【時序預測】Transformer模型在時間序列預測領域的應用 
使用普通的Transformer進行時間序列預測時，經常會出現(xiàn)預測的數(shù)據(jù)分布和真實分布存在比較大的gap。這主要是由于Transformer在進行預測每個時間點是獨立的利用attention預測的，這個過程中可能會忽略時間序列整體的屬性。
4351 3 2
牛頓家的計算機 ??? 3年前
考慮多因素影響的光伏發(fā)電功率智能預測研究 
摘 要：為了提高光伏發(fā)電功率預測精度，減少光伏發(fā)電功率預測誤差，提出考慮多因素影響的光伏發(fā)電功率智能預測方法。
4291 1 1
能源阿陽 ??? 2年前
分類預測 | MATLAB實現(xiàn)WOA-CNN-LSTM-Attention數(shù)據(jù)分類預測 
')xlabel('預測樣本')ylabel('預測結果')string = {'訓練集預測結果對比'; ['準確率=' num2str(error1) '%']};title(string)gridfigureplot(1: N, T_test, 'r-*', 1: N, T_sim2, 'b-o', 'LineWidth', 1)legend('真實值', '預測值')xlabel('預測樣本
2803
Matlab心得交流 ??? 2年前
25針對西班牙風場數(shù)據(jù)進行風場風速預測和功率預測，也可根據(jù)自己的數(shù)據(jù)帶入模型進行結果分析。 
針對西班牙風場數(shù)據(jù)進行風場風速預測和功率預測，也可根據(jù)自己的數(shù)據(jù)帶入模型進行結果分析。程序所用算法包括花授粉優(yōu)化算法（FPA）優(yōu)化BP，優(yōu)化ELM,進行預測，先對數(shù)據(jù)進行VMD或EEMD,CEEMDAN等方法分解，然后進行輸入模型預測。模型以調通，可直接運行。基于matlab平臺。標價為程序價格，不包含售后。
2082
matlab應用與學習 ??? 2年前
25針對西班牙風場數(shù)據(jù)進行風場風速預測和功率預測，也可根據(jù)自己的數(shù)據(jù)帶入模型進行結果分析。 
針對西班牙風場數(shù)據(jù)進行風場風速預測和功率預測，也可根據(jù)自己的數(shù)據(jù)帶入模型進行結果分析。程序所用算法包括花授粉優(yōu)化算法（FPA）優(yōu)化BP，優(yōu)化ELM,進行預測，先對數(shù)據(jù)進行VMD或EEMD,CEEMDAN等方法分解，然后進行輸入模型預測。模型以調通，可直接運行。基于matlab平臺。標價為程序價格，不包含售后。
1986
explicit ??? 2年前
使用線性回歸預測降雨量 
訓練模型后，它可用于預測新輸入值的降雨量。可以使用各種指標來評估模型的性能，例如決定系數(shù) （R^2）、均方誤差 （MSE） 和均方根誤差 （RMSE）。總之，線性回歸是一種簡單而有效的技術，可用于根據(jù)歷史數(shù)據(jù)預測降雨量。該過程包括收集和預處理數(shù)據(jù)、定義假設函數(shù)、訓練模型以及評估其性能。先決條件：線性回歸 降雨預測是科學技術用于預測一個地區(qū)的降雨量的應用。
2447 3 1
仿真資料吧 ??? 1年前
鋼材斷裂預測中的VGM模型和CVGM模型參數(shù)如何標定？
個人要做腐蝕鋼材VGM及CVGM的斷裂預測模擬，但是只能得到腐蝕鋼材的單軸拉伸試驗數(shù)據(jù)，不知能否基于該試驗數(shù)據(jù)，對斷裂預測模型參數(shù)進行標定，為后續(xù)的有限元分析提供斷裂預測的基礎。1、分析中，是否確定模型參數(shù)后，就能直接應用VGM及CVGM模型進行斷裂預測；2、能否僅通過鋼材試件的單軸拉伸材料屬性及有限元分析，對材料的VGM及CVGM參數(shù)進行標定；抑或是需要更多的試驗數(shù)據(jù)。
2499 2 2
TY_8459 ??? 2年前
鋰離子動力電池壽命預測的研究進展 
融合技術法 由于融合技術法克服了模型法預測和數(shù)據(jù)驅動法預測的局限性，很多研究人員更加青睞于用融合技術法來預測電池剩余壽命，可以提高預測的準確性。范立明等通過將退化物理模型與粒子濾波算法融合的方法來對電池的剩余壽命進行預測，預測誤差僅為1.97%。
2612 1
駕駛哥 ??? 3年前
【AICFD案例教程】PCB多變量AI預測分析 
一、概 要1）案例描述AI預測是軟件的特色模塊之一，可以解決工業(yè)仿真設計空間探索的時效問題。本案例針對某PCB板，對入口速度為3m/s、溫度為280K時進行數(shù)值預測。預測結果見后處理-結果對比。2）網格整體網格為四面體非結構網格，網格數(shù)量11萬。
2322 7
天洑軟件 ??? 2年前
【AI+波浪補償】AR模型實時船舶運動預測中的尺度效應 
