7个研究背景和意义示例,教你写计算机时间序列模型论文

今天分享的是关于时间序列模型的7篇计算机毕业论文范文, 如果你的论文涉及到时间序列模型等主题,本文能够帮助到你 一种可穿戴式红外快速响应的体温实时监测系统 这是一篇关于可穿戴式

今天分享的是关于时间序列模型的7篇计算机毕业论文范文, 如果你的论文涉及到时间序列模型等主题,本文能够帮助到你

一种可穿戴式红外快速响应的体温实时监测系统

这是一篇关于可穿戴式,快速响应,异构网络,KNN算法,时间序列模型,实时监测平台的论文, 主要内容为近年来新型冠状肺炎病毒肆虐,人体体温作为病情初步判断的重要标准之一,在防控检疫和健康监测方面具有重要的参考作用。在医院急症科室、重症监护室等场合,往往需要对体温进行实时连续监测,如在患者的腋下、肛门等位置佩戴上测温端子以用于实时连续的体温监测;在ICU心肺手术中,可在患者体内植入测温设备,利用人体循环系统对核心温度进行实时连续测量。以上所述的传统连续测温方式,不仅存在设备昂贵、稀缺等缺点,且对人体有一定的入侵性,可能会使部分患者产生抵触心理。此外,该类测温设备通常采用热导原理进行测温,其温度检测响应速率较为缓慢。根据这类问题,本文设计出一种可穿戴式红外快速响应实时体温监测系统。为满足可穿戴、快响应的需求,本文设计了可穿戴快响应的测温硬件模块,其包括:体温监测终端和异构网络。体温监测终端使用了两个MLX90614_DCC红外温度传感器来组成测温核心模块,温度数组是由MLX90614_DCC中的环境温度和红外温度构成,系统采用分类算法得到两温度之间的关系,达到快速响应测温的目的。数据传输异构网络模块包含Zigbee和GPRS两个部分,其用于实现通信协议的转换、体温数据的打包处理以及无线传输的功能。组建异构网络可实现将内网数据传输至外网的目的,供给后续服务器,即可实现体温数据在线实时处理的相关功能。为满足系统实时在线监测的需求,系统基于Java语言开发了后台数据服务器和Web服务监测平台。系统在服务器内部内嵌了算法,用于在线实时处理数据并将数据保存到后台数据库,并通过Web服务器实现温度数据和预测温度的实时查询功能。内嵌算法采用了基于KNN的异常数据滤除算法,通过训练参数K的数值,对异常温度进行滤除整合,以此来提高温度数据的可靠性;系统采用两个传感器组成测温阵列以达到多点测量的目的并应用分类算法训练,以提高温度数据的精准度;系统采用基于时间序列预测模型ARIMA算法,对用户的体温数据进行训练,通过自相关函数和偏相关函数估算模型的阶数并用AIC与BIC准则进行阶数检验,在确定模型的p,q,d阶数后,根据体温序列的稳定性特征,算法采用矩估计的方法求解p+q+d个未知参数,从而得出算法模型函数。在进行体温预测时,算法模型设置了预测序列置信区间和预测步长,实时对用户的体温变化趋势进行预测;系统基于企业级SSM框架开发了Web服务监测平台,该平台不仅能将界面信息和数据库信息一一对应,还可实现体温的实时在线查询、历史记录查询等功能。最后,系统对红外可穿戴体温采集终端、网关、数据服务器和后台管理系统的整体功能进行功能测试,同时检验了嵌入的数据服务器中KNN异常数据滤除算法和时间序列预测模型ARIMA算法的功能性与准确度,检验了系统的可行性以及测量效果。

