期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
基于CEEMDAN-VMD-TCN-lightGBM模型的水质预测研究
1
作者 项新建 张颖超 +3 位作者 许宏辉 厉阳 王世乾 郑永平 《中国农村水利水电》 北大核心 2024年第3期86-95,共10页
针对目前水质预测模型中因为数据本身的复杂性、在信号处理过程中存在的噪声干扰以及分解深度不够导致单一分解难以全面捕捉信号非线性特征的问题,提出了一种基于二次分解的水质预测模型。该模型采用完全自适应噪声集合经验模态分解(CEE... 针对目前水质预测模型中因为数据本身的复杂性、在信号处理过程中存在的噪声干扰以及分解深度不够导致单一分解难以全面捕捉信号非线性特征的问题,提出了一种基于二次分解的水质预测模型。该模型采用完全自适应噪声集合经验模态分解(CEEMDAN)对原始数据进行分解,再利用变分模态分解(VMD)对熵值最高的模态分量进行二次分解,最终将处理后的时间序列输入到TCN-lightGBM多特征预测模型中。同时,采用麻雀算法(SSA)对预测模型进行优化。以山东省玉符河水质为例,本模型的均方根误差(RMSE)是0.1053,平均绝对误差(MAE)是0.0815,决定系数(R2)是0.9471,与GRU、LSTM、LightGBM、TCN等当下较为流行的模型的预测指标进行比较。结果显示,在R2上本模型提升了53.04%、70.41%、66.07%、65.20%等,在RMSE上减少了62.76%、65.50%、64.93%、64.80%等,在MAE上降低了62.76%、66.24%、63.80%、65.24%等。由此可知,基于CEEMDAN-VMD-TCN-lightGBM的模型具有更好的预测性能、泛化能力和捕捉信号非线性特征的能力。 展开更多
关键词 二次分解 TCN lightGBM 多特征预测 水质预测 麻雀算法
下载PDF
支持增量日志的业务流程剩余时间预测方法
2
作者 郭娜 刘聪 +3 位作者 李彩虹 刘文娟 高庆鑫 曾庆田 《计算机集成制造系统》 EI CSCD 北大核心 2024年第11期3999-4008,共10页
流程预测性监控通过对业务流程及其属性的预测,预防运行中的实例未来可能会面临的风险,从而及时干预流程。流程剩余时间预测是避免业务超时风险的一项预测任务,然而业务执行是动态的过程,可能会随时间或业务规模的增长而发生变化。这就... 流程预测性监控通过对业务流程及其属性的预测,预防运行中的实例未来可能会面临的风险,从而及时干预流程。流程剩余时间预测是避免业务超时风险的一项预测任务,然而业务执行是动态的过程,可能会随时间或业务规模的增长而发生变化。这就要求预测模型能够持续更新以捕捉这些变化,同时要有足够的输入信息来区分变化前后的差异,并且预测模型应具有充分的拟合与泛化能力。针对上述问题,本文提出支持增量日志的流程剩余时间预测框架。具体而言,提出特征自选取策略,构建多特征预测模型,丰富预测任务的已知信息,将所得特征组合作为模型输入,提高预测模型的拟合能力。然后,将定期和定量作为模型更新的判断依据,提出定期更新、定量更新和综合更新3种增量更新机制。最后,基于6个真实事件日志,实现了3种不同的预测模型,模拟了增量更新过程。实验结果验证了本文所提方法的有效性,提高了流程剩余时间预测的准确率。 展开更多
关键词 预测性监控 剩余时间 增量更新 特征选择 多特征预测
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部