简介：研究了智能物流管理控制系统在实现过程中所采用的理论和技术方法，用神经网络技术建立物流预测模型，提出了物流预测模型的层次结构和物流预测模型的知识发现流程，用BP网络算法进行设计，通过实例进行了实验并对实验结果进行分析。

简介：本文对混凝土的弹性性质进行了计算，将混凝土简化为由水泥浆、细骨料和粗骨料所组成的三相复合材料，运用了Benveniste对Mori-Tanaka法的解释和Eshelby’s等效介质理论对其进行了计算，最后将本文方法所推导出来的理论结果与公开发表的实验数据进行了比较。

简介：摘要：电力产业为社会经济发展提供了推动力，在电网运行环节中，展开数据处理、负荷预测能确保电网系统可靠运行，为电力调度提供数据支持，促进电力行业发展。本文主要围绕着短期电力负荷来展开，基于负荷大数据预测模型，分析用户用电规律，深入探究短期电力负荷预测相关内容，保证精准完成短期电力负荷预测，让电力系统运行更安全。

简介：摘要目的系统评价脑卒中后抑郁(PSD)风险预测模型。方法计算机检索Web of Science、The Cochrane Library、PubMed、Embase、CINAHL、知网、中国生物医学文献服务系统、万方和维普数据库中建库至2022年6月1日收录的PSD风险预测模型相关文献，采用预测模型构建研究数据提取和质量评价清单(CHARMS)对纳入文献中的模型进行质量评价，并对纳入模型中具有共性的预测因子的预测价值采用RevMan 5.3软件进行Meta分析。结果共纳入9篇文献，包含11个PSD风险预测模型，所有模型的建模时受试者工作特征曲线下面积(AUC)为0.726~0.854，其中7个模型的AUC≥0.8，预测效能较高，但仍存在偏倚风险，主要原因包括未报告缺失数据的处理、模型效果评价不完整以及未对模型进行内外部验证。Meta分析结果显示抑郁或其他精神疾病病史(OR=6.73，95%CI：3.87~11.73)、艾森克人格问卷(EPO)评分(OR=1.13，95%CI：1.03~1.23)、高血压(OR=0.47，95%CI：0.30~0.74)、Barthel指数(OR=0.98，95%CI：0.98~0.99)均是PSD的有效预测因子。结论PSD风险预测模型整体预测性能良好，但也仍存在一定的偏倚风险，未来应对建模方法进行改进；PSD风险预测模型的建立可重点关注抑郁或其他精神疾病病史、EPQ评分、高血压、Barthel指数等预测因子。

简介：摘要不同抑郁症患者的最优治疗方案一般需通过长期、低效率的试错过程来逐步确定。为实现抑郁症的精准治疗，有必要通过特异性生物标志物来选择有效的治疗方法。深度学习是机器学习的一个分支，该技术能处理大量高维、复杂的数据，适用于自动提取和学习临床、基因组学和神经影像数据的特征。近年来，研究人员正在使用深度学习技术开发抑郁症治疗反应的预测模型，有利于指导临床医生为患者选择最佳治疗方案以及在全球范围内推进更为高效的个体化精准医疗方案。本文从人口学、临床症状数据、基因组学数据和功能磁共振成像数据三个方面，对深度学习预测抑郁症疗效方面的相关研究进行综述，并对未来的深度学习研究方向尤其是多组学数据结合深度学习的应用进行展望。

简介：

简介：电信运营商通过分析各个时间段、各个具体区域、热点区域的历史话务数据，能够对未来一段时间的话务量进行预测，从而提供面向运营商管理层的决策支持。因此，采用合适的方法对话务量进行准确预测，无论对于话务短期均衡，还是对于网络规划都有一定的帮助。本文将短期预测的代表方法——自回归求和滑动平均（AutoregressiveIntegratedMovingAverageModel，简称ARIMA）模型应用于话务分析，并与往常使用的指数拟合趋势线方法进行对比，实验结果表明ARIMA预测精度较高。

简介：摘要：近年来，全球海洋温度的升高使得一些鱼类离开原来的生存区域，去寻找更适宜的栖息地。对苏格兰而言，鲱鱼和鲭鱼为经济作出了重要贡献，这两种鱼栖息地的变化，将会对当地渔业产生巨大影响。在本论文中，我们将苏格兰海域划分为 36 块，用过去 40 年的海表面温度数据建立时间序列模型，对每一块区域进行分析，汇总出整体海域的结果。然后再根据两种鱼最适宜的生存温度，最终确定了鲱鱼和鲭鱼的迁徙路线。

