基于改进Prophet-LSTM-PSO的大坝异常数据检测模型

1

作者 葛大龙 丁勇 李登华 《中国安全科学学报》 北大核心 2025年第8期164-170,共7页

为提升大坝监测数据的异常检测性能,提出一种基于改进Prophet-长短期记忆(LSTM)-粒子群优化(PSO)的大坝异常数据检测模型。首先,通过改进Prophet法使得异常数据点位分解得到趋势分量特征;其次,将分解得到的趋势、周期和残差分量映射到... 为提升大坝监测数据的异常检测性能,提出一种基于改进Prophet-长短期记忆(LSTM)-粒子群优化(PSO)的大坝异常数据检测模型。首先,通过改进Prophet法使得异常数据点位分解得到趋势分量特征;其次,将分解得到的趋势、周期和残差分量映射到三维空间,以三维空间中近邻均值距离数据代替原始时序数据;最后,结合LSTM网络与PSO算法,设定与优化异常阈值,进而实现异常数据的精准识别。结果表明:相较于传统模型,该模型在检测效果上具有明显提升,且表现出较高的稳定性。在召回率稳定维持在95%以上的前提下,精确率与准确率均超过95%,验证了该方法的有效性与实用性。 展开更多

关键词 prophet 长短期记忆(lstm) 粒子群优化(PSO) 异数据常检测 大坝监测数据

原文传递

LSTM和Prophet模型在肺结核发病数预测中的应用 被引量：13

2

作者 李顺勇 张钰嘉 《河南科学》 2020年第2期173-178,共6页

为预测肺结核发病数,建立了两种能够较为精确描述以及预测肺结核发病数的模型.根据中国疾控中心提供的2007年7月至2019年6月肺结核发病数的数据,运用LSTM模型和Prophet模型对中国肺结核发病数进行预测,并将该两种模型的预测性能与ARIMA... 为预测肺结核发病数,建立了两种能够较为精确描述以及预测肺结核发病数的模型.根据中国疾控中心提供的2007年7月至2019年6月肺结核发病数的数据,运用LSTM模型和Prophet模型对中国肺结核发病数进行预测,并将该两种模型的预测性能与ARIMA、GM(1,1)模型进行对比.结果表明,Prophet模型预测性能最佳,其MAE值与RMSE值分别为5 124.33、5 905.32,LSTM模型预测性能次之,ARIMA模型预测性能最差. 展开更多

关键词 肺结核 发病数 lstm模型 prophet模型 预测性能

在线阅读 下载PDF 职称材料

Prophet-LSTM组合模型在运输航空征候预测中的应用 被引量：3

3

作者 杜红兵 邢梦柯 赵德超 《安全与环境学报》 CAS CSCD 北大核心 2024年第5期1878-1885,共8页

为准确预测中国运输航空征候万时率,提出了一种将时间序列模型和神经网络模型组合的预测方法。首先,利用2008年1月—2020年12月的运输航空征候万时率数据建立Prophet模型,使用RStudio软件进行模型拟合,获取运输航空征候万时率的线性部分... 为准确预测中国运输航空征候万时率,提出了一种将时间序列模型和神经网络模型组合的预测方法。首先,利用2008年1月—2020年12月的运输航空征候万时率数据建立Prophet模型,使用RStudio软件进行模型拟合,获取运输航空征候万时率的线性部分;其次,利用长短期记忆网络(Long Short-Term Memory,LSTM)建模,获取运输航空征候万时率的非线性部分;最后,利用方差倒数法建立Prophet-LSTM组合模型,使用建立的组合模型对2021年1—12月运输航空征候万时率进行预测,将预测结果与实际值进行对比验证。结果表明,Prophet-LSTM组合模型的EMA、EMAP、ERMS分别为0.0973、16.1285%、0.1287。相较于已有的自回归移动平均(Auto Regression Integrated Moving Average,ARIMA)+反向传播神经网络(Back Propagation Neural Network,BPNN)组合模型和GM(1,1)+ARIMA+LSTM组合模型,Prophet-LSTM组合模型的EMA、EMAP、ERMS分别减小了0.0259、10.4874百分点、0.0143和0.0128、2.0599百分点、0.0086,验证了Prophet-LSTM组合模型的预测精度更高,性能更优良。 展开更多

