2022.5论文学习
文章平均质量分 76
山外小楼听夜雨.
每天敲点代码..
展开
-
什么是水位?水文中常见的特征水位有哪些,各表达什么意思?
文章目录1 什么是水位2 起涨水位3 洪峰水位4 警戒水位5 保证水位1 什么是水位答:河流或者其他水体的自由水面,离某一基面零点以上的高程称为水位。水位的单位是米,一般是要求小数点2位,0.01m。2 起涨水位一次洪水过程中,涨水前最低的水位。3 洪峰水位一次洪水过程中,出现的最高水位值。4 警戒水位当水位继续上涨达到某一水位,防洪堤可能出现险情,此时防护人员应该加强巡视,严加防守。5 保证水位也就是保证在此水位时,提防不溃决。有时会把历史最高水位定位保证水位。...原创 2022-05-31 09:47:49 · 2177 阅读 · 0 评论 -
专利学习——一种基于变量相关性的多元时间序列相似性搜索方法
文章目录1 摘要2 介绍——针对多元时间序列相似度量2.1 目前常见的多元时间序列特征提取方法3 步骤分析3.1 归一化3.2 采用皮尔逊相关系数,算相关性1 摘要一种基于变量相关性的多元时间序列相似性搜索方法。步骤一:对多元时间序列进行归一化处理步骤二:计算序列间数据间的皮尔逊相关系数步骤三:以皮尔逊相关性为基础,使用OPTICS聚类,将趋势相似的变量聚成类步骤四:提取聚类后每个类的中心序列,用中心序列代表该类步骤五:最后对所有中心序列进行PAA特征提取,获得多元时间序列的特征表示数列步原创 2022-05-30 20:48:22 · 464 阅读 · 0 评论 -
论文学习——时间序列数据挖掘中的动态时间弯曲研究综述
文章目录1 摘要(分析本文步骤)2 引言2.1 DTW的进一步研究方向3 DTW的基本原理3.1 DTW介绍+要求3.2 实现方式3.3 举个例子写在前面:《控制与决策》;月刊;主办单位:东北大学;核心期刊;1 摘要(分析本文步骤)【通过对DTW的分析,为相似性度量、聚类和分类等时间序列数据挖掘技术提供必要的文献资料和理论基础。】简述动态时间弯曲算法的基本步骤,分析优点、缺点从动态时间弯曲度量效率的改进研究、度量效果的提升措施以及其在各个行业的应用研究进行相关综述最后,给出动态时间弯曲度量效原创 2022-05-30 11:18:36 · 1087 阅读 · 0 评论 -
论文学习——基于优化DTW算法的水文要素时间序列数据相似性分析
文章目录1 摘要2 结论3 引言4 水文时间序列数据相似性度量的相关研究4.1 提出问题4.2 DTW动态时间弯曲距离算法5 基于DTW的水文要素时间序列数据相似性度量方法写在前面:《水文》(JOURNAL OF CHINA HYDROLOGY);双月刊;中文核心;主办单位:水利部水文局;水利部水利信息中心1 摘要针对的问题:基于水文要素摘录数据的相似性分析的优点和存在的问题;提出的论点:使用DTW解决水文要素摘录数据时序间距不一致、时长不一致的问题;创新点:根据水文时间序列数据周期性起伏变化原创 2022-05-26 20:30:37 · 838 阅读 · 0 评论 -
专利学习—— 一种基于聚类的水文降雨一致区分析方法
文章目录1 所属领域:属于水文水资源和数据挖掘交叉领域2 步骤分析2.1 根据单场降雨分割规则进行分割,获得单场降雨时间序列2.2 统计单场降雨时间序列的特征量,将每场降雨用一个n维特征向量表示2.3 使用主成分变换,保留特征值贡献率超过阈值的维度,记为p个维度2.4 使用改进K-means方法对单场降雨向量进行聚类2.5 基于雨量站所有汛期的降雨类型特征向量,建立基于监测时间的降雨特征序列2.6 采用相似度量建立相似性模型,计算两个雨量站之间的S_pca距离3 背景技术4 建立相似性模型4.1 言归正传,原创 2022-05-25 12:02:23 · 484 阅读 · 0 评论 -
专利学习——基于单场降雨类型的降雨站点相似性评价方法
