搜索资源列表
ChaosToolbox1p0_trial
- 混沌时间序列分析与预测工具箱 Version1.0 (Chaotic Time Series Analysis and Prediction Matlab Toolbox - version 1.0) -chaotic time series analysis and forecasting toolbox Version1.0 (Chaotic Time Series Analysis and Prediction of Matlab Toolbox - version 1.0)
jra78
- 短期负荷预测通常是指24小时的日负荷预测和168小时的周负荷预测，本文主要预测的是日平均负荷，对于短期负荷预测-short-term load forecasts usually refers to the 24-hour daily load forecasting and 168 hours a week load forecasting, In this paper, the forecast is the average load, short-term load forecasting
Powerly
- 本文分析小波神经网络的特点重点研究在电力负荷预测中连续小波神经网络与BP神经网络相比具有的优缺点对认识和应用小波神经网络具有重要意义算例表明在网络结构相同的情况下连续小波神经网络比BP神经网络具有更高的预测精度-wavelet analysis of this neural network research focused on the characteristics of the power load forecasting continuous wavelet neural network
SGNNexperiments
- 用matlab编写的基于自生成神经网络(self-generated neural network)的预测方法(包含数据集)-prepared using Matlab based on the self-generating neural network (self-generated ne ural network) forecasting methods (including data sets)
ChaosToolbox1p0_trial
- 混沌时间序列预测工具箱，包括了李雅普诺夫指数、分形纬、嵌入纬以及神经网络预测-chaotic time series forecasting tool kit, including the Lyapunov exponent, fractal-wai, Wei and embedded neural network prediction
TISEAN_3.0.1
- 时间序列工具，用于时间序列分析，预测，功能十分强大。-time series tool for time series analysis, forecasting, functional very strong.
ARMCSharp
- C#编写的AR(M）趋势预测模型函数，包括AR模型参数值计算，预测函数，还有LDLT计算三角矩阵方程函数-prepared by the AR (M) trend forecasting model function, including the AR model parameter values, the predictive function. There LDLT triangular matrix equation calculation function
GM(1_1)
- GM(1,1)模型1-4 1：GM(1,1)模拟模型，在matlab中的输入方法为gm1（x），x指要模拟的序列。 2：GM(1,1)预测模型，在matlab中的输入方法为gm2（x，K），x指要模拟的序列，K指从以后序列第一个数据算起的第k个待预测数据。 3：GM(1,1)群模拟模型，在matlab中的输入方法为gm3（x），x指要模拟的序列。 4：GM(1,1)群预测模型，在matlab中的输入方法为gm4（x，K），x指要模拟的序列，K指从以后序列第一个数据算起的第k个待预
matlab20and20BP
- for load forecasting paper
MFEv101_M70
- Modeling and Forecasting Electricity Loads and Prices: A Statistical Approach\" by Rafał Weron, published by John Wiley and Sons, 2006. Rafał Weron的大作:电网系统负荷与价格预测与建模:一种统计方法的源码
ann_wmf
- 人工神经网络天气预报方法-ANN weather forecasting method
wxy353
- 程序包含的设置包括：列数、样本总个数、建模样本数、预报因子数、预报对象数、学习因子、 动量因子、训练次数、总体误差、隐节点数。-procedures contained in the set include : number, the total sample number, the number of samples modeling, forecasting several factors, forecasting several targets, learning factor, mome
预测系统
- 灰色预测模型称为CM模型，G为grey的第一个字母，M为model的第一个字母。GM（1，1）表示一阶的，一个变量的微分方程型预测模型。GM（1，1）是一阶单序列的线性动态模型，主要用于时间序列预测。 一、GM（1，1）建模 设有数列 共有 个观察值 对 作累加生成，得到新的数列 ，其元素 （5-1） 有： 对数列 ，可建立预测模型的白化形式方程， （5-2） 式中： ——为待估计参数。分别称为发展灰数和内生控制灰数。设 为待估计参数向量 则 按最小二乘法求解， 有： （5-3） 式中： （5-
指数
- 二次指数平滑预测法和三次指数平滑预测法是普遍的预测方法,应用很广,本代码还包含其平滑系数的确定-quadratic exponential smoothing prediction and three exponential smoothing prediction is a common forecasting methods, a wide application, the code also includes its smooth determine the coefficient
基于BP网络的彩票预测系统的研究.kdh
- 基于BP网络的彩票预测系统的研究.kdh 详细讲解了使用BP神经网络预测双色球-BP network based forecasting system of the lottery. Kdh explain in detail the use of BP neural network color ball
out-matlab SVM回归，用于实现支持向量机
- SVM回归，用于实现支持向量机（SVM ）回归拟合的问题。可以用来做一些短期的预测，如短期负荷预测。-svm regression, used to implement support vector machine (SVM ) Regression fitting problems. Can be used to do some short-term forecasts, such as short-term load forecasting.
BPnet
- 应用MATLAB编写BP神经网络的程序，实现大气质量的预测，训练效果好，是很好的BP网络参考的例子-Application of BP Neural Network MATLAB program written to achieve air quality forecasting, training effect, is a good example of BP network reference
Data-Mining-PPT
- 这是一个数据挖掘PPT的详细介绍,包括分析预测，聚类分析，挖掘频繁模式、关联和相关等-PPT is a detailed descr iption of data mining, including the analysis and forecasting, cluster analysis, mining frequent patterns, association and correlation
Grey-forecasting
- 灰色预测代码用于根据现有数据来预测未来一段时间的数据-Grey prediction according to existing code is used to data to predict the future a period of data
optic
- 本程序为偏最小二乘法和主成分分析的matlab程序用于建立光谱信息和所测样品浓度的关系，建立预测模型-This program is partial least squares and principal component analysis matlab program for the establishment of spectral information and the relationship between the concentration of the samples, the