关键词 安全社会工程 运输航空征候 prophet模型 长短期记忆网络(lstm)模型 组合预测模型

原文传递

基于LSTM-NeuralProphet模型的城市需水预测方法研究 被引量：5

4

作者 范怡静 刘真 +1 位作者 苑佳 刘心 《中国农村水利水电》 北大核心 2023年第9期35-45,53,共12页

城市水资源规划和管理是确保城市可持续发展和居民生活基本需求得到满足的关键环节,城市短期需水预测是城市水资源规划和管理的基础。由于气温、降水量和蒸发量等随季节变化明显,直接影响不同季节的用水峰值、高峰期,导致传统基于时间... 城市水资源规划和管理是确保城市可持续发展和居民生活基本需求得到满足的关键环节,城市短期需水预测是城市水资源规划和管理的基础。由于气温、降水量和蒸发量等随季节变化明显,直接影响不同季节的用水峰值、高峰期,导致传统基于时间序列算法的固定时隙预测无法适应时隙的变化,从而不能保证预测精度。针对固定时隙预测精度低的问题,研究了基于四季24 h时间分辨率和夏季15 min时间分辨率的双时间尺度城市短期需水预测模型。该模型使用Anomaly-Transformer模型进行异常值检测,并通过分段曲线拟合对异常值校正,采用主成分分析法对城市短期需水影响因子进行分析提取主成分,在AutoML的标准模型分析中选取三个效果最好的模型作为Stacking模型的基学习器再结合长短期记忆网络(Long Short-Term Memory,LSTM)和Optune框架超参数优化后的NeuralProphet模型对双时间尺度的城市短期需水量进行预测,同时加入安全网机制,以保证LSTM-NeuralProphet模型的精确度。与其他模型(LSTM模型、NeuralProphet模型、BP神经网络模型)相比,LSTM-NeuralProphet模型的平均绝对误差在四季24 h时间分辨率的数据集上降低了0.18%~1.96%,在夏季15 min时间分辨率的数据集上降低了0.45%~11.90%。实验结果表明,LSTM-NeuralProphet模型具有更好的拟合效果和更高的预测精度,能较准确地预测双时间尺度下的城市需水量,可以较好地应用于城市短期需水预测研究中。 展开更多

关键词 双时间尺度 城市需水预测 长短期记忆网络 Neuralprophet模型 lstm-Neuralprophet模型

在线阅读 下载PDF 职称材料

Prophet-LSTM组合模型的销售量预测研究 被引量：43

5

作者 葛娜 孙连英 +1 位作者 石晓达 赵平 《计算机科学》 CSCD 北大核心 2019年第B06期446-451,共6页

预测某种产品销售量的短期及长期变化趋势对企业制定营销战略和优化产业布局等具有重要的参考价值。在深入分析Prophet加法模型和长短时记忆神经网络的特性的基础上,依据某企业产品销量时间序列数据的趋势规律,构建了一种用于预测销售量... 预测某种产品销售量的短期及长期变化趋势对企业制定营销战略和优化产业布局等具有重要的参考价值。在深入分析Prophet加法模型和长短时记忆神经网络的特性的基础上,依据某企业产品销量时间序列数据的趋势规律,构建了一种用于预测销售量的Prophet-LSTM神经网络组合模型,设计并实现了与组合前Prophet、LSTM单项模型及两种典型时间序列预测模型的对比实验。实验结果验证了Prophet-LSTM组合预测模型在销量时间序列分析中具有更强的适用性和更高的准确性,为该企业应对市场需求变化提供了重要的科学依据。 展开更多

