计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2011年
26期
135-139
,共5页
数据流%在线预测%经验模式分解%径向基神经网络%链式可重写窗口
數據流%在線預測%經驗模式分解%徑嚮基神經網絡%鏈式可重寫窗口
수거류%재선예측%경험모식분해%경향기신경망락%련식가중사창구
时间序列数据流中蕴含了大量潜在信息,可以作为智能决策的依据.研究时间序列数据流的变化趋势,预测其未来一段时间的可能值,能够为当前的决策提供重要的支持.提出用链式可重写窗口技术代替传统的滑动窗口技术,并结合经验模式分解和径向基神经网络建立时间序列数据流在线预测模型-Online DSPM.实验结果表明,与单一时间序列数据流预测模型相比,该模型具有较高的预测精度和校好的模型适应性.
時間序列數據流中蘊含瞭大量潛在信息,可以作為智能決策的依據.研究時間序列數據流的變化趨勢,預測其未來一段時間的可能值,能夠為噹前的決策提供重要的支持.提齣用鏈式可重寫窗口技術代替傳統的滑動窗口技術,併結閤經驗模式分解和徑嚮基神經網絡建立時間序列數據流在線預測模型-Online DSPM.實驗結果錶明,與單一時間序列數據流預測模型相比,該模型具有較高的預測精度和校好的模型適應性.
시간서렬수거류중온함료대량잠재신식,가이작위지능결책적의거.연구시간서렬수거류적변화추세,예측기미래일단시간적가능치,능구위당전적결책제공중요적지지.제출용련식가중사창구기술대체전통적활동창구기술,병결합경험모식분해화경향기신경망락건립시간서렬수거류재선예측모형-Online DSPM.실험결과표명,여단일시간서렬수거류예측모형상비,해모형구유교고적예측정도화교호적모형괄응성.
