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: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】 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: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。