关键词 prophet模型 长短时记忆神经网络 销售预测 时间序列模型

在线阅读 下载PDF 职称材料

基于Prophet+LSTM模型的煤矿井下工作面矿压预测研究 被引量：23

6

作者 曾庆田 吕珍珍 +3 位作者 石永奎 田广宇 林泽东 李超 《煤炭科学技术》 CAS CSCD 北大核心 2021年第7期16-23,共8页

为了高效地对工作面矿压变化趋势进行有效预测,减少顶板突发事故和引导煤矿井下安全生产,提出了融合相邻多个支架影响的矿压数据预测模型Prophet+LSTM。该模型首先基于数字信号处理技术,将原始矿压数据经过算术平均值滤波和小波去噪方... 为了高效地对工作面矿压变化趋势进行有效预测,减少顶板突发事故和引导煤矿井下安全生产,提出了融合相邻多个支架影响的矿压数据预测模型Prophet+LSTM。该模型首先基于数字信号处理技术,将原始矿压数据经过算术平均值滤波和小波去噪方法减少噪声和随机误差;其次在深入分析Prophet模型和LSTM模型特性基础上,通过添加额外回归变量方法融合相邻多支架矿压数据;最后为充分利用Prophet模型和LSTM模型的优势,构建了一种Prophet+LSTM组合模型对工作面矿压进行预测,通过线性加权组合方法获取最有权重系数使模型预测结果误差逐步减少。以均方根误差(RMSE)和平均绝对误差(MAE)来评估Prophet+LSTM模型对矿压时间序列的预测效果。预测模型在某矿工作面支架矿压时序数据的应用结果表明:经过数字信号处理后的支架矿压预测结果RMSE和MAE分别下降了约20%和16%,Prophet模型和LSTM模型的预测结果优于传统的BP神经网络和ARIMA模型,且Prophet+LSTM模型预测方法较其单项模型具有更强的稳定性和更高的准确性,实现了对工作面在推进过程中矿压变化的有效预测。该预测方法对煤矿井下工作面矿压预测提供了研究思路。 展开更多

关键词 矿压预测 时间序列预测 prophet模型 lstm神经网络

在线阅读 下载PDF 职称材料

基于Prophet-LSTM-PSO组合模型的医院住院量预测研究 被引量：7

7

作者 徐佩 樊重俊 +1 位作者 朱人杰 黄耐 《上海理工大学学报》 CAS CSCD 北大核心 2021年第1期68-72,共5页

针对医院住院量预测问题,首先利用先知模型(Prophet)与长短期记忆循环神经网络(LSTM)预测方法对2015年1月到2019年12月上海市东方医院呼吸内科住院量的时序数据进行建模分析,然后利用粒子群算法(PSO)求出两种模型对应的组合系数,从而得... 针对医院住院量预测问题,首先利用先知模型(Prophet)与长短期记忆循环神经网络(LSTM)预测方法对2015年1月到2019年12月上海市东方医院呼吸内科住院量的时序数据进行建模分析,然后利用粒子群算法(PSO)求出两种模型对应的组合系数,从而得到最终的Prophet-LSTMPSO组合模型,并通过RMSE和MAE统计学指标将组合模型与单一模型进行对比,同时利用公开数据集进行对比实验。结果表明,Prophet-LSTM-PSO组合模型较Prophet、LSTM、移动平均自回归模型等(ARIMA)等单一模型有效地降低了医院住院量预测的偏离性,提高了预测精度。 展开更多

关键词 prophet模型 lstm模型 粒子群算法 时间序列模型 住院量预测

在线阅读 下载PDF 职称材料

Prophet-LSTM混合模型对卷烟投放的预测 被引量：5

8

作者 马勋政 张吴波 《牡丹江师范学院学报（自然科学版）》 2022年第4期29-34,共6页

建立Prophet-LSTM混合模型,预测烟草公司卷烟投放策略对卷烟市场的影响.采用湖北省十堰市2019年7月到2020年12月的卷烟投放数据,建立Prophet-LSTM混合模型.实验结果表明,Prophet-LSTM混合模型有着较好的预测精度,适合对卷烟投放进行预测.