企业库存规模预测与可视化系统研究

这是一篇关于钢铁企业,库存预测,时间序列模型,可视化系统,B/S架构的论文, 主要内容为钢铁公司在当今世界趋向数字化、全球化、绿色低碳的国际背景下,承受着巨大的转型升级压力。面对后工业化时代的到来,单位GDP消耗钢材数量持续走弱,加之全球经济增长的放缓、残酷的市场竞争和技术的日新月异,所以钢铁企业要想挺过严冬,自身就要迎难而上,加快产业转型升级和信息化建设的步伐。于是本文从国内一家知名的钢铁集团(宝钢集团)的信息化现状出发,结合国内国外最新的研究技术,展开了从企业库存分析到整个营销实态监控可视化系统的研究与实现。基于本文的研究所取得的库存规模预测模型以及可视化平台方案,对国内其他钢铁企业的信息化建设有重要的推广和指导意义。本文所致力于建立的一套全流程的可视化系统,包括风险预警和营销运营实态监控。由于造成钢铁企业巨额亏损的原因来自于多个方面,其中包括库存成本的增加和采购成本的上升。于是本文的研究从企业库存的分析开始,引入时间序列分析方法作为企业库存分析方法的基本理论,建立预测模型,并以相应模型对企业库存规模作了7~14天的预测,预测所得数据结果触发企业库存风险预警平台所预先设置的预警机制。在建立了企业库存风险预警机制并突破了库存预测模型的关键技术之后,需要把所得到的成果应用到可视化系统整体方案之中。于是本文又对可视化系统方案的整体概况、整体框架和应用进行了重点描述。方案遵循瞄准核心,高度精简的设计原则,让使用者对自己目前关注的库存、营销等信息一目了然;同时通过相关主题的集中可视化展现,为使用者提供更多线索。可视化系统另外还辅以一套成熟完善多媒体智能化多功能会议室系统,以提高协同工作的效率。在本文的可视化系统方案中还对企业的绩效指标进行了详尽的梳理,包括企业关机绩效指标、月度绩效指标、销售经营与库存指标等等。在确定好了指标信息之后,为了能够正确地获得相关指标的数据以达到可视化系统所规划的效果,本文对数据支撑源进行了全面的归纳汇总,以此来保证指标数据的准确可靠。接下来就是分为两个层面的可视化系统的落地实现。第一个层面是系统数据底层的实现,第二个层面是用户应用层和客户端表现层的实现。数据底层的实现是以企业现有数据仓库为依托,在此基础之上构建底层体系架构硬件支撑方案和可视化辅助系统方案,同时对网络的安全性做了充分的考虑。用户应用层和客户端表现层的则采用了 B/S即浏览器和服务器架构,在概况了 B/S架构的实现原理和优越性之后对应用层实现的页面进行了截图说明。文中的资源列表和实现所需设备,既体现了该钢铁企业的信息化现状,又证明了本文的真实性。

基于数据挖掘的快消行业销售预测

这是一篇关于快消行业销售预测,数据挖掘,潜在爆发力模型,时间序列模型,组合预测模型的论文, 主要内容为快速消费品是相对便宜而且快速出售的产品,它具有使用周期短、频率高的特征,例子包括非耐久性商品,如封装食物、饮品、化妆品、非处方药和许多其他消耗品。异于耐用消耗品,使消费者对其进行低成本、多次的购买,非理性消费的概率大。从市场角度看,其特点是高流通量,低边际利润,广分销网络,高库存周转率。根据快速消费品的这些特点,采用数据挖掘与机器学习技术,进行精准的销售预测,对于指导企业生产的方方面面,包括采购生产与库存具有重要意义。本文首先研究提出了针对商品品类销量的分析模型。针对商品品类层次,对于商品过往形成的销量序列,提出的分析模型旨在侦测已形成序列,洞察序列规律,对商品汇聚到品类层次,进行序列分析,包含潜在爆发力模型和季节性量化模型,分别对品类商品未来趋势和季节性进行量化研究。爆发力模型研究潜在爆发力大小,对品类商品未来爆发力进行量化分析。季节性量化模型,基于序列的季节性分解、信噪比提出季节性大小算法,从而量化分析季节性强弱。针对单一商品销量预测,本文针对不同类型的商品运用了不同模型来分类预测。首先,提出了一种基于时间序列模型销售预测方法。快速消费品是一类特殊的商品,与耐用消费品有很大的不同,快速消费品消耗量大,消耗速度快,消费周期短,且很多快速消费品的消费具有季节性。针对快速消费品的这些特点,本文采用时间序列预测技术,分析快消品的季节性,研究了基于季节性ARIMA时间序列的销售预测模型,并提出自动化的调整参数方法,实现销售预测。快消品本身的快速消费的特点决定了,促销活动对商品的销量起到很大的决定性作用,当前各大快消品企业也在进行层出不穷的各类促销活动。于是本文提出了对应于外部变量与历史销售自身数据规律的精准销量预测组合模型。对于历史销售数据,采用以时间序列为主的统计分析方法,分解出趋势性、季节性、周期性,基于时间序列模型预测未来销量;同时,对于变动的市场信息,商业环境,外部因素,采用回归建模分析,具体量化分析市场营销效应,外部环境等与销量错综复杂的交互关系;然后提出组合模型对未来销量进行预测。基于以上研究成果,本文设计与实现针对企业海量数据需求,设计了快消行业销售预测系统。系统采用B/S模式和多层架构,实现了无促销商品和有促销商品两种销售模型与方法。本文采用企业实际数据进行了实验与测试,结果表明,所实现的两种模型分别预测准确率达到79%和84%,预测系统运行平稳,达到预期目标。

