【時序預測】Transformer模型在時間序列預測領域的應用 
今天又是一篇Transformer梳理文章，這次應用場景是時間序列預測。Transformer的序列建模能力，讓其天然就比較適合時間序列這種也是序列類型的數據結構。但是，時間序列相比文本序列也有很多特點，例如時間序列具有自相關性或周期性、時間序列的預測經常涉及到周期非常長的序列預測任務等。
4352 3 2
牛頓家的計算機 ??? 3年前
使用支持向量回歸進行時間序列預測
回歸旨在根據一個或多個輸入特征預測連續目標變量。 在時間序列預測中，目標變量是時間序列的未來值（例如，未來日期的股票價格、未來時間步長的溫度）。SVR 作為一種回歸技術，學習一個模型，該模型將歷史時間序列數據（特征）映射到相應的未來值（目標變量）。 時間序列預測中 SVR 的輸出是一個連續值，表示時間序列的預測未來值。
2622
仿真資料吧 ??? 1年前
28基于MATLAB的針對LSTM的時間序列分析預測 
基于MATLAB的針對LSTM的時間序列分析預測，可進行多步預測，其中訓練結果，測試結果，迭代過程，預測結果如圖。模型已調試完畢，替換自己的數據可直接運行。需要直接拍下。
1914
matlab應用與學習 ??? 2年前
1-28 基于MATLAB的針對LSTM的時間序列分析預測 
基于MATLAB的針對LSTM的時間序列分析預測，可進行多步預測，其中訓練結果，測試結果，迭代過程，預測結果如圖。模型已調試完畢，替換自己的數據可直接運行。購買后可下載視頻中的源程序文件。
321
matlab應用與學習 ??? 1年前
1-112基于matlab的多輸入多輸出時間序列預測 
基于matlab的多輸入多輸出時間序列預測，案例采用兩輸入三輸出進行預測，即MIMO-MRI。程序已調通，可直接運行。購買后可下載視頻中的源程序文件。
259
matlab應用與學習 ??? 1年前
1-107基于matlab的模糊推理系統（ANFIS）的時間序列預測 
基于matlab的模糊推理系統（ANFIS）的時間序列預測，輸出訓練集、測試集和預測數據結果，數據可更換自己的，程序已調通，可直接運行。購買后可下載視頻中的源程序文件。
306
matlab應用與學習 ??? 1年前
1-96基于matlab的GMDH神經網絡對YPML120 時間序列進行預測 
基于matlab的GMDH神經網絡對YPML120 時間序列進行預測，輸出訓練數據和測試數據的結果，及預測均方根誤差結果和正態分布。數據可更換自己的，程序已調通，可直接運行。購買后可下載視頻中的源程序文件。
201
matlab應用與學習 ??? 1年前
已知1s的時間序列，如何獲得10s的時間序列，使兩個序列的均方根值盡可能接近？
各位大佬，有一個疑問，就是現在有一個1s的信號，但是需要10s的信號，要使前后的頻譜相一致，均方根值等描述信號特征的值盡可能一樣，那么應該應用什么方法進行預測？之前考慮頻率密度Δf=1/時域長度T，所以考慮在頻率之間等距插值來增加時域長度T，但是通過逆變換獲得的時域信號完全變了。所以有沒有其他的方法進行計算
1860 1
亦凡亦不凡 ??? 3年前
有限元模型如何通過仿真時間分析來預測現實時間的大小？
有限元模型如何通過仿真時間分析來預測現實時間的大小？比如在仿真軟件中模型計算2s的步數，他模型對應在現實中是作業了多久呢？各位大佬 求指教！
2259 3
默_3670 ??? 1年前
成功案例丨開發時間從1小時縮短到3分鐘：如何利用歷史數據訓練AI模型，預測設計性能？ 
Hero采用了典型的80/20數據分割方式，即80%的數據用于模型訓練，20%的數據用于預測評估。項目團隊從24個數據集中選擇了30種把手變體進行訓練。訓練完成后，他們使用剩余的6個把手數據集對AI模型進行了測試，并通過將傳統FEA結果與AI生成的預測結果進行對比來評估準確性。對比顯示，兩者的偏差僅為3%，這證明了PhysicsAI能夠在極短時間內提供與傳統FEA相媲美的精確預測。
3342
ALTAIR ??? 1年前
【AI+波浪補償】AR模型實時船舶運動預測中的尺度效應 
圖11展示了使用AR模型提前10步預測的時間歷史。可以看出，當預測步長為10時，預測的時間序列與目標時間序列吻合較好。圖12進一步總結了不同先導步驟下的預測RMSE，以顯示可預測的時間持續時間。結果表明，峰值頻率越低，預測持續時間越長。以RMSE閾值為0.05 deg為例，0.47、0.9和1.07 rad/s的峰值頻率的可預測時間分別為7.5、3.8和2.8 s。