关键词 prophet模型 时间序列预测 lstm模型 BP神经网络

在线阅读 下载PDF 职称材料

基于Prophet-LSTM模型的PM2.5浓度预测研究 被引量：16

9

作者 王晓飞 王波 +1 位作者 陆玉玉 张胜彬 《软件导刊》 2020年第3期133-136,共4页

作为衡量空气质量的重要指标,准确预测PM2.5浓度变化尤为重要。提出Prophet和长短期记忆(LSTM)相结合的组合预测模型(Prophet-LSTM)。在模型构建过程中,首先利用Prophet模型的可分解方法,将PM2.5日值浓度序列分解成趋势、周期和随机波... 作为衡量空气质量的重要指标,准确预测PM2.5浓度变化尤为重要。提出Prophet和长短期记忆(LSTM)相结合的组合预测模型(Prophet-LSTM)。在模型构建过程中,首先利用Prophet模型的可分解方法,将PM2.5日值浓度序列分解成趋势、周期和随机波动分量;然后对趋势和周期分量建立Prophet模型,对随机波动分量建立LSTM模型;最后将各分量的预测值集成得到PM2.5浓度的预测值。以郑州市PM2.5日值浓度数据为例进行实证分析,结果表明,该组合预测模型相较对比模型能够更好地预测PM2.5日值浓度的变化趋势。 展开更多

关键词 PM2.5浓度预测 prophet模型 lstm神经网络 可分解方法

在线阅读 下载PDF 职称材料

基于GHMM-LSTM模型的商品热度研究

10

作者 李银 王钇 《韶关学院学报》 2025年第5期1-6,共6页

随着电子商务规模的不断扩大,研究电商企业中商品热度的变化趋势和未来状态对于优化营销策略、库存管理和资源调配至关重要.首先基于淘宝展示广告点击率预估数据集的用户行为日志构建商品综合热度指标,接着利用熵权TOPSIS法横向分析各... 随着电子商务规模的不断扩大,研究电商企业中商品热度的变化趋势和未来状态对于优化营销策略、库存管理和资源调配至关重要.首先基于淘宝展示广告点击率预估数据集的用户行为日志构建商品综合热度指标,接着利用熵权TOPSIS法横向分析各商品的热度差异,并结合高斯隐马尔可夫模型(GHMM)纵向分析单个商品的热度序列变化,最后基于长短期记忆神经网络(LSTM)和时间序列预测模型(Prophet)进行对比预测商品热度变化.实证分析结果表明LSTM更适合商品热度的时间序列预测.研究可为电商提供有价值的分析方法,帮助电商更好地了解市场和用户行为,以优化运营策略. 展开更多

关键词 商品综合热度指数 熵权TOPSIS法 GHMM lstm prophet

在线阅读 下载PDF 职称材料

基于Prophet-LSTM+P-Bshade融合模型的中国陆地MAIAC AOD补值研究

11

作者 熊英杰 杜宁 +3 位作者 王莉 张显云 王耀 张洪飞 《中国科技论文》 CAS 2024年第8期877-883,共7页

因受云层等气象条件干扰和卫星传感器性能影响,卫星获取的气溶胶光学厚度(aerosol optical depth,AOD)存在数据缺失的情况,为了提高AOD数据的覆盖度,利用AOD的时空相关性,提出Prophet-LSTM+P-Bshade融合模型,对2016年3月—2021年2月我国... 因受云层等气象条件干扰和卫星传感器性能影响,卫星获取的气溶胶光学厚度(aerosol optical depth,AOD)存在数据缺失的情况,为了提高AOD数据的覆盖度,利用AOD的时空相关性,提出Prophet-LSTM+P-Bshade融合模型,对2016年3月—2021年2月我国1 km×1 km分辨率的多角度大气校正算法(multiangle implementation of atmospheric correct, MAIAC) AOD数据进行时空补值,并与地面监测站点AERONET AOD进行对比验证。结果表明:提出的融合模型补值成果精度明显优于其他对比模型,验证精度指标R、MAE和RMSE分别为0.905、0.237和0.375。2016年3月—2021年2月中国陆地AOD值分布时间上季度性变化较明显,整体呈现冬季>春季>夏季>秋季的季节分布特征,空间上总体呈现东高西低和塔里木盆地局部较高的特点。 展开更多

