期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于CEEMDAN-SE-ARIMA组合模型的东北夏季降水预测
被引量:
4
1
作者
吴香华
陈以祺
+2 位作者
官元红
田心童
华亚婕
《大气科学学报》
CSCD
北大核心
2023年第2期205-216,共12页
针对传统时间序列模型无法有效预测模态混叠数据的不足,本文提出了一种基于CEEMDAN-SE-ARIMA的组合模型,并且对东北地区2016—2020年夏季降水量进行了实证分析。首先,基于完全自适应集合经验模态分解方法,将降水时间序列分解为多个本征...
针对传统时间序列模型无法有效预测模态混叠数据的不足,本文提出了一种基于CEEMDAN-SE-ARIMA的组合模型,并且对东北地区2016—2020年夏季降水量进行了实证分析。首先,基于完全自适应集合经验模态分解方法,将降水时间序列分解为多个本征模态分量,并根据不同分量样本熵的计算结果进行分量序列重构。然后,针对每一个重构分量,构建自回归移动平均预测模型。最后,将各分量的预测值进行叠加,得到组合模型的预测值。此外,还构建了ARIMA单一模型和其他组合模型,旨在与CEEMDAN-SE-ARIMA组合模型对比。结果表明:CEEMDAN-SE-ARIMA组合模型考虑了时间序列的模态混叠特征,能有效提高东北地区夏季降水时序模型的预测能力,具有良好的预测应用价值。预测结果较单一模型和其他组合模型均有所提高,MASE降低了0.02~0.91 mm,RMSE降低了0.80~130.49 mm,MAE降低了2.52~129.84 mm,MAPE降低了1.08~35.53 mm。CEEMDAN-SE-ARIMA模型在降水变率较小的西北部区域预测效果更好,对东南部区域的极值分布中心预测较为准确。
展开更多
关键词
东北夏季降水
模态混叠
CEEM
DAN
样本熵
ARIM
A
下载PDF
职称材料
基于机器学习的室内UWB三维定位
2
作者
田心童
孙静
张雨晴
《应用数学进展》
2022年第4期2289-2302,共14页
随着无线通信网络的高速发展,对无线定位技术的要求越来越高。UWB是一种较为优秀的定位技术,但其容易受信号干扰,导致其在商场、酒店等室内场合的定位效果不够理想,故解决信号干扰下的UWB精确定位问题获得极大关注。本文使用的实验数据...
随着无线通信网络的高速发展,对无线定位技术的要求越来越高。UWB是一种较为优秀的定位技术,但其容易受信号干扰,导致其在商场、酒店等室内场合的定位效果不够理想,故解决信号干扰下的UWB精确定位问题获得极大关注。本文使用的实验数据包含UWB定位的“无干扰数据”和“有干扰数据”。首先进行数据清洗,第一步根据箱线图找出数据中的异常值并剔除,第二步将数据进行K-means聚类,完成相同或相似数据的删除。然后对清洗后保留下的“无干扰数据”和“有干扰数据”使用遗传算法优化的BP神经网络算法(GA-BP)估计Tag的三维坐标,发现在GA-BP神经网络算法下,根据“无干扰数据”和“有干扰数据”得到的三维坐标的均方误差都非常接近于0,说明该模型预测精度较高。同时,根据GA-BP神经网络算法对10组测试数据进行精确定位,并建立XGBoost提升算法、支持向量机(SVM)和随机森林、KNN算法四种方法对数据是否在信号干扰下采集进行分类。通过比较四个模型的分类准确率和F-score,确定最终分类模型为经过参数优化的XGBoost算法。
展开更多
关键词
UWB三维定位
GA-BP神经网络
XGBoost算法
下载PDF
职称材料
题名
基于CEEMDAN-SE-ARIMA组合模型的东北夏季降水预测
被引量:
4
1
作者
吴香华
陈以祺
官元红
田心童
华亚婕
机构
南京信息工程大学数学与统计学院
出处
《大气科学学报》
CSCD
北大核心
2023年第2期205-216,共12页
