简介：

简介：摘要：在线拍卖是当下流行的网购方式，拍卖成交价衡量着拍卖结果，分析拍卖成交价格的影响因素备受研究人员的关注。网上拍卖属于新型电子商务模式，它有着成本低、快捷、使用广泛的优势。从交易模型可知，网上拍卖作为价格理论和供需理论的实践者，核心内容是价格竞争，它也使消费者和生产者间进行互动和交流，明确数量和价格，实现均衡市场经济的过程。本文主要阐述网上拍卖的流程、用户购买行为和商品特征，探究拍卖的理论模型、价格水平和拍卖议价方式，仅供参考。

简介：摘要：随着“碳中和”的理念在电力行业的贯彻落实，光伏发电作为清洁环保的能源形式越来越受到重视。光伏设备的使用寿命有限，并且存在明显的衰退趋势。针对光伏设备故障及其对电网负荷的冲击问题，光伏设备的故障诊断研究愈发重要。通过构建完整的光伏设备故障模型，进而设计光伏设备全生命周期管理体系，可以实现对光伏设备的健康管理，保障光伏发电系统的安全稳定运行。

简介：摘要：区别于传统的基于单车历史数据的时间序列预测模型，本文创新性的引入了高德地图POI数据，将共享单车运营数据与POI数据通过真实地理坐标关联起来，并使用了机器学习方法，搭建并训练了多层神经网络模型来对POI数据与单车数据进行学习，挖掘二者之间的潜在关系，用于进行区域单车出发量和到达量的预测。使用了相关系数R2和均分误差MSE来对模型预测结果进行评价，模型在测试集上R2可达0.8，而在训练集上可达0.95，充分证明模型有效性。

简介：摘要：在现代社会，科学技术的发展取得了巨大的进步，许多高技术和高技术的产物越来越多地走进了我们的生活当中，同时，许多高技术也被运用到了工程和建筑之中，由于地铁工程所处的地层及周边环境复杂多样，同时，难以预测要想更好地建造地铁车站，做好对基坑的变形监控就显得特别重要。因此，对基坑进行变形预测成为一项必不可少的工作。本文通过具体的工程实践，对地铁车站基坑的预测的布设和数据处理进行了讨论，综合分析了地铁车站基坑预测的整个流程，从而保证了基坑和基坑周边的建筑设施的相对安全。

简介：摘要：以某建筑物基坑观测数据为例，开展了小波及粒子群优化的BP神经网络预计模型的研究。使用小波阈值去噪方法对实际观测时间序列进行去噪处理，对小波去噪前后的数据进行BP神经网络预测模型预测处理并与粒子群优化的BP神经网络预测模型预测数据进行对比分析，结果表明粒子群优化的BP神经网络预测模型预测精度较高。

简介：摘要：

简介：【文章摘要】：目的 肺肉瘤样癌在临床上有几种治疗策略，然而，选择手术或手术联合对该患者预后的影响仍不清楚。

简介：摘要：时间序列是指对同一现象观测或记录到的一组按时间顺序排列起来的统计数据，通过对时间序列进行编制和分析，根据时间序列所反映出来的发展过程、方向和趋势，进行类推或延伸，借以预测下一段时间或以后若干年内可能达到的水平，这种方法称为时间序列预测技术。时间序列预测技术在军事行动序列预测、市场需求预测、发电预测、区域降水量预测等军事、经济、工程和自然科技等领域，具有重要意义。

简介：摘 要：为更精确高效地实现沥青混合料劈裂强度值的有效预测，本研究综合考虑沥青混合料劈裂强度的影响因素，以集料的碱性指标，油石比指标，孔隙率指标以及饱和度指标四项关键指标为基础，以机器学习框架下的卷积神经网络算法为数值手段，建立了大数据驱动模式下的沥青混合料劈裂强度的预测模型，并利用该模型对不同控制指标条件下的沥青混合料劈裂强度进行了有效预测。利用所建立的预测模型对不同指标组合条件下的沥青混合料劈裂强度指标进行预测，其预测结果和实际测试结果十分接近，相对误差均低于0.05，表明所提出模型不仅具有较高的精度特征，且可有效地识别并耦合各输出变量之间的交互作用。该预测模型可为沥青混合料配比设计以及其力学性能的优化提供一定的理论和技术手段支撑。

简介：摘要：建筑物能耗预测对于实现能源高效利用和可持续发展至关重要。传统的能耗预测方法受限于模型复杂度和数据处理能力，在预测准确性和实时性方面存在一定的挑战。本文提出了一种基于深度学习的建筑物能耗预测模型，通过充分利用复杂的建筑数据和深度学习算法，实现了更准确和实时的能耗预测。