关键词 MAIAC AOD 时空相关性 prophet-lstm P-Bshade 时空补值

在线阅读 下载PDF 职称材料

基于改进LSTM-Prophet算法的客运量预测

12

作者 陆奕 郭唐仪 《黑龙江交通科技》 2023年第1期128-131,共4页

利用该模型对2019年的铁路月度客运量数据进行预测,并与实际客运量进行对比分析,实验表明,LSTM-Prophet算法模型预测值的MAPE值为1.91%,MAE值为559.07,RMSE值为691.82,三个评价指标值都低于SARIMA模型、LSTM模型和GM(1,1)模型的评价指标... 利用该模型对2019年的铁路月度客运量数据进行预测,并与实际客运量进行对比分析,实验表明,LSTM-Prophet算法模型预测值的MAPE值为1.91%,MAE值为559.07,RMSE值为691.82,三个评价指标值都低于SARIMA模型、LSTM模型和GM(1,1)模型的评价指标值,所以LSTM-Prophet算法模型更能准确预测客运量数据,为决策提供参考价值。 展开更多

关键词 铁路客运量 时间序列 lstm-prophet 预测分析

在线阅读 下载PDF 职称材料

LSTM-Prophet混合模型在物料储备需求预测中的应用 被引量：3

13

作者 辛唯 《现代计算机》 2024年第4期53-57,共5页

建立LSTM⁃Prophet混合模型,预测A公司未来每日物料消耗量,为工段每日物料储备提供参考,数据集来源为A公司2015年来每日物料实际消耗量。实验结果显示,LSTM⁃Prophet混合模型预测时序数据的MAE值为40.905,MAPE值为0.044,R2值为0.863,三个... 建立LSTM⁃Prophet混合模型,预测A公司未来每日物料消耗量,为工段每日物料储备提供参考,数据集来源为A公司2015年来每日物料实际消耗量。实验结果显示,LSTM⁃Prophet混合模型预测时序数据的MAE值为40.905,MAPE值为0.044,R2值为0.863,三个评价指标都优于LSTM模型、Prophet模型、ARIMA模型三个单一模型的评价指标值。验证了LSTM⁃Prophet混合模型有着更好的预测精度,可以更好地应用于工业场景。 展开更多

关键词 lstm模型 prophet模型 时序数据预测 混合模型预测

在线阅读 下载PDF 职称材料

基于Prophet-LSTM模型的柑橘价格预测研究

14

作者 黄楚欣 吴小玉 +1 位作者 李菁琳 董跃飞 《现代计算机》 2024年第12期1-7,共7页

鉴于柑橘价格的波动对市场和农民收益具有显著影响,因而对柑橘价格预测的研究不仅必要,且具有重要的意义。为准确预测柑橘价格,根据全国农产品商务信息公共服务平台2018年1月1日至2022年9月24日的芦柑数据,分别使用Prophet模型、LSTM模... 鉴于柑橘价格的波动对市场和农民收益具有显著影响,因而对柑橘价格预测的研究不仅必要,且具有重要的意义。为准确预测柑橘价格,根据全国农产品商务信息公共服务平台2018年1月1日至2022年9月24日的芦柑数据,分别使用Prophet模型、LSTM模型、Prophet-LSTM相结合的模型对柑橘价格进行建模和预测。研究结果显示Prophet-LSTM模型的MAE和MAPE最低,表明Prophet-LSTM模型预测效果最佳、更具稳定性,适合于柑橘价格的预测。 展开更多

