给大家分享6篇关于时间序列分析的计算机专业论文

今天分享的是关于时间序列分析的6篇计算机毕业论文范文, 如果你的论文涉及到时间序列分析等主题,本文能够帮助到你

基于LSTM的耀斑指数平滑值的短期预测

这是一篇关于耀斑指数平滑值,LSTM,卡尔曼滤波,多步预测,时间序列分析的论文, 主要内容为太阳耀斑是一种剧烈的太阳活动形式,强烈太阳耀斑引起的X射线增强会导致短波无线电衰减,从而影响无线电通信系统、全球定位系统、卫星和航天员的安全,造成大量的经济和商业损失。因此,建立太阳耀斑预报模型对空间天气预报具有重要意义。耀斑指数是对全日面耀斑活动强度的一个量化描述指数,是太阳辐射研究领域中最重要的太阳活动指数之一。相较于其他的太阳活动指数序列,耀斑指数时间序列的突发性更强,预测难度更大。耀斑指数平滑值在减缓了这种波动的同时,保留了耀斑指数的整体趋势。可以通过预测耀斑指数平滑值来达到预测未来一周太阳耀斑整体活动水平的目标。本文首先通过R/S分析法计算了耀斑指数与耀斑指数平滑值的Hurst指数值,表明了耀斑指数平滑值的可预测性,同时耀斑指数平滑值的预测性强于耀斑指数,为后续实验提供了基础。之后选取了适合处理时序序列的长短期记忆网络模型(Long Short-Term Memory,LSTM),从耀斑指数中提取时序信息,通过滑动窗口的方式将预测问题转化为机器学习中的监督问题,来预测未来一周的太阳耀斑指数平滑值。针对耀斑指数平滑值的获取要使用到未来的信息这一问题,提出了基于卡尔曼滤波和长短期记忆网络的耀斑指数平滑值预测模型。首先确定了耀斑指数平滑值预测网络模型的最优超参数,从预测结果中分别提取对第一天到第七天的预测结果进行误差分析,通过平均绝对误差等评价指标对模型预测结果进行定量分析,实验结果表明了本文所提出的预测模型在预测耀斑指数平滑值方面的优越性。通过与LSTM神经网络与循环神经网络(Recurrent Neural Network,RNN)进行对比分析,本文所提出的耀斑指数平滑值预测模型精度更高。最后将本文提出的模型与Spring Boot框架结合,建立了耀斑指数平滑值预测系统。

基于LSTM的耀斑指数平滑值的短期预测

基于组合算法的ATM现金流预测系统研究与开发

这是一篇关于ATM现金流,组合预测算法,时间序列分析,支持向量机,BP神经网络的论文, 主要内容为随着ATM的普及,关于ATM现金流的预测成了各大银行关注的热点和难点问题,为了确保银行在保持良好运营的基础上还能使得利益最大化,所以准确预测ATM中的现金流量对于银行意义重大。由于影响ATM现金流的不确定因素有很多,利用单一的预测算法往往很难满足我们的预测需求,所以本文提出利用组合预测算法来实现ATM现金流的预测。通过对目前国内外ATM现金流预测算法的研究,本文选取了BP神经网络,支持向量机(SVM),时间序列分析(ARIMA)和统计分析四种预测方法作为组合预测算法的预测单项。基于上述四种预测方法的研究发现,BP神经网络存在误差收敛速度慢,学习时间过长的主要原因在于反向传播过程中保持固定的学习率,所以对BP神经网络提出的改进是反向传播过程中对于不同的节点采取不同的学习率。时间序列分析作为统计学中常用的预测模型,在确定模型参数阶段存在人为的误差,所以对时间序列分析(ARIMA)提出误差最小模型最优的动态确定模型参数的改进方法。最后通过具体实验对四种预测方法的预测性能优势做出对比。组合预测算法的实质是结合各单项预测算法的优势,通过系统自动调整组合内各预测单项对应的权值,从而得到一个精确度高、适应性强的预测算法。基于对现有组合预测算法的研究,本文在确定各预测单项权值时提出了指数变权值组合预测法,并通过具体的实验验证了预测相同时间段的现金流数据时组合预测算法的预测精度要优于各单项预测算法。本文的最终目的是结合SpringMVC框架开发出一个以组合预测算法为核心算法的ATM现金流预测系统。通过对预测系统的需求分析以及功能页面的展示,最后总结全文,提出本文研究过程中存在的不足之处以及后续研究的方向,展望未来。