企业库存规模预测与可视化系统研究

这是一篇关于钢铁企业,库存预测,时间序列模型,可视化系统,B/S架构的论文, 主要内容为钢铁公司在当今世界趋向数字化、全球化、绿色低碳的国际背景下,承受着巨大的转型升级压力。面对后工业化时代的到来,单位GDP消耗钢材数量持续走弱,加之全球经济增长的放缓、残酷的市场竞争和技术的日新月异,所以钢铁企业要想挺过严冬,自身就要迎难而上,加快产业转型升级和信息化建设的步伐。于是本文从国内一家知名的钢铁集团(宝钢集团)的信息化现状出发,结合国内国外最新的研究技术,展开了从企业库存分析到整个营销实态监控可视化系统的研究与实现。基于本文的研究所取得的库存规模预测模型以及可视化平台方案,对国内其他钢铁企业的信息化建设有重要的推广和指导意义。本文所致力于建立的一套全流程的可视化系统,包括风险预警和营销运营实态监控。由于造成钢铁企业巨额亏损的原因来自于多个方面,其中包括库存成本的增加和采购成本的上升。于是本文的研究从企业库存的分析开始,引入时间序列分析方法作为企业库存分析方法的基本理论,建立预测模型,并以相应模型对企业库存规模作了7~14天的预测,预测所得数据结果触发企业库存风险预警平台所预先设置的预警机制。在建立了企业库存风险预警机制并突破了库存预测模型的关键技术之后,需要把所得到的成果应用到可视化系统整体方案之中。于是本文又对可视化系统方案的整体概况、整体框架和应用进行了重点描述。方案遵循瞄准核心,高度精简的设计原则,让使用者对自己目前关注的库存、营销等信息一目了然;同时通过相关主题的集中可视化展现,为使用者提供更多线索。可视化系统另外还辅以一套成熟完善多媒体智能化多功能会议室系统,以提高协同工作的效率。在本文的可视化系统方案中还对企业的绩效指标进行了详尽的梳理,包括企业关机绩效指标、月度绩效指标、销售经营与库存指标等等。在确定好了指标信息之后,为了能够正确地获得相关指标的数据以达到可视化系统所规划的效果,本文对数据支撑源进行了全面的归纳汇总,以此来保证指标数据的准确可靠。接下来就是分为两个层面的可视化系统的落地实现。第一个层面是系统数据底层的实现,第二个层面是用户应用层和客户端表现层的实现。数据底层的实现是以企业现有数据仓库为依托,在此基础之上构建底层体系架构硬件支撑方案和可视化辅助系统方案,同时对网络的安全性做了充分的考虑。用户应用层和客户端表现层的则采用了 B/S即浏览器和服务器架构,在概况了 B/S架构的实现原理和优越性之后对应用层实现的页面进行了截图说明。文中的资源列表和实现所需设备,既体现了该钢铁企业的信息化现状,又证明了本文的真实性。