基金
国家重点研发计划项目(2018YFC1507905)
国家自然科学基金资助项目(42075068,41975087)
+2 种基金
2020年江苏高校“大学素质教育与数字化课程建设”专项课题(2020JDKT032)
南京信息工程大学2019年教改研究课题——共建共享的概率论与数理统计“金课”的探索与实践
南京信息工程大学数统学院本科专业建设项目。
文摘
针对传统时间序列模型无法有效预测模态混叠数据的不足,本文提出了一种基于CEEMDAN-SE-ARIMA的组合模型,并且对东北地区2016—2020年夏季降水量进行了实证分析。首先,基于完全自适应集合经验模态分解方法,将降水时间序列分解为多个本征模态分量,并根据不同分量样本熵的计算结果进行分量序列重构。然后,针对每一个重构分量,构建自回归移动平均预测模型。最后,将各分量的预测值进行叠加,得到组合模型的预测值。此外,还构建了ARIMA单一模型和其他组合模型,旨在与CEEMDAN-SE-ARIMA组合模型对比。结果表明:CEEMDAN-SE-ARIMA组合模型考虑了时间序列的模态混叠特征,能有效提高东北地区夏季降水时序模型的预测能力,具有良好的预测应用价值。预测结果较单一模型和其他组合模型均有所提高,MASE降低了0.02~0.91 mm,RMSE降低了0.80~130.49 mm,MAE降低了2.52~129.84 mm,MAPE降低了1.08~35.53 mm。CEEMDAN-SE-ARIMA模型在降水变率较小的西北部区域预测效果更好,对东南部区域的极值分布中心预测较为准确。
关键词
东北夏季降水
模态混叠
CEEM
DAN
样本熵
ARIM
A
Keywords
summer precipitation in Northeast China
modal aliasing
CEEMDAN
SE
ARIMA
分类号
P426.6 [天文地球—大气科学及气象学]
下载PDF
职称材料
题名
基于机器学习的室内UWB三维定位
2
作者
田心童
孙静
张雨晴
机构
南京信息工程大学
出处
《应用数学进展》
2022年第4期2289-2302,共14页
文摘
随着无线通信网络的高速发展,对无线定位技术的要求越来越高。UWB是一种较为优秀的定位技术,但其容易受信号干扰,导致其在商场、酒店等室内场合的定位效果不够理想,故解决信号干扰下的UWB精确定位问题获得极大关注。本文使用的实验数据包含UWB定位的“无干扰数据”和“有干扰数据”。首先进行数据清洗,第一步根据箱线图找出数据中的异常值并剔除,第二步将数据进行K-means聚类,完成相同或相似数据的删除。然后对清洗后保留下的“无干扰数据”和“有干扰数据”使用遗传算法优化的BP神经网络算法(GA-BP)估计Tag的三维坐标,发现在GA-BP神经网络算法下,根据“无干扰数据”和“有干扰数据”得到的三维坐标的均方误差都非常接近于0,说明该模型预测精度较高。同时,根据GA-BP神经网络算法对10组测试数据进行精确定位,并建立XGBoost提升算法、支持向量机(SVM)和随机森林、KNN算法四种方法对数据是否在信号干扰下采集进行分类。通过比较四个模型的分类准确率和F-score,确定最终分类模型为经过参数优化的XGBoost算法。
关键词
UWB三维定位
GA-BP神经网络
XGBoost算法
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于CEEMDAN-SE-ARIMA组合模型的东北夏季降水预测
吴香华
陈以祺
官元红
田心童
华亚婕
《大气科学学报》
CSCD
北大核心
2023
4
下载PDF
职称材料
2
基于机器学习的室内UWB三维定位
田心童
孙静
张雨晴
《应用数学进展》
2022
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部