新手入门必备,可以尝试一下,这里可以直接用自己的数据集替换掉就好了,也可以私信我进行替换!
2023-03-10 15:03:27 275KB 深度学习 时间序列预测
1
论文研究-基于小波-NAR神经网络的气象要素时间序列预测与天气指数彩虹期权估值.pdf,  本文基于小波-NAR神经网络技术,提出气象要素时间序列预测与天气指数彩虹期权估值的原理与方法,同时采用2000——2014年悉尼日均气温和日降雨量数据,进行气象预测与天气期权估值.结果显示:小波-NAR神经网络因灵活的非线性动态结构较好地反映了气象变化特征,其预测与估值效果优于其他模型;该天气期权价值形成中的非线性特征取决于五种经济效应.科学预测天气和估计天气期权价值,开发天气衍生品,可挖掘天气不确定性的经济价值,弱化其对天气敏感产业的影响.
2022-12-14 20:52:58 1.54MB 论文研究
1
可提取解压NAR文件里的文档
2022-12-07 18:37:39 290KB csol nar
1
可将文件打包成NAR文件。
2022-12-07 18:34:19 211KB csol nar 打包
1
用于提取Nar文件(用在csol等游戏里的)的工具nartool的c#版的源码。
2022-07-22 09:07:00 1.39MB NAR
1
它提供了通过 ARIMA 和 NAR 模型预测马来西亚 GDP 的详细工作流程。 在此实时脚本中,它利用内置应用程序(计量经济学建模器和神经网络时间序列)生成预测模型。 此外,它还详细阐述了如何调整参数/超参数以获得最佳拟合模型。 在下一个共享中,我将针对每个步骤更详细地描述我的操作。
2021-10-09 11:18:26 1.83MB matlab
1
独立计量区域(DMA)管理是控制城市供水系统水量漏失的有效方法之一,通过对流入或流出这一区域的水量进行计量,对流量,压力的分析来识别泄漏水模式。 针对问题一,利用拉以达法则进行异常值剔除,运用NAR神经网络模型,结合混沌时间序算法优化模型,建立变种神经网络模型,将异常值剔除后的供水量数据输入神经网络训练,得到供水量拟合趋势曲线。查阅各个典型用水模式的相关供水量数据,作出趋势图,并与拟合后的趋势曲线对比,辨识出该DMA分区的典型用水模式为居民生活(小区)模式。 针对问题二,参考国际水协制定的漏失指数(ILI)性能指标,将供水量-压力进行危险等级划分:A-正常,B-一般异常,C-较异常,D-严重异常,E-源头漏损5类。建立DBSCAN聚类模型,利用逆高斯函数对minPts与EPts值进行优化,得到优化SA-DBSCAN模型。将所有数据放入模型中进行分类,得到异常数据和正常数据。通过SA-DBSCAN模型将异常数据分类,对照等级分类标准,对异常值进行等级量化,得到不同危险等级下的漏水量模式。 针对问题三,参考资料,将供水异常模式分为:明漏,暗漏,源头漏损,供水失窃。建立BP神经网络模型,结合GA遗传算法优化,得到GA-BP神经网络。将问题二中所得的正常数据消除固定数值背景漏水量之后,输入神经网络训练,将异常数据放入网络,得到正常的供水量数据,与原异常数据对比出异常幅度和持续时间,结合辨识出的居民生活(小区)用水模式,识别不同月份异常值产生的模式。四月用水异常模式为供水失窃;五月用水异常模式为明漏、暗漏及源头漏损;六月用水异常模式为明漏和暗漏。
2021-08-23 11:29:27 2.84MB NAR神经网络
1
NAR神经网络实现对时间序列的趋势预测
2021-07-11 16:21:18 2KB 时间序列预测
1
nar文件破解,nar文件破解,nar文件破解,narnar文件破解件破解,
2021-06-30 23:31:24 717KB nar文件破解
1
csolNAR文件打包工具
2021-06-28 11:01:47 1.19MB csolNAR文件打包
1