基于数据挖掘的外协件质量控制预测研究

这是一篇关于数据挖掘,时间序列分析,质量控制,质量信息流的论文, 主要内容为企业以质量为本,在汽车生产过程中会用到大量的外协件,其质量对于整车质量有至关重要的影响,如果能够准确预测外协零件质量,对企业提高整车质量意义重大。本文依据上海某汽车公司的实际情况,分析和研究了数据挖掘和时间序列分析在外协件质量控制方面的一些应用。本文针对企业外协件质量控制存在的问题,提出了利用数据挖掘结合时间序列分析的方法对外协件的历史检测数据进行分析、预测。首先,本文引入了数据挖掘和时间序列的概念,介绍了数据挖掘的研究方法和算法,利用分类、关联和聚类算法对历史数据进行处理,建立了外协件质量检测数据仓库;其次,系统的建模引入了时间序列的方法,利用生产实际的外协件质量检测历史数据,建立了应用质量控制的AR模型;最后,我们使用Java程序结合SQL Server 2000数据库,开发了外协件质量信息流管理软件,完成了上海华普外协件质量信息流软件管理平台,基于实际检测的样本数据进行系统建模、分析以及预测零件质量情况。本文的实际内容来源于实际生产,然后又将实际生产和时间序列理论结合在一起,对产生的时间序列进行了合理的分析。本论文的理论通过软件得以实现,并在实际生产中的使用,提高了检验效率,满

厂房除尘防爆系统设计及相关数据分析研究

这是一篇关于粉尘爆炸,时间序列分析,预测,快速DTW,异常检测的论文, 主要内容为涉尘企业在其产品加工过程中伴随粉尘的产生,导致粉尘爆炸事故时有发生。近年来,国家应急管理部针对粉尘防爆问题多次下发相关法律法规文件,旨在进一步控制粉尘爆炸安全事故的发生,涉尘企业则是其重点关注对象。尽管涉尘厂房已配备各类除尘设备,却存在诸如效率低、反馈不及时以及不能统一监管的问题。此外,安全监督部门亦不能及时开展检查、监管的工作,对安全事件难以及时做出反应并处理。本文研究了粉尘防爆相关理论,整理分析了厂房除尘防爆流程中存在的问题,结合实际应用场景的需求,设计实现了一种以物联网为基础的除尘防爆系统,并制定系统各功能模块,主要包括:以不同业务间的独立性对监管区域进行纵向划分,形成区域管理功能;对市政项目进行信息整合与规范化管理而形成项目管理功能;为保障传感监控设备整个生命周期可控而形成设备管理功能;对存在问题的项目实现异地监管,形成任务管理功能;为相关人员提供集地图功能于一体的全局地图统计与监控数据可视化服务的GIS全局地图功能。本系统使用目前业界流行的Spring Cloud架构作为整体方案的技术框架,通过Spring Boot构建服务组件,将各个微服务组件独立开发部署,使得各功能模块满足高内聚低耦合的特点,并通过运用Nginx服务、Tomcat集群、Redis缓存、MySQL集群等技术来提升系统的并发能力、可靠性、可用性。针对除尘防爆系统收集的数据具有的时间特性,本课题基于时间序列分析理论进行研究,通过采集的数据对厂房工况进行异常检测、预测预警等,主要工作包括:1、研究相关时序模型,并选择本文所用的预测模型;2、对历史工况数据进行预处理,使其符合时序模型要求;3、为所用模型确定参数,并进行拟合评估;4、调整优化参数,提升预测效果;5、从时间序列相似性度量切入,研究时间序列异常检测,主要对相似性度量算法DTW进行研究,在分析总结前人的研究的基础上,结合数据特点为时间序列赋予不同权重,并充分利用权重,为DTW算法在相似距离的计算中,提供标识停止计算的上、下界阈值,从而做出改进,提高了计算效率,而后以改进的DTW算法所得的相似距离为依据,进行聚类分析,对时间序列的异常与否进行标记,从而应用于工况异常检测,满足项目工程应用的需求。截至目前,本系统在江苏、广东、重庆等省市地区的多个厂房已安装并稳定运行一年,实现了对涉尘企业厂房生产过程中的工况进行自动监测的功能,满足了监管要求,提高了监管效率,为人民的生命财产安全提供可靠保障,保证企业的生产安全。