搜索资源列表
development-risk-prediction
- 本文基于BP神经网络应用于预测的原理，提出预测步骤及预测可行性，探讨建立基于BP神经网络的预测模型的关键技术，包括样本的选取与预处理、输入输出变量的选取、隐层节点数的确定、初始权值和阈值的选取、激活函数、训练算法与参数的选取，最后建立合理的网络模型；结合住宅市场的实际情况，建立两类BP 神经网络预测模型：基于时间序列的趋势预测模型以及基于影响因素的回归预测模型，即分别采用神经网络趋势预测和回归预测的思路，把住宅市场的供给、需求与房价的历年数据以及其影响因素的数据分别作为学习样本，建立预测模型，
BP-network-build-prediction-
- 用水量预测在城市建设规划、供水系统的调度 管理中都具有重要作用。常用的预测方法可分为两 类,一类是解释性预测方法,即找出被预测量的各影 响因素,建立回归分析模型-Water demand in urban planning, regulation and management of water systems has an important role. Commonly used forecasting methods can be divided into two catego
GM
- 灰色预测模型的EXCEL案例！Microsoft Office Excel可按公式法、解矩阵法、回归法等求解灰参数,可大大减轻求解灰参数的工作 量,从而简捷地建立GM(1,1)模型 -Application of Excel in prediction and model checking of dynamic GM(1,1)
ARMA
- 时间序列中的自回归移动平均模型（ＡＲＭＡ），可以进行实时预测-A sequence of time regression moving average (ARMA) model, can real-time prediction
Wavelet
- 用Java编写的网络流量预测的源程序，其中用到了Mallat快速小波变换和自回归AR模型。-Jmichelle network traffic prediction of the source program, including the use of the Mallat fast wavelet transform and regression AR model.
time-series-analysis-model
- 动态时间序列周期分析预测模型将多层递阶方法与逐步回归周期分析的基本原理相结合，可以对时间序列做较长周期的预测-Dynamic time series cycle analysis of the predictive model using multi-layer hierarchical approach
CSharpRegression
- 回归预测 ,C#编写，包括线性、幂、灰色模型、移动平均
huiguifenxi
- 回归分析---一种简便的数据分析预测算法，可用于预测模型-Regression analysis--- a simple data analysis prediction algorithm prediction model can be used to
JAVADIGGER
- DIGGER社交网络数据挖掘分析系统，本系统的挖掘工作是在WEKA平台下进行的，WEKA作为一个公开的数据挖掘工作平台，集合了大量能承担数据挖掘任务的机器学习算法，包括对数据进行预处理，分类，回归、聚类、关联规则以及在新的交互式界面上的可视化。DIGGER作为一个社交网络系统，它利用数据挖掘工具WEKA在大规模海量数据中建立模型和发现数据间关系，这些模型和关系可以用来做出决策和预测。 第一章描述了开题的背景和需求，第二章描述该系统的关键技术和开发环境，第三章是系统的设计，第四章对框架的研究
y2t
- 线性回归补偿模型，用于转炉炼钢重点预测模型-Linear regression compensation model
ARIMAyubao
- 建立自回归滑动平均时间序列模型ARIMA,用来预测未来数据值-time series model-ARIMA to predict the future value
msimGARCH
- 综合使用EViews（统计软件）与Matlab实现广义自回归条件异方差模型(GARCH)的模拟、估计与预测-Integrated use EViews (statistical software) and Matlab achieve generalized autoregressive conditional heteroskedasticity model simulations, estimates and projections
tixingguanzi2
- 分析了支持向量回归机在能源需求预测中的优势,确定了输入向量集合和输出向量集合,建立了基于Matlab技术的SVR能源需求预测模型.对我国1985-2008年能源需求相关数据进行模拟与仿真,并对中国2010年和2020年能源需求量进行预测.研究结果表明:一是中国未来对能源的需求量逐渐增加,从2010年的330400万吨标准煤上升到2020年418320万吨标准煤,年均增长率为2.39％；二是在解决我国能源系统小样本.非线性及高维模式识别问题中SVR比BP神经网络等方法有更高的预测精度.-Suppo
yucemaltab3
- 分析地平类药物分子结构和熔点之间关系,编制相应的MATLAB程序,分别建立回归方程和人工神经网络2种方法的模型.选取14个地平类药物作为回归方程和人工神经网络2种方法建模的样本,再选另外4个地平类药物作验证,分别进行2种方式的建模和测试对比.结果表明:人工神经网络模型比回归方程方法在预测地平类药物的熔点时取得更加准确的估计.-The relationship between the structure and melting point analysis horizon drug molecul
SVM-regression-theory-and-control-
- 支持向量机回归理论与神经网络等非线性回归理论相比具有许多独特的优点有线性回归和非线性回归,其模型的选 择包括核的选择、容量控制以及损失函数的选择.在控制方面的研究包括非线性 时间序列 的预测及应用、系统辨识以及优化控制和学习控制等方面的研究-Support vector machine (SVM) regression theory and neural network has many unique advantages such as nonlinear regression theory
PS0-SVR
- 支持向量机是建立在统计学习理论基础上的通用学习方法,它可较好地解决以往 很多学习方法的小样本、非线性、过学习、高维数、局部极小点等实际问题。笔者利用支持向量回归理论 和方法,建立支持向量机的预测模型,并利用winSVM 和MATLAB 软件进行了实例预测,与二次回归 预测值相比较,支持向量机预测模型具有更好的预测精度,且有很强的推广能力。-Support vector regression data
SVM
- SVM回归分析，包括了模型的建立以及数据的预测-SVM regression analysis, including modeling and prediction data
spss
- 分析数据 为了了解某地母亲身高x与女儿身高Y的相关关系，随机测得10对母女的身高（见下表）。利用SPSS软件，完成以下任务： 1.画出x、Y散点图，观察因变量与自变量之间关系是否有线性特点； 2.试对x与Y进行一元线性回归分析，列出一元线性回归预测模型； 3.预测当母亲身高为161cm时女儿的身高？ 母亲身高(cm) 159 160 160 163 159 154 159 158 159 157 女儿身高(cm) 158 159 160 161 161 155 16
duoyuanhuiguifenxi
- 利用多元回归分析解决问题，通过对三个变量的分析选取最好的模型，并得到预测值-Solve problems using multiple regression analysis, analysis by three variables chosen best model and get the predicted value
Logstic-predict
- 基于Logstic回归分析，建立人口预测模型，对人口数量进行预测-Based Logstic regression analysis, population forecasting model to predict population