2449 1 1
海工 ??? 3年前
化工新能源中的機器學習建模中的時間序列建模算法 
直播大綱：本課程主要介紹已經完成過的一些化工新能源系統或者器件的機理及機器學習建模案例，手把手教你用numpy實現機器學習的RNN/LSTM/GRU，并講解序列建模的seq2seq算法。配備若干案例進行演示。
160 1
技術鄰直播 ??? 1年前
智能數據建模軟件DTEmpower 2025R3版本發布 
四、時序預測新增LSTM模型時序預測模塊新增長短時記憶網絡（LSTM）模型，專門針對傳統算法難以處理的長序列數據場景優化。通過獨特門控機制有效捕捉時間序列中的長期依賴關系，解決梯度消失問題，在能源負荷、氣象變化、生產產能等復雜預測任務中表現更優，預測精度較傳統模型提升顯著。其靈活參數配置，適配多元場景。
2422
天洑軟件 ??? 5月前
使用AlphaFold2進行蛋白質結構預測 
：時間和預測質量的均衡考慮：reduced_dbs最快，但是質量最差，full_dbs中等，casp14質量最好但時間是full_dbs的八倍左右。
2935
深圳北鯤云計算有限公司 ??? 3年前
爆炸射流顯示預測時間2小時，但計算兩天了一直停留在60μs，此時射流剛侵入地層（Stratum），該如何解決？
現在的問題是：模擬時間Termination設置的共400μs，剛計算時顯示預估時長2h，但計算到60μs的時候就計算特別慢，兩天也沒有計算出下一步，沒有報錯，輸入SW2顯示剩余計算時長100000小時。（之前第二層材料用HJC時不會出現此問題。）
2455 8 3
yaoyu0409 ??? 1年前
新能源電力系統生產模擬關鍵技術及應用 
2論文所解決的問題及意義 （1）新能源中長期電量預測與時間序列建模開展新能源電力系統生產模擬需要預測新能源中長期電量，并構建符合新能源運行特性的出力時間序列。新能源中長期電量預測受氣候變化及局地特征對發電的影響，技術難度高，國內外尚未開展；其出力序列隨機波動形態復雜，時序模擬尤為困難。
4776 9 5
電氣分享社區 ??? 3年前
遞歸神經網絡解釋 
在 RNN 中，每個時間步的輸入通常是表示序列當前狀態的向量，每個時間步的輸出是表示該時間步的預測值或分類的向量。隱藏狀態也是一個向量，在每個時間步中，根據當前輸入和之前的隱藏狀態進行更新。基本的 RNN 架構存在梯度消失問題，這使得在長序列上訓練變得困難。
2312
仿真資料吧 ??? 1年前
【CAE案例】愛爾蘭西南海岸風暴潮汐預測系統的開發 
圖 5 所示的為試驗期間的樣本水位時間序列分析結果和模型計算結果的對比的一份樣本，說明了模型預測明顯涌浪事件的能力和精準性。 圖 5 Fenit碼頭的僅潮汐分量模型計算結果與綜合結果對比（MSL代表海平面） 圖 6 給出了試驗期間所有高水位預測的數據結果與綜合數據的統計結果，其誤差條為+/- 0.15m，即模型潮汐分量的目標精度。根據時間序列，該模型與綜合潮位非常一致。
2136
CAE璐姐 ??? 3年前
一種基于目標的可解釋的自動駕駛預測和規劃策略 
在每種情況下都需要會為證明系統預測及決策是否合理輸出直觀的解釋。 為此，利用可解釋的基于目標行為分析的預測和規劃 (IGP2)，利用有限空間下的運動分析計算優勢，可以很好的擴展機動序列的規劃和預測方法。通過理性逆向規劃的新穎整合來實現這一目標，以識別其他車輛目標，并使用蒙特卡洛樹搜索 (MCTS)為自車規劃最佳行動軌跡。
4346 7 2
駕駛哥 ??? 2年前
【產品】智能數據建模軟件 - DTEmpower 2022R2版本新功能詳解 
圖1 智能數據建模軟件DTEmpower 2022R2正式發布新增時間序列工具包新版本算法工具箱新增一系列應用于時間序列分析的工具節點，完成了包含差分整合移動平均自回歸模型ARIMA、指數平滑ES等線性時間序列預測算法的集成，可實現完整的時間序列數據預處理、算法建模、預測應用等工作，進一步拓展了用戶的使用場景。
2136
天洑軟件 ??? 3年前
20條/頁 
135 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