人工智能在互联网保险公司中的应用研究——以众安保险为例

这是一篇关于互联网保险公司,人工智能,众安保险公司,时间序列模型的论文, 主要内容为随着5G、大数据、人工智能等新型基础设施的快速发展,人工智能技术与互联网保险业的融合发展不断深化,并成为保险业培育竞争新优势,提升核心竞争力,升级价值链,提高服务质量和效率的重要抓手。自2017年人工智能首次被写入政府工作报告至今,国内互联网保险公司在保险定价、保险承保、保险营销、保险核赔等领域应用机器学习、知识图谱等人工智能核心技术取得了较显著的成效。但同时还存在技术不够成熟、监管不足、信息安全遭受威胁等问题和挑战。因此,本文运用理论分析与典型案例分析相结合的方法对人工智能在互联网保险公司中的应用进行研究,不仅可以丰富已有的研究内容,而且能为相关互联网保险公司提供理论指导和方法借鉴,因而具有一定的理论价值和实践意义。本文的主要研究内容分六个方面:首先,运用文献研究法对国内外学者对人工智能在互联网保险公司中的应用研究进展进行全面分析和梳理,旨在掌握已有的研究成果和存在的不足,进而明晰接下来的研究方向和领域;其次,对人工智能、互联网保险公司等相关概念进行界定,对人机交互、知识图谱、价值链等相关理论进行介绍和分析,为接续的研究提供理论基础支持;第三,较全面分析了国内互联网保险公司在智能营销、智能客服、智能承保、智能理赔、智能反欺诈业务流程中应用人工智能所取得的成效和存在的不足;第四,以我国第一家互联网保险科技公司--众安保险为例,进行案例研究,从营销、客服、承保、核赔、反欺诈风控五个方面分析了人工智能在众安保险公司中的应用情况并分析其所取得的成就及所面临的问题;第五,运用时间序列模型实证分析人工智能应用对众安保险的影响,并得出人工智能的应用会对众安保险公司的营业收入和投保人数产生正向影响,但对企业净利润产生负向影响的小结。最后,结合理论分析和实证分析得出相关结论,并从监管、技术、人才、产品、服务等角度提出针对性的对策建议。

一种可穿戴式红外快速响应的体温实时监测系统

这是一篇关于可穿戴式,快速响应,异构网络,KNN算法,时间序列模型,实时监测平台的论文, 主要内容为近年来新型冠状肺炎病毒肆虐,人体体温作为病情初步判断的重要标准之一,在防控检疫和健康监测方面具有重要的参考作用。在医院急症科室、重症监护室等场合,往往需要对体温进行实时连续监测,如在患者的腋下、肛门等位置佩戴上测温端子以用于实时连续的体温监测;在ICU心肺手术中,可在患者体内植入测温设备,利用人体循环系统对核心温度进行实时连续测量。以上所述的传统连续测温方式,不仅存在设备昂贵、稀缺等缺点,且对人体有一定的入侵性,可能会使部分患者产生抵触心理。此外,该类测温设备通常采用热导原理进行测温,其温度检测响应速率较为缓慢。根据这类问题,本文设计出一种可穿戴式红外快速响应实时体温监测系统。为满足可穿戴、快响应的需求,本文设计了可穿戴快响应的测温硬件模块,其包括:体温监测终端和异构网络。体温监测终端使用了两个MLX90614_DCC红外温度传感器来组成测温核心模块,温度数组是由MLX90614_DCC中的环境温度和红外温度构成,系统采用分类算法得到两温度之间的关系,达到快速响应测温的目的。数据传输异构网络模块包含Zigbee和GPRS两个部分,其用于实现通信协议的转换、体温数据的打包处理以及无线传输的功能。组建异构网络可实现将内网数据传输至外网的目的,供给后续服务器,即可实现体温数据在线实时处理的相关功能。为满足系统实时在线监测的需求,系统基于Java语言开发了后台数据服务器和Web服务监测平台。系统在服务器内部内嵌了算法,用于在线实时处理数据并将数据保存到后台数据库,并通过Web服务器实现温度数据和预测温度的实时查询功能。内嵌算法采用了基于KNN的异常数据滤除算法,通过训练参数K的数值,对异常温度进行滤除整合,以此来提高温度数据的可靠性;系统采用两个传感器组成测温阵列以达到多点测量的目的并应用分类算法训练,以提高温度数据的精准度;系统采用基于时间序列预测模型ARIMA算法,对用户的体温数据进行训练,通过自相关函数和偏相关函数估算模型的阶数并用AIC与BIC准则进行阶数检验,在确定模型的p,q,d阶数后,根据体温序列的稳定性特征,算法采用矩估计的方法求解p+q+d个未知参数,从而得出算法模型函数。在进行体温预测时,算法模型设置了预测序列置信区间和预测步长,实时对用户的体温变化趋势进行预测;系统基于企业级SSM框架开发了Web服务监测平台,该平台不仅能将界面信息和数据库信息一一对应,还可实现体温的实时在线查询、历史记录查询等功能。最后,系统对红外可穿戴体温采集终端、网关、数据服务器和后台管理系统的整体功能进行功能测试,同时检验了嵌入的数据服务器中KNN异常数据滤除算法和时间序列预测模型ARIMA算法的功能性与准确度,检验了系统的可行性以及测量效果。