文章目录1 所属领域:水文水资源与数据挖掘技术交叉领域2 步骤分析2.1 提取统计特征量2.2 对2.1中的特征向量,进行均值为0,方差为1的标准化2.3 对特征向量进行聚类2.4 得到N个类别之后,对每个类别降雨场次进行归一化处理,统计每个站点的降雨类型直方图2.5 计算任意两个降雨站点的降雨类型直方图的相似度3 在2.3步骤中的聚类方法介绍4 背景技术介绍4.1 过去对降雨时间序列的研究4.2 本专利的创新点5 具体实施方式5.1 对降雨站点【雨量站】一段时间的数据进行预处理5.2 单场降雨特征的选择和原创 2022-05-25 10:14:21 · 339 阅读 · 0 评论 -
论文学习——分段时间序列相似性研究与应用
文章目录1 时间序列挖掘 (TSDM, Time Series Data Mining)1.1 研究时间序列相似性度量方式1.2 研究时间序列分段表示方式1.3 降雨时间序列数据集写在前面:这是一篇硕士论文。我的idea被导师毙掉了,现在我又开始从头搭建我的碉堡…1 时间序列挖掘 (TSDM, Time Series Data Mining)定义:基于一个或多个时间序列的数据挖掘,它的任务是从时间序列中提取相关规律,分析其数值周期,以及对其进行预测等。【先一个序列,然后再多个序列】基本所有原创 2022-05-24 16:51:02 · 813 阅读 · 8 评论 -
论文学习——基于注意力机制的LSTM和ARIMA集成方法在土壤温度中应用
文章目录1 摘要2 结论2.1 未来的优化方向3 引言写在前面:吉林大学学报(工学版);主办单位:吉林大学;中文核心期刊1 摘要提出点:基于注意力机制的多通道长短期记忆网络融合ARIMA算法 预测模型创新点:通过提取长短期 不同时刻重要时间特征,并利用ARIMA时间序列模型 提取线性特征优势 更准确预测土壤温度。2 结论研究课题:土壤温度预测模型:AT-MC-LSTM模型创新点:LSTM网络 有许多存储单元,随着存储单元数量的增加,时间序列的相关性可能会降低,估计性能可能会受到影响。原创 2022-05-23 10:31:08 · 612 阅读 · 0 评论 -
论文学习——1960-2016年嘉陵江流域极端降水时空变化特征研究
文章目录1 摘要2 研究方法2.1 数据来源2.2 数据处理2.3 极点对称模态分解方法2.3.1 模态分解2.3.2 时频分析写在前面:增加一些水文方面的常识以及常用词汇,方便以后写论文用~~1 摘要采用相对阈值的极端事件辨识方法,基于极点对称模态分解,从降水频率-强度-持续时间角度,对1960年-2016年嘉陵江流域内持续1d、3d、5d 和7d的极端降水的趋势、周期、突变进行了研究。结果:嘉陵江流域极端降水频率总体趋势无明显变化,但是存在较强的波动变化。2 研究方法2.1 数据来源原创 2022-05-23 08:39:02 · 343 阅读 · 0 评论 -
论文学习——基于改进Bi-LSTM和XGBoost的电力负荷组合预测方法
文章目录1 摘要2 结论3 引言3.1 组合预测3.2 总结1 摘要领域: 电力负荷预测文章提出了一种新的短期电力负荷预测方法:①根据加权灰色关联投影算法,对数据进行预处理;②然后应用注意力(Attention)机制来改进双向长短期记忆(Bi-LSTM)模型;③结合极端梯度提升,(XGBoost)模型构建一种由误差倒数法确定权重的 电力负荷组合预测模型。数据集:新加坡电力市场数据集2 结论利用 WGRP算法,对假日数据进行预处理,可以有效提高模型的预测精度;利用注意力机制,使 Bi-原创 2022-05-08 10:54:20 · 4500 阅读 · 13 评论 -
论文学习——基于混合GA优化LSTM的中小流域流量预测研究
文章目录1 摘要2 结语(conclusion)3 引言4 基于LSTM的流量预测模型写在前面:《计算机仿真》;主办单位:中国航天科工集团公司第十七研究所;中文核心;月刊;1 摘要提出方法)(模型):SP_GA算法优化LSTM模型参数 即 SP_GA_LSTMLSTM 模型参数难以确定,采用SP_GA来进行参数寻优SP_GA算法,在遗传算法中引入粒子群算法公式作为变异算子,并且在种群进化后期,进行模拟退火操作,一次提高收敛速度和全局搜索能力。【这一段话是非常费解的…】2 结语(concl原创 2022-05-05 17:12:30 · 1276 阅读 · 0 评论