简介：摘要：交通大模型是一种基于大数据和人工智能技术的交通模型，通过对海量交通数据进行实时分析和处理，实现对交通状态的精准感知和预测，为交通管理、道路规划和出行服务等提供支持。道路状态预测方法包括数据收集和预处理、特征提取、模型选择和训练、性能评估等步骤。道路状态感知方法包括传感器选择和安装、数据处理和分析、道路状态推理和感知等。这些方法可为交通管理和规划提供实时、准确的道路交通信息。

简介：摘要：本研究综合探讨了电气设备绝缘老化检测技术及其寿命预测模型。首先介绍了电气设备绝缘老化的主要原因及其对设备性能的影响，然后详细分析了常用的绝缘老化检测技术，包括局部放电检测、介电损耗测试等。在此基础上，提出了一种基于数据分析的寿命预测模型，结合了多种监测指标，能够准确预测电气设备的绝缘寿命。该模型具有较高的预测精度和实用性，为电气设备维护提供了重要的技术支持。

简介：

简介：摘要：随着科技的飞速发展和数字化技术的广泛应用，越来越多的行业开始寻求数字化转型以提升效率、优化决策和减少风险。在建筑工程领域，顶管施工是一项关键且复杂的工程活动，涉及到众多因素，如地质条件、设备性能、人员操作等。传统的顶管施工方法往往依赖于经验判断和人工操作，难以实现对施工过程的精确控制和预测。因此，构建顶管施工数字化预测模型具有重要的现实意义和应用价值。

简介：摘要：随着城市交通复杂度的增加，传统的交通流预测方法已难以满足精准化、个性化的交通需求。为此，本文提出了一种基于神经网络的交通流预测模型。在模型设计过程中，考虑到交通流量具有显著的时间序列特性，采用深度学习中的长短期记忆网络（LSTM）进行建模。研究结果表明，与传统方法相比，神经网络模型在准确率和稳定性方面有显著提升。模型不仅能预测整体的交通流量变化趋势，也能准确预测具体路段和时间段的交通流量。此研究为城市交通规划和精细化管理提供了新的技术方案和理论依据，对解决城市交通拥堵问题具有积极的实践意义。

简介：【摘要】 目的 探讨全身麻醉患者复苏延迟危险因素，用列线图可视化构建预测模型。方法 选择浙江某三甲医院复苏室收治1201例全麻患者，按8:2的比例随机分为训练组和验证组。采用单因素分析、Logistic回归分析筛选出全麻患者复苏延迟独立危险因素，根据Logistic回归结果构建模型，采用列线图可视化展示结果。采用受试者操作特征曲线（receiver operating characteristic curve，ROC）下面积检验模型的预测效果，采用验证组数据进行验证。结果 患者年龄≥66岁，普胸外科手术、神经外科手术，麻醉时间≥120分钟为全麻患者复苏延迟独立危险因素。风险预测模型准确值为92.3%，霍斯默-莱梅肖检验P=0.783，受试者操作特征曲线下面积为0.835（95%CI：0.792-0.878）。验证组检验受试者操作特征曲线下面积为0.821（95%CI：0.737-0.909）。结论 本研究构建的预判模型的灵敏度与特异性表现良好，有助于预测全麻患者苏醒延迟的发生，为临床护理干预措施的制定与实施提供参考。

简介：摘要：市场需求预测是企业制定战略计划、优化资源分配和提高市场竞争力的关键环节。统计模型以其精确性和实用性，在市场需求预测中发挥着不可替代的作用。本文旨在探讨统计模型在市场需求预测中的应用，包括模型选择、数据处理、模型评估与优化等方面。通过实际案例分析，本文将展示统计模型如何帮助企业更准确地预测市场需求，以及在实践中需要注意的问题。

简介：摘要：水资源工程中的水文模型与水量预测技术在有效管理和利用水资源方面发挥着至关重要的作用。本研究旨在探讨水文模型的应用及水量预测技术的发展，以提高水资源工程的可持续性和效率。我们详细介绍了水文模型的原理和应用，包括基于物理过程和数据驱动的模型。我们探讨了各种水量预测技术，如时序分析、机器学习和人工神经网络，它们对水资源管理和洪水预警的贡献。

简介：摘要：随着电力市场现货交易的发展，机组负荷变化大，对供热抽汽量产生较大影响，也直接影响供热首站的调整。为满足满足供热公司供热量的要求，同时兼顾机组负荷的调整，本文根据当前环境温度和24小时天气预报气温，实时自动链接至EXCEL表格，以预测环境温度为计算依据，形成总供热量曲线，并以当前机组运行方式、供热抽汽方式确定一、二期供热首站的热量分配比例，形成一、二期供热首站循环水流量分配，以此掌握供热调整提前量，提高供热质量。