LSTM模型相关论文
金融市场中的股票价格具有波动性和复杂性，而如今传统模型很难有效进行股价预测。选取上证指数作为数据集，提出了BP-LSTM模型和ARIMA......
预防冲击地压是煤矿开采过程中面临的重大难题，近些年来随着煤矿开采逐渐由浅层转向深层，我国煤矿发生冲击地压的次数随之增加。冲击......
目的 探讨基于keras的LSTM模型和SARIMA模型预测我国北方省份流感样病例数的可行性，为流感防控工作提供合理的预测方法。方法 利用......
目的 为解决新型冠状病毒肺炎期间流感异常发病率而导致的流感建模预测困难，本研究建立了季节性自回归求和移动平均（seasonal autore......
传统基于规则的web攻击检测方法需要人工设计添加规则，规则较多时消耗的计算资源会增长并降低检测效率，且无法识别未知攻击；近年基于......
探讨Mann-Kendall检验法、差分自回归移动平均模型（Autoregressive Mobile Average Model,ARIMA）与长短期记忆神经网络（Long and Shor......
2020年初大面积爆发了一种由冠状病毒引起的呼吸道传染病,命名为新型冠状病毒肺炎（COVID-19）,这一病毒具有传染性高、传播性强等特点......
土地利用时空格局变化与预测对土地资源管理与优化至关重要。本文基于遥感时空序列数据，协同景观指数与深度学习的长短时记忆网络（Lo......
由于空气质量指数（AQI）时间序列的线性与非线性特征，传统的ARIMA模型对时间序列的建模普遍呈现出一定的局限性，该方法存在着参数选取困......
森林物候是研究气候与环境变化之间关联的重要参量。本研究将光学相机作为近地遥感卫星设备获取森林图像，计算出绝对绿度指数（GEI）数......
针对目前我国抱团股的走势和发展问题，利用时序序列的基本特点，使用了基于长短期记忆网络（long short-term memory，LSTM）的方式对股票的......
为进一步提高电力负荷预测精度,提出了基于LSTM的超短期电力负荷预测模型。针对电力负荷数据,首先建立了LSTM预测模型,然后使用误......
随着商业银行加快数字化建设的步伐,传统的物理网点逐渐推动智能化转型——依靠自助机具来替代传统业务。其中,自助柜员机会替代传......
针对服装销售过程中供求不平衡等问题，提出了一种自回归移动平均（ARIMA）和长短期神经网络（LSTM）相结合的服装流行趋势预测模型。首先，利......
以中国重工业城市包头的建筑碳排放核算和预测为研究对象。碳排放增长的主要因素包括工业、交通和建筑，采用能源平衡表的区域宏观建......
水资源是生命之源、生态之本。中长期径流预报在水资源统筹规划中发挥重要作用。但是气候变化等复杂因素影响径流形成,使径流过程......
我国商品期货交易虽然起步较晚,但是已经具有非常庞大的规模,成交量连续九年居世界前列,因此商品期货投资策略备受关注。本文首先......
探明流域水文气象要素演变规律,掌握流域水循环过程,可为流域水资源管理、水利工程规划建设及库群安全经济运行等提供科学决策支撑......
随着双碳经济的提出，智能电网正朝着节能减排的方向发展，而用户的异常用电造成电力资源严重流失。针对传统异常用电检测方法精度低、......
近年来经济全球化进程受阻,世界经济呈现颓势加上中美贸易摩擦压力增大,我国经济发展的外部环境可以说并不理想,但我国经济依然保......
经济的迅速发展伴随而来的是污染物的大量排放,有限的环境无法负荷剧增的污染物,给整个社会造成了不可计量的损失,环境空气问题成......
中国网络购物市场飞速发展,消费形式的转变已经逐渐被大众接受,大量的线上商城蓬勃发展,给人们生活带来便利的同时也在运营中产生......
近年来,我国人民的需求已经从注重物质消费开始向注重文化消费转变,这促进了我国电影产业的快速发展。然而,随着国外优秀影视作品......
流感作为极易传播的急性呼吸道传染性疾病,它的流行对全球的经济与人类的健康造成了严重的威胁。因此,在对流感的防治的研究是目前......
无线传感器网络（Wireless Sensor networks,WSN）是从感知世界收集数据的主要途径,由若干传感器协同工作,从物理世界种感知和收集目标......
目的 比较差分自回归移动平均（autoregressive integrated moving average model, ARIMA）模型、非线性自回归神经网络（nonlinear auto......
协方差矩阵的建模与预测，对于金融风险管理、投资组合管理等都至关重要。针对时间序列模型对高维变量预测精度较低问题，利用长短记忆......
随着我国经济的高速发展，地方国库库存余额显著性增强，为更好预测国库库存未来余额，提高库存资金使用价值，发挥现金管理操作效能，实验采......
随着互联网信息技术的蓬勃发展,财经新闻文本数据海量增长,这些不断丰富的网络新闻信息逐渐成为影响市场波动的重要因素。股票是当......
变形监测是工程安全监测必不可少的工作,高精度的变形预测预报能够为安全监测提供变形预警.随着对人工智能模型的深入研究,利用神......
排水系统流量预测对于城市水安全、污水厂优化运行具有重要意义.与需要复杂建模和大量地理信息数据的传统水文水力学模型不同,机器......
太湖中的水华爆发对太湖及其沿岸居民造成巨大影响,因此保证提前预测蓝藻密度非常重要.为精确预测太湖蓝藻密度,在长短时记忆网络(......
采用支持向量机、MLP(multilayer perceptron)神经网络、LSTM(long short-term memory)神经网络和GRU(gated recurrent unit)神经......
为了解决现有货车称重技术在实时性、可靠性、便捷性、扩展性和精确性等方面的问题,提出一种基于人工智能方法的货车载重实时估计......
以2010—2019年的沪深300股指期货为对象,收集日收盘价、5分钟收盘价,以及影响波动的5维度89个指标,采用维度删减、间隔采样方法,......
金融市场是国家经济体系中至关重要组成部分,在某种意义上反应了一个国家的经济发展状况。对金融时间序列进行预测一直是众多投资......
据美国期货业协会（FIA）统计,自2015年以来,我国豆粕期货成交量已连续5年位居全球农产品期货第一位,是我国推出较为成功的农产品期货......
近10年来,随着我国经济飞速发展,国债的发行量及成交量呈现爆发式增长。由于国债利率期限结构是债券及其他金融资产定价的重要参考......
心血管疾病Cardio-Vascular Disease（CVD）是全世界主要的死亡原因之一,预计到2025年将有2360万人受到CVD的攻击。因此,医疗保健行业......
供水量预测可为供水系统调度提供数据,还能为水务公司与客户用水需求保持供需平衡提供借鉴,达到节约能耗、提高水资源利用率的目的......
针对海绵城市给排水规划设计中排水性路面建设难、流体管网充满度预测不准确等问题,提出了一种渗透性路面来解决城市内涝问题,并对......
呼叫中心作为通信行业的一部分,随着我国通信行业的迅速发展,为了保持竞争力,呼叫中心必须提供高质量的服务。然而随着多元化大型......
本文基于我国1999—2020年民航客运量的月度数据,分别用传统的统计计量方法(SARIMA模型)和深度学习方法(LSTM神经网络)建立模型,评......
