导读:本文包含了时序动态论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:时序,动态,群落,遥感,模型,植被,特征。
时序动态论文文献综述
张凯斐[1]（2019）在《分布式网络动态数据异常区域时序挖掘仿真》一文中研究指出为改善当前分布式网络异常区域动态时序数据挖掘过程中受冗余、干扰数据影响,造成挖掘准确率不高、误检率和漏检率居高不下的问题,提出了基于小波发分析的分布式网络异常区域动态时序数据挖掘方法,该方法通过采用小波分析的方法对分布式网络中产生的动态时序数据进行多尺度分解和平滑滤波处理,消除了冗余和干扰数据影响;在此基础上,引入网格作为索引计算将分布式网络中的动态时序数据活动空间进行网格划分,同时结合二元正态密度核函数和二进制序列法挖掘分布式网络异常区域以及异常区域动态数据的活动周期规律,实现了分布式网络异常区域动态时序数据挖掘。在MATLAB软件环境下模拟分布式网络场景,选取检测率、误检率、漏检率作为评价指标,测试了注入不同异常类型后所提方法的挖掘性能,并对比了注入不同比例异常动态时序数据时所提方法与其它方法的挖掘准确性,充分证明了所提方法的有效性与优越性。(本文来源于《计算机仿真》期刊2019年09期）
李彦瑞,杨春节,张瀚文,周恒,李宇轩[2]（2019）在《基于seq2seq模型的时序数列动态特征提取方法及其应用》一文中研究指出针对工业过程中运行数据量大、数据质量差以及多为时序数据的特点,设计了基于seq2seq模型与梯度提升树算法的工业过程软测量建模方法。该方法通过梯度提升树来解决工业数据量大与数据质量差的问题,并通过seq2seq模型提取动态特征,弥补了梯度提升树算法不擅长处理时序数据的缺点。本文介绍了该算法设计,并采用数值实验以及造纸制浆过程的数据验证了所提方法的有效性,结果表明seq2seq模型可以有效提取出数据中的动态特征,进而提高梯度提升树的建模精度。(本文来源于《第30届中国过程控制会议（CPCC 2019）摘要集》期刊2019-07-31）
邢鲲,曹俊宇,王媛媛,赵飞[3]（2019）在《设施蔬菜昆虫群落结构与时序动态》一文中研究指出通过分析设施蔬菜生态系统中昆虫各群落的组成、特征及时序动态变化,为设施蔬菜害虫生态调控策略的制定提供科学依据。采用5点取样法,调查黄板诱集昆虫的种类和数量,利用群落特征指数进行分析。结果表明,设施番茄昆虫隶属于7个目16个科,设施黄瓜昆虫隶属于7个目18个科,并且设施黄瓜昆虫各群落丰富度指数、多样性指数与均匀度指数均高于设施番茄,而优势集中性指数、优势度指数则设施番茄高于设施黄瓜。非天敌昆虫亚群落在昆虫总群落的变化中起着主要作用,天敌昆虫亚群落对于非天敌昆虫群落的变化存在跟随现象。设施蔬菜生态系统昆虫群落特征与农田生态系统相比,具有一定相似性,又具有一定特殊性。(本文来源于《江苏农业学报》期刊2019年03期）
李振坤,崔静,路群,米阳,苏向敬[4]（2019）在《基于时序动态约束的主动配电网滚动优化调度》一文中研究指出为有效应对主动配电网(ADN)中间歇性能源和负荷等不确定性因素给ADN优化调度带来的挑战,提出了基于时序动态约束的ADN滚动连续实时优化调度方法。以恒定调度周期24 h的经济性最优为优化目标,建立了统筹考虑各类有功和无功功率等控制资源的综合实时优化调度模型。所提的滚动优化调度方法基于优化时刻的实时采集数据和后续23 h的预测数据,采用和声搜索算法求解所建调度模型,连续实时确定每个时刻ADN的最优运行方案。在建模过程中考虑到风光荷预测的不准确性随时间的增长而增大的特性,提出了时序动态约束的概念,即愈往后其安全约束愈加宽松,以此扩大解空间范围,进一步提高了调度方案的经济水平。最后,对改进的IEEE 33节点算例和IEEE 69节点算例的调度仿真分析,验证了所提方法和模型的可行性和有效性。(本文来源于《电力系统自动化》期刊2019年16期）
蒋明,郭云开,朱佳明,刘海洋[5]（2019）在《时序遥感影像滇池凤眼莲时空动态变化分析》一文中研究指出滇池入侵物种——凤眼莲的问题由来已久,已经成为我国入侵物种的典型案例。针对目前暂未有学者用遥感手段对其进行时空动态变化分析,本研究利用连续长时间序列遥感影像,结合影像拼接技术,采用监督分类方法,实现了滇池凤眼莲面积解译提取和蔓延区域的空间分布确定。通过不同时相遥感影像的解译,基于时间序列的统计特性进行变化检测,对滇池凤眼莲近18年来的覆盖面积和种群位置进行时空动态变化分析。研究结果表明,18年来,滇池凤眼莲种群面积前期2000—2011年处于波动变化,后期2012—2017年趋于稳定,空间分布呈现分散-集中-再分散的变化,其主要分布在滇池沿岸地区,特别是滇池外海北部区域,与实际情况相吻合。(本文来源于《遥感信息》期刊2019年03期）
