SOLAR-STORM2: Solar Flare Forecasting solar storm.xlsx
2024-05-23 16:56:52 7KB 数据集
1
基于模糊理论的城市用水量预测方法研究,刘洪波,邓特刚,用水量预测在城市供水管理中起着极其重要的作用,专家学者也对用水量预测方法进行了大量研究。预测方法的易操作性、结果的高准确
2024-02-26 15:36:58 343KB 首发论文
1
希腊电力负荷预测IPTO 此存储库包含我研究生论文的代码,该论文涉及短期负荷预测,使用希腊独立电力公司提供的每日负荷数据集,在R,RStudio,R-markdown和R-Shiny中开发了预测希腊每小时的电力负荷需求传输运营商(IPTO)-(希腊的AΔΜHΕ) 可以在亚里斯多德大学的论文库中找到我的论文的文档: : ln= ,请原谅我文档中的错误,如果发现任何错误,请通知我 :) 库-依赖关系 数据预处理库 xlsx软件包:install.packages('xlsx') JSONLite :install.packages(“ jsonlite”) lubridate :install.packages('lubridate') 标题:install.packages(“标题”) 功能选择,库:install.package(“ Boruta”) 机器学习图书馆 SV
2023-07-14 12:21:55 14.47MB machine-learning r r-markdown r-shiny
1
系统的(由于要用到的知识多,因此只能是大略介绍,不可能详细)。 下面是我看过的觉得比较好的几本: 230《数学建模与数学实验.第 3 版》赵静, 但琦主编 231《数学建模及其基础知识详解》王文波编著 232《数学建模方法及其应用》韩中庚编著 233《数学建模》Maurice D. Weir, (美) William P. Fox 著 二十一、“数学史”
2023-05-15 15:52:09 429KB math
1
真棒能量预测 有关能源预测的文件,代码和其他资源清单。 竞赛 文件 2020年 Ahmad,W.,Ayub,N.,Ali,T.,Irfan,M.,Awais,M.,Shiraz,M.,&Glowacz,A.(2020年)。 使用改进的支持向量机和极限学习机进行短期电力负荷预测。 Energies,13(11),2907。 Yagli,GM,Yang,D.,Gandhi,O.,&Srinivasan,D.(2020年)。 我们是否可以用卫星衍生的太阳辐照度证明产生单变量机器学习预测是合理的? 应用能源,259,114122。 Yagli,GM,Yang,D.,&Srinivasan,D.(2019年)。 使用机器学习模型进行小时自动太阳预报。 可再生与可持续能源评论,105,487-498。 Ahmed,R.,Sreeram,V.,Mishra,Y.,&Arif,MD(2020)。 对
1
The dataset contains Number of Air passengers of each month from the year 1949 to 1960. We can use this data to forecast the future values and help the business. https://www.kaggle.com/datasets/abhishekmamidi/air-passengers
2023-02-22 16:38:13 27.66MB python
1
经济预测 包含 Python 代码,用于从 Quandl 下载社会经济数据并使用它来预测各国的实际 GDP 增长率。
2023-02-18 13:08:30 943KB Python
1
需求预测在农业、电力、旅游、零售和制造企业等许多行业都具有重要意义,它在每个企业的决策中都起着至关重要的作用。 本文以机器学习为重点,调查了需求预测的各种最新方法。 机器学习技术分为三类,即时间序列分析、基于回归的方法和监督/无监督模型。 讨论了各种机器学习技术的优缺点,并比较了它们的性能指标。 对比掩盖了LSTM有一个显着的结果,但它的计算时间比任何其他方法都要高。 未来研究的另一个领域包括基于回归的方法、混合模型和集成模型。 本研究为读者提供了机器学习领域需求预测的概念。
2023-02-07 00:16:23 544KB Demand Forecasting; Machine Learning;
1
使用机器学习工具预测股价的定向运动已经吸引了大量研究。 定向预测模型中两个最常见的输入特征是股票价格和回报。 前者和后者变量之间的选择通常是主观的。 在本研究中,我们比较了股票价格和回报作为方向预测模型中输入特征的有效性。 我们使用十家美国大盘股公司的 10 年历史数据对两个输入特征进行了广泛的比较。 我们采用四种流行的分类算法作为我们研究中使用的预测模型的基础。 结果表明,股票价格是比回报更有效的独立输入特征。 当我们向输入特征集添加技术指标时,股票价格和回报的有效性相等。 我们得出结论,在预测价格变动方向时,价格通常是比返回值更有效的输入特征。 我们的结果应该有助于对将机器学习模型应用于股票价格预测感兴趣的研究人员和从业者。
2022-11-20 07:02:54 714KB Stock Price Forecasting
1
负荷预测 该项目使用来自 Elia 的免费可用负载时间序列数据,旨在开发强大而准确的方法来提前一天预测 Elia 电网的平均总负载。 已经开发了四种不同的基于机器学习的算法,每种算法都可以通过运行 src 文件夹中的相应脚本来运行。 它们如下: 高斯过程回归 - gpr.py 支持向量回归 - svr.py 加权聚类 - clustering.py Sigmoidal 神经网络-neural.py 脚本所需的数据存储在 src 内的 data 文件夹中。 脚本 analysis.py 提供了可视化 Elia 加载时间序列各个方面的函数。 所有模拟都使用 Visualizer.py 中的方法显示结果预测。 有关 Elia 数据集、算法开发和预测结果的更多详细信息,请查看 writeup 文件夹中的 writeup。 信用: 感谢 Elia 提供的电力负荷数据集。 来源: :
2022-10-29 15:49:36 5.78MB Python
1