关键词 柑橘 价格预测 prophet-lstm 时间序列 经济作物

在线阅读 下载PDF 职称材料

基于Prophet算法的服装面料需求预测研究 被引量：2

15

作者 李亭立 李长云 王松烨 《现代信息科技》 2021年第20期95-97,102,共4页

针对目前服装面料需求数据周期非确定性导致预测精度差的问题,提出一种基于Prophet算法的服装面料需求预测模型。通过分析服装面料需求历史数据的时间序列特征构建Prophet模型,使用M公司面料数据集设计Prophet与LSTM的对比实验,并采用R... 针对目前服装面料需求数据周期非确定性导致预测精度差的问题,提出一种基于Prophet算法的服装面料需求预测模型。通过分析服装面料需求历史数据的时间序列特征构建Prophet模型,使用M公司面料数据集设计Prophet与LSTM的对比实验,并采用RMES以及MAE作为评价指标。实验结果表明:相比于LSTM,Prophet模型具有较高的预测精度且有效提升了服装面料需求时间序列预测的准确性。 展开更多

关键词 prophet模型 时间序列预测 lstm 服装面料需求预测

在线阅读 下载PDF 职称材料

基于LSTM算法的云资源库存需求预测 被引量：2

16

作者 薛宇飞 《信息与电脑》 2023年第10期197-199,共3页

针对云资源库存需求存在着预测实际效果差等问题,通过分析云资源库存需求历史数据的时间序列特征构建长短期记忆(Long Short Term Memory,LSTM)模型,使用A公司数据集设计LSTM与Prophet的对比实验。结果表明,与Prophet算法相比,LSTM网络... 针对云资源库存需求存在着预测实际效果差等问题,通过分析云资源库存需求历史数据的时间序列特征构建长短期记忆(Long Short Term Memory,LSTM)模型,使用A公司数据集设计LSTM与Prophet的对比实验。结果表明,与Prophet算法相比,LSTM网络模型能够较好地预测云资源库存需求的变化趋势,且预测误差较低。 展开更多

关键词 云资源 库存预测 长短期记忆(lstm)网络 prophet模型

在线阅读 下载PDF 职称材料

基于Prophet-LSTM模型的流感节假日效应分析及预测效果研究

17

作者 程文林 毛军军 +1 位作者 汪亦哲 吴家兵 《公共卫生与预防医学》 2026年第1期8-12,共5页

目的基于Prophet-LSTM混合模型探究节假日效应与防控措施对合肥市流感发展特征及发病趋势的影响,通过比较不同预测模型的性能,验证Prophet-LSTM模型在流感预测中的适用性。方法收集2016—2024年合肥市流感发病数据,构建Prophet-LSTM特... 目的基于Prophet-LSTM混合模型探究节假日效应与防控措施对合肥市流感发展特征及发病趋势的影响,通过比较不同预测模型的性能,验证Prophet-LSTM模型在流感预测中的适用性。方法收集2016—2024年合肥市流感发病数据,构建Prophet-LSTM特征分析与预测模型,分析节假日效应和防控措施对流感发病趋势的影响;同时建立ARIMA、GRU、TimeGPT等对比模型,在相同测试集上比较各模型的预测性能。结果分析表明,元旦、春节、国庆等节假日期间流感发病率显著上升,而防控措施实施期间发病率呈现下降趋势。Prophet-LSTM模型的预测值与实际值高度吻合,其MAE(0.209)、MSE(0.195)和IA(0.914)均优于对比模型,展现出更高的预测精度和趋势拟合能力。结论Prophet-LSTM模型能有效捕捉流感发病的时空特征,在纳入节假日效应和防控措施因素后表现出更好的预测性能,证明其在流感预测领域具有显著优势和应用价值。 展开更多

