度的目的。利用该方法对吉林省近期的生猪价格进行预测,实验结果表明,该方法比单个预测方法有更好的预测效果,并且通过对不同组合的实验结果的分析发现,灰系统与神经网络相结合的方法具有更高的预测精度。

 

磷虾群算法改进的基于SVR-ARMA组合预测模型的ORP预测

行业分类-旅游装备-一种旅游数据最优权组合预测模型.zip

矿井瓦斯涌出量受众多因素的影响。经研究表明,煤层埋藏深度、煤层厚度、煤层瓦斯含量、煤层间距、日进度及日产量是影响瓦斯涌出的主要因素。利用多元线性回归和BP神经网络理论,分别对矿井瓦斯涌出量进行了预测,最后建立了多元线性回归与BP神经网络的组合预测模型。该模型兼顾了多元回归分析的非线性特性和神经网络的时序特性,通过具体的实例研究,对比了各种方法的预测结果。结果显示,组合预测的结果与实际有较高的拟合度,可靠性高。