论文部分内容阅读
基于深度学习和网络大数据的金融时间序列分析及预测
【出 处】
:
四川师范大学
【发表日期】
:
2022年01期
其他文献
高精度光学元件广泛应用于各种仪器设备的光电系统中,光学元件的抛光工艺由于材料去除率低,极大制约了元件生产周期,因此开发一套低成本、高效率和高精度的光学元件快速抛光系统具有重要意义。对比其他计算机控制光学表面成型技术(Computer Controlled Optical Surfacing,CCOS),数控式 5 轴气囊抛光技术(Bonnet Polishing,BP)是一种材料去除效率高、稳定性
交通流预测是智能交通系统的关键组件,亦是主动交通管控的重要技术支撑。根据预测的空间范围,可以将交通流预测技术划分为点线级预测和路网级预测两大类。近些年来,随着人工智能技术的突破式发展,基于深度学习的路网级交通流预测成为交通预测领域的一项研究重点与热点课题。面向路网级交通流预测,既有研究仍存在以下三方面不足,使其难以在当前主动交通管控的应用中发挥关键作用。首先,当前大部分研究主要以采集的原始交通流时
为了解决日益严重的交通问题,发展可持续的交通,智能交通系统、智慧交通等概念不断的提出,并在近些年得到了探索和实践。随着数据采集、人工智能等软硬件技术的不断发展,如何利用海量的交通数据来挖掘复杂交通系统的内在规律成为关键问题。近年来,以交通数据为研究对象的采集、分析、挖掘以及预测逐渐成为交通领域的研究重点,并在精细化交通组织与诱导等方面发挥了关键作用。基于以上背景,本文以交通时间序列数据为研究对象,
新冠肺炎、流感等急性呼吸道传染病是人类生存的巨大威胁之一,曾数次影响人类社会的发展进程。构建疫情时空传播模拟模型是理解疫情传播关键因素、预测传染病扩散态势、科学制定各项空间相关防控措施的有效手段,已被广泛应用于疫情风险评估与干预方案制定的科学决策中。对于人口稠密、就业密集、经济发达、休闲娱乐活动活跃的大型城市,急性呼吸道传染病的传播得到促进和扩大,防控压力巨大。因此,构建城市内部急性呼吸道传染病疫
电力设备是电力系统的基石,由于红外检测技术具有非接触式检测等优势,电网公司常利用红外检测技术对电力设备定期进行人工巡检。然而目前人工巡检效率低下,且易受巡检人员的主观经验和工作时间影响,从而出现对电力设备状态误判的情况,这将难以满足未来大量电力设备红外数据实时处理的需求。另外,电力设备红外图像检测和识别过程中仍存在较多的问题,如红外图像对比度低、电力设备相互遮挡和图像中正负样本不平衡等。本文基于以