通過對未來幾秒內船舶運動的實時預測，提高了操作的安全性和效率，并在貨物轉運過程中有效避免了貨物碰撞，提高了艦載武器系統(tǒng)的射擊精度。自20世紀50年代以來，船舶運動實時預測得到了廣泛的研究。在過去的幾十年里，人們發(fā)展了各種各樣的方法。預測模型分為三類:基于流體動力學的預測方法、經典時間序列預測模型和非線性智能學習預測模型。
2449 1 1
海工 ??? 3年前
【AICFD案例操作】潛艇阻力AI預測分析 
圖5-1 模型訓練 ① 雙擊 求解> 求解模型，打開AI預測開關，輸入值：3.043； ② 單擊應用按鈕，程序自動加載預測結果，如圖所示。 圖5-2 結果預測 2）求解結果更新及導入雙擊樹節(jié)點 報告> 力，設置方向參數(shù)，選取區(qū)域面列表中hull，單擊應用，讀取升阻力數(shù)據(jù)。
2269
天洑軟件 ??? 2年前
2-13 基于matlab的電力負荷預測 
基于matlab的電力負荷預測，論文闡述了負荷預測的應用研究現(xiàn)狀，概括了負荷預測的特點及其影響因素，歸納了短期負荷預測的常用方法，并分析了各種方法的優(yōu)劣；采用最小二乘支持向量機（LSSVM）模型，根據(jù)浙江臺州某地區(qū)的歷史負荷數(shù)據(jù)和氣象數(shù)據(jù)，總結了負荷變化的規(guī)律性。LSSVM中的兩個參數(shù)對模型有很大影響，而目前依然是基于經驗的辦法解決。
2443 7
matlab應用與學習 ??? 1年前
Moldex3D模流分析之競流效應預測 
(以上模擬必須配備Moldex3D MCM 模塊 )特色表面缺陷預測? 縫合線預測? 包封預測? 遲滯(Hesitation)或競流效應預測等逃氣設定與澆口位置 (精靈模式)? 從充填流動驗證逃氣設計可靠度? 可以指定初始氣壓? 單/多澆口快速建議適當位置? 可指定使用澆口或非澆口的進膠區(qū)域冷流道 & 熱流道? 預測流道設計平衡性
2267
Moldex3D 中國 ??? 10月前
OptiSystem應用：通過機器學習預測系統(tǒng)性能 
c） 實際Q因子與預測Q因子的對比d） 實際Q因子與預測Q因子的誤差e） 實際最小BER與預測最小BER的誤差圖6 神經網絡測試結果導入一個眼圖，如圖7所示：圖7.導入需要預測的眼圖運行預測功能，結果如圖8：圖8.神經網絡預測的系統(tǒng)性能
2165
追光ing ??? 8月前
一種基于目標的可解釋的自動駕駛預測和規(guī)劃策略 
本文提出的車輛軌跡預測方法 基于前序分析，可以說預測其他車輛的意圖和行駛軌跡的能力是自動駕駛的關鍵問題。首先，對于駕駛場景中這種耦合多代理交互是一種有限觀察數(shù)據(jù)，可以增強預測環(huán)境移動目標趨勢的能力，從而做出快速準確的預測，因此這個問題將變得非常復雜。
4345 7 2
駕駛哥 ??? 2年前
OptiSystem應用：通過機器學習預測系統(tǒng)性能 
e） 實際最小BER與預測最小BER的誤差 圖6 神經網絡測試結果 導入一個眼圖，如圖7所示： 圖7.導入需要預測的眼圖 運行預測功能，結果如圖8： 圖8.神經網絡預測的系統(tǒng)性能
1532
信光嗎 ??? 8月前
【CAE案例】愛爾蘭西南海岸風暴潮汐預測系統(tǒng)的開發(fā) 
在本研究中，TELEMAC-2D模型將采用00Z和12Z的諧波預測，以1小時的時間分辨率提供高達54小時的短期預測；采用00Z的ECMWF預測模型，滿足6天的預測要求，提供的預測模型時間分辨率為3小時，空間分辨率為0.125°。 考慮到模型外邊界處可能存在涌浪，調整了施加的潮汐高程以適應由空氣壓力（反向氣壓計效應）產生的靜水壓頭。
2136
CAE璐姐 ??? 3年前
MSC一體化疲勞壽命預測系統(tǒng) 
MSC.Fatigue 一體化疲勞壽命預測系統(tǒng) 在產品設計階段使用MSC Fatigue，可在設計制造過程之前進行疲勞分析，并為集成的壽命管理創(chuàng)造一個MCAE環(huán)境，真實地預測產品的壽命，極大地降低生產原型機和進行疲勞壽命測試所帶來的巨額開銷。
3370 5 4
Cruise ??? 3年前
使用AlphaFold2進行蛋白質結構預測 
2020年11月30日，該人工智能程序在蛋白質結構預測大賽CASP 14中，對大部分蛋白質結構的預測與真實結構只差一個原子的寬度，達到了人類利用冷凍電子顯微鏡等復雜儀器觀察預測的水平，這是蛋白質結構預測史無前例的巨大進步。這一重大成果雖然沒有引起媒體和廣大民眾的關注，但生物領域的科學家反應強烈。
2934
深圳北鯤云計算有限公司 ??? 3年前
基于網格式搜索SVM方法的電力負荷預測 
（5）預測數(shù)據(jù)輸入（6）得出預測結果利用均方根誤差（RMSE）評價預測效果好壞，RMSE越小越好。在顯示面板結果直接顯示了。以12℃解釋為例，當訓練集在五倍交叉驗證下獲得最小均方誤差為0.041678時，獲得最佳參數(shù)c為0.43528，最佳參數(shù)g為6.6944。測試集的預測值和真實值之間均方根誤差為14.8600。
2159
320科技工作室 ??? 2年前
20條/頁 
196 跳至頁
技術鄰APP
工程師必備
工程師必備
- 項目客服
- 培訓客服
- 平臺客服
TOP