关键词 prophet-lstm 流感 节假日效应 防控效应 预测模型

原文传递

InSAR结合深度学习算法下的地面沉降预测研究

18

作者 张奇 杨长江 +2 位作者 曹鹏财 刘奇 陈旭帅 《测绘与空间地理信息》 2025年第12期25-28,32,共5页

针对现有的地面沉降预测模型对参数要求较高和未考虑数据内部复杂规律等问题,本文采用Prophet模型与长短期记忆网络(LSTM)模型相结合的优化预测方法。首先采用短基线集技术(SBAS-InSAR)获取高精度地面形变时序反演结果;其次对原始沉降... 针对现有的地面沉降预测模型对参数要求较高和未考虑数据内部复杂规律等问题,本文采用Prophet模型与长短期记忆网络(LSTM)模型相结合的优化预测方法。首先采用短基线集技术(SBAS-InSAR)获取高精度地面形变时序反演结果;其次对原始沉降时序数据进行Prophet分解,将沉降时序数据分解成趋势项、周期项、极端事件影响项和噪声项;然后使用Prophet模型对趋势项和周期项建立预测模型,使用LSTM模型对其他项建立预测模型;最后进行集成预测得到地面沉降预测值。以喀喇昆仑公路附近的地面沉降数据进行验证,结果表明本文使用的组合模型在地面沉降预测中具有很好的效果。 展开更多

关键词 地面沉降预测 SBAS-InSAR prophet lstm 组合模型

在线阅读 下载PDF 职称材料

多源数据融合的抽水蓄能电站安全监测体系构建及应用

19

作者 张志权 张曙云 +2 位作者 任志刚 文武 陈旭帅 《红水河》 2025年第5期76-80,共5页

为解决抽水蓄能电站传统安全监测方法存在的覆盖不全、数据整合困难等问题,笔者构建一套全方位、实时精准的安全监测体系。通过集成InSAR、GNSS与物联网等技术,建立“点-面”结合的立体监测网络;设计包含六个层次和两大体系的系统框架,... 为解决抽水蓄能电站传统安全监测方法存在的覆盖不全、数据整合困难等问题,笔者构建一套全方位、实时精准的安全监测体系。通过集成InSAR、GNSS与物联网等技术,建立“点-面”结合的立体监测网络;设计包含六个层次和两大体系的系统框架,并开发Prophet-LSTM混合预测模型,以提升数据分析与预警能力。应用结果表明:该体系实现了对43个监测点的多源数据融合与统一管理,能够准确推送预警信息,并显著提升巡检效率。该监测体系有效提升了抽水蓄能电站安全管理的全面性与可靠性,可为电站安全稳定运行提供技术保障。 展开更多

关键词 抽水蓄能电站 安全监测 多源数据融合 INSAR prophet-lstm模型

在线阅读 下载PDF 职称材料

基于汽车价值链业务协同资源的整车需求量预测模型 被引量：1

20

作者 张倩 任春华 +1 位作者 高雪芹 王波 《现代计算机》 2021年第25期26-30,共5页

针对汽车市场竞争不断加剧的现状,制定准确的整车需求量对制造厂的销售计划具有重要参考意义。本文提出了一种基于Prophet和LSTM(长短期记忆网络)模型相结合的组合预测模型(Prophet-LSTM)。为验证模型的可行性,对汽车价值链业务协同过... 针对汽车市场竞争不断加剧的现状,制定准确的整车需求量对制造厂的销售计划具有重要参考意义。本文提出了一种基于Prophet和LSTM(长短期记忆网络)模型相结合的组合预测模型(Prophet-LSTM)。为验证模型的可行性,对汽车价值链业务协同过程中产生的整车销售时序数据资源进行了提取,首先利用Prophet模型对原始数据集进行特征提取,然后将特征放入到LSTM模型中进行多步时间序列预测,最后将两个模型的预测值进行加权融合得到最终的预测值。与单一模型进行实验对比,结果表明,Prophet-LSTM组合模型较单一模型具有更高的预测精度。 展开更多

关键词 整车需求预测 prophet lstm模型 组合预测模型 汽车产业链

在线阅读 下载PDF 职称材料