简介：

简介：影响提前还贷的再一个因素是抵押贷款借款人在到期前周转房屋的概率,　　 　　一、 提前还贷的原因 　　 　　根据经济中可能影响抵押贷款借款人的因素,浮动利率抵押贷款是一种合同利率随着市场利率变化的抵押贷款

简介：摘要随着电力工业的日趋成熟，原来电力行业长期垄断的经营方式已无法适应电力工业生产力发展的需要。因此，锅炉普遍存在的运行效率低和NOx排放污染严重的问题，这一问题急需解决，刻不容缓。在不进行锅炉改造的前提下，以现有运行条件为基础，通过优化运行，提高锅炉效率和降低NOx的排放，是一种经济、有效的办法。本文对锅炉燃烧效率、降低污染物排放进行了阐述。

简介：该文对我国1978-2013年的GDP数据进行了分析,建立了ARIMA模型,对我国GDP时间序列数据进行了模拟。通过对GDP数据的平稳性检验、模型参数识别与检验,建立了ARIMA（2,1,6）模型,结果显示该模型的预测误差较小,能够较好地预测我国的GDP,最后使用ARIMA模型对我国2007-2013年的GDP总量进行了拟合,以期为我国经济发展的战略规划和决策提供参考和依据。

简介：摘要本文阐述了几种经典的沉降预测分析模型，之后通过实测观测数据进行案例分析得出不同预测模型的优缺点不同，灰色系统预测模型所需的原始数据较少，但其抗干扰能力较弱；时间序列模型需要大量的原始数据才能得到良好的预测效果；卡尔曼滤波模型则具有较好的可靠性。

简介：文章在分析1999-2009年开封市旅游创汇收入额年度数据的基础上,建立了旅游创汇收入额的ARIMA（p,d,q）模型。结果表明,ARIMA（1,1,1）模型提供较准确的预测效果,可以用于未来的短期预测,并为开封市入境旅游的政策和规划提供可靠的依据。

简介：失效率是工程中最常用的可靠性指标，传统方法需要通过失效观测数据统计得出。本文根据失效是载荷与强度相互作用结果的观点，借助于动态的（与载荷作用次数有关的）载荷-强度干涉关系，推导出了失效率函数预测模型，并且从载荷分布与强度分布及其之间的关系解释了产品服役过程中失效率的变化规律，展示了载荷的分散性和强度的分散性对失效率曲线形状的影响，提供了一种借助于数学模型预测产品失效率的方法。

简介：古人云“以史为鉴”,说的是吸取历史的经验教训,对未来的情况做出预判或者改变。生活中,亦是存在相似的利用历史数据对未来变化趋势进行预测分析的时间序列问题。本文就时间序列一类的问题进行研究,探讨如何更好地根据历史统计数据,对未来的变化趋势进行预测分析。本文基于神经网络,以气象观测历史数据作为研究的对象,建立了气温变化时序预测模型。本模型利用大数据相关技术对数据进行特征处理,通过深度神经网络,学习特征数据和标签数据之间复杂的非线性关系,从而实现对气温变化的趋势预测。实验结果表明,相较其他模型,本文的模型能够更好地进行时序预测,同时也证明了神经网络用于气象预测的可行性。

简介：选择100个化合物作为数据集，随机选取其中80个为训练集，其他分子为验证集，并为每个化合物分子计算了30个参数．通过采用五种不同多元线性回归分析方法对其训练模拟，建立了数学模型，并用验证集检验了所建模型的预测能力．结果发现向后筛选法为最优小肠吸收建模方法．由该法所建模型的统计结果良好（R^2〉0．80），应用于验证集时也表现出较强预测能力．该模型确定了对小肠吸收影响较大的分子参数，有助于指导进一步的新药筛选和开发．

简介：粮食安全是国计民生的头等大事,关系到国家的长治久安和老百姓的安居乐业。小麦是我国的重要粮食作物,它的生产和收成对我国的粮食安全至关重要。科学预测我国小麦的产量,对制定小麦生产规划,保证我国粮食安全具有重要意义。ARMA模型既能对平稳的时间序变化趋势进行预测,也能对有一定变化趋势的时间序列进行预测,能准确地预测随机事件的短期变化趋势。文中运用ARMA模型预测我国小麦产量,取得了理想的效果。

简介：介绍昆山劳动就业现状，AR模型参数提取算法。阐述了利用AR模型预测就业人数的方法并从实验角度给出就业预测状况，为当地劳动就业部门提供参考。

简介：传统的Markov链模型是一种简单而有效的预测模型,该模型存在着预测准确率低,存储复杂度高等缺点。改进的基于聚类的Markov链预测模型,利用用户访问特征和人们浏览网页与时间高度相关的思想来改善模型,建立了基于用户访问特征和时间段聚类的Markov预测模型并进行了模拟实验和结果分析。