企业库存规模预测与可视化系统研究

这是一篇关于钢铁企业,库存预测,时间序列模型,可视化系统,B/S架构的论文, 主要内容为钢铁公司在当今世界趋向数字化、全球化、绿色低碳的国际背景下,承受着巨大的转型升级压力。面对后工业化时代的到来,单位GDP消耗钢材数量持续走弱,加之全球经济增长的放缓、残酷的市场竞争和技术的日新月异,所以钢铁企业要想挺过严冬,自身就要迎难而上,加快产业转型升级和信息化建设的步伐。于是本文从国内一家知名的钢铁集团(宝钢集团)的信息化现状出发,结合国内国外最新的研究技术,展开了从企业库存分析到整个营销实态监控可视化系统的研究与实现。基于本文的研究所取得的库存规模预测模型以及可视化平台方案,对国内其他钢铁企业的信息化建设有重要的推广和指导意义。本文所致力于建立的一套全流程的可视化系统,包括风险预警和营销运营实态监控。由于造成钢铁企业巨额亏损的原因来自于多个方面,其中包括库存成本的增加和采购成本的上升。于是本文的研究从企业库存的分析开始,引入时间序列分析方法作为企业库存分析方法的基本理论,建立预测模型,并以相应模型对企业库存规模作了7~14天的预测,预测所得数据结果触发企业库存风险预警平台所预先设置的预警机制。在建立了企业库存风险预警机制并突破了库存预测模型的关键技术之后,需要把所得到的成果应用到可视化系统整体方案之中。于是本文又对可视化系统方案的整体概况、整体框架和应用进行了重点描述。方案遵循瞄准核心,高度精简的设计原则,让使用者对自己目前关注的库存、营销等信息一目了然;同时通过相关主题的集中可视化展现,为使用者提供更多线索。可视化系统另外还辅以一套成熟完善多媒体智能化多功能会议室系统,以提高协同工作的效率。在本文的可视化系统方案中还对企业的绩效指标进行了详尽的梳理,包括企业关机绩效指标、月度绩效指标、销售经营与库存指标等等。在确定好了指标信息之后,为了能够正确地获得相关指标的数据以达到可视化系统所规划的效果,本文对数据支撑源进行了全面的归纳汇总,以此来保证指标数据的准确可靠。接下来就是分为两个层面的可视化系统的落地实现。第一个层面是系统数据底层的实现,第二个层面是用户应用层和客户端表现层的实现。数据底层的实现是以企业现有数据仓库为依托,在此基础之上构建底层体系架构硬件支撑方案和可视化辅助系统方案,同时对网络的安全性做了充分的考虑。用户应用层和客户端表现层的则采用了 B/S即浏览器和服务器架构,在概况了 B/S架构的实现原理和优越性之后对应用层实现的页面进行了截图说明。文中的资源列表和实现所需设备,既体现了该钢铁企业的信息化现状,又证明了本文的真实性。

本文内容包括但不限于文字、数据、图表及超链接等)均来源于该信息及资料的相关主题。发布者:毕设港湾 ,原文地址:https://m.bishedaima.com/lunwen/53216.html

相关推荐

发表回复

登录后才能评论