积分：411
上传文件：5
下载次数：23
注册日期：2019-12-24 18:52:52
上传列表：
一种非平稳非线性频谱占用度时间序列分析方法.rar - 针对传统频谱占用度分析模型由于未考虑序列的非线性非平稳特性，导致无法准确描述频谱占用度特性的问题，该文提出将集合经验模式分解( EEMD) 方法与人工神经网络( ANN) 的方法结合应用于频谱占用度时间序列建模方法中，采用 EEMD + ANN 的频谱占用度序列建模和预测方法． 首先应用 EEMD 分解算法把原始频谱占用度时间序列分解成不同尺度的基本模态分量，再根据不同尺度的基本模态分量分别构建 ANN 模型，提高了模型针对复杂频谱占用度时间序列的学习能力． 结合实测数据分析，表明该模型相对传统频谱占用度模型具有更高的拟合和预测精度，验证了该方法的正确性与有效性．,2019-12-24 19:07:23,下载2次
小波变换和混沌理论在股市预测中的应用.rar - 应用小波变换和混沌理论相结合的方法对股票市场进行预测 ,即先对股指时序进行小波分解 ,然后对分解得到的高、低频部分分别进行混沌预测 ,再将预测的结果进行小波重构 ,得到原时序的预测结果。 在此基础上应用小波和混沌理论提出进一步提高预测精度的方法 ,即通过对高频部分再进行小分解、混沌预测和小波重构而使高频部分的预测精度得以提高 ,进而提高原始时序的预测精度。,2019-12-24 19:06:19,下载2次
结构分解视角下股市波动与政策事件关系的实证研究.rar - ＥＥＭＤ 作为前沿的时频分析方法，反映序列自身的尺度特征，通过对序列进行自适应分解，可以揭示序列波动的内在结构特征。本文采用 ＥＥＭＤ 方法分析上证综指发现上证综指主要是由高频分量、低频分量和趋势项分量组合而成，国内股市频繁剧烈的波动主要体现在高频分量和低频分量水平上。,2019-12-24 19:05:21,下载0次
一种基于双通道CNN和LSTM的短期光伏功率预测方法.rar - 针对传统光伏功率预测特征提取不足导致预测精度不高的问题，提出一种双通道网络
模型进行光伏功率预测。首先将光伏功率历史数据进行归一化处理，再将数据送入两个并行的卷积神经网络( Convolutional Neural Network，CNN) 进行特征提取，经融合层融合送入长短期记忆网络( Long Short-Term Memory，LSTM) 进行光伏功率预测。采用地中海气候光伏发电数据集进行测试，结果表明所提出的方法与单通道网络相比平均绝对误差( Mean-Absolute Error，MAE) 减小了 12. 3%，均方根误差( Ｒoot-Mean-Square Error，ＲMSE) 减小了 3%，实现了更高的预测精度。,2019-12-24 19:00:57,下载22次
基于深度学习的瓦斯时间序列预测与异常检测.rar - 关于EMD的一篇文献，比较值得阅读，比较值得阅读,2019-12-24 18:58:45,下载0次
近期下载：
收藏：