赵经华,徐剑,马英杰,杨文新,胡建强[6]（2019）在《基于时序动态模型的不同灌水定额下食葵增产潜能分析》一文中研究指出为促进食葵长势,提高食葵产量、水分利用效率,设置5个灌水定额水平(W1:300 m~3/hm~2、W2:375 m~3/hm~2、W3:450 m~3/hm~2、W4:525 m~3/hm~2、W5:600 m~3/hm~2),分析比较了不同灌水定额对食葵株高、叶片数、盘径和茎粗的影响,探明了不同灌水定额下食葵生长指标与产量和耗水量的关系,利用时序动态评价模型分析了不同灌水定额下提高食葵产量和水分利用效率的潜能。结果表明:食葵株高、叶片数、盘径和茎粗随着灌水定额增加而增大,525 m~3/hm~2和600 m~3/hm~2灌水定额下食葵生长指标增长效果明显,当灌水定额增加到600 m~3/hm~2食葵茎粗不增反减,300 m~3/hm~2灌水定额限制食葵植株生长,高灌水定额更利于促进食葵株高和叶片数增长;食葵生长指标与产量和耗水量存在正向关系,耗水量和产量随着食葵植株长势转优而增加。525 m~3/hm~2灌水定额下食葵植株长势优且耗水量高,产量高。600 m~3/hm~2灌水定额下增加食葵营养生长时长,耗水量高且不利于食葵增产。在生长阶段,525 m~3/hm~2和600 m~3/hm~2灌水定额下食葵耗水量高,株高和茎粗缩减量大。评价结果表明,300 m~3/hm~2灌水定额下食葵综合长势处于劣势,提高产量和水分利用效率的能力弱,即潜能小;525 m~3/hm~2灌水定额下食葵综合长势最优,潜能大。选择525 m~3/hm~2灌水定额作为实际食葵灌溉制度较为适宜。(本文来源于《农业机械学报》期刊2019年09期）
潘恺,田林亚,李成成[7]（2019）在《动态灰色时序神经网络组合模型在地铁运营期沉降预测效果分析》一文中研究指出为了提高在变形监测中数据预测的精度以及它的可靠性,该文提出了基于动态灰色时序模型与神经网络组合的预测方法。根据已有的地铁沉降数据,对地铁隧道结构变形进行数据分析与预测,并与动态灰色模型、动态灰色时序模型进行精度对比。实例证明,该组合模型在地铁隧道结构变形预测中的精度较高。(本文来源于《勘察科学技术》期刊2019年02期）
李磊[8]（2019）在《基于动态得分网络和自适应互补结构的时序行为提名与检测方法》一文中研究指出人体行为识别是计算机视觉应用领域的研究热点,互联网的发展推动其模型和算法进步。在海量的视频数据驱动下,尤其是剪辑视频的行为识别的准确率显着提升。然而,实际应用的视频大多数包含多种运动对象和多个行为片段,连续且未经修剪。因此,作为一项具有挑战性的任务——时序行为检测,需要检测出未经剪辑视频中的行为片段,即时序行为提名,定位每个行为片段的开始和结束时间,同时识别行为片段的动作类别。本文为了提高时序行为提名与检测的性能,提出了叁种新的网络结构,用于时序行为提名与检测,本文主要工作包括:1、提出了一种动态提名网络——时序动态池化网络(TDP)。现有基于动作得分的时序行为提名方法,往往缺少对连续视频帧的时序信息利用,造成提名和检测的准确度不够高。本文提出了一种新的动作得分方法,设计了一个多层感知机的TDP网络,迭代地计算视频每一帧的动作得分,连续多帧特征向量与动态池化后的特征向量的残差作为网络的输入,利用了连续帧之间的时序信息。同时根据动作得分提取的关键帧来训练动作分类器,减少了分类时的冗余计算。实验结果表明,对比现有性能最好的基于TAG的动作得分,本文提出TDP网络在THUMOS14数据集上的行为提名平均召回率(AR@100)提升了11.2%,行为检测的准确率(mAP)提高了3.8%。2、提出了一种提名评估网络(PEN),对TDP网络得到候选提名进行评估和后处理,抑制冗余的行为提名生成。设计了一个多层感知机的提名评估网络,计算候选提名的置信度分数,根据置信度分数通过Soft-NMS方法去除冗余提名,提高提名召回率。实验结果表明,使用的PEN后的TDP网络的行为提名平均召回率提升了6.04%。3、提出了基于自适应互补结构(ACS)的时序行为提名方法。滑动窗口提名更稳定但不精确,而动作得分提名更精确但不稳定的,因此两种方法属性互补。本文设计了动作得分可信度(AST)网络,通过PEN训练动作得分候选提名得到。AST网络计算滑动窗口提名的动作得分可信度,根据动作得分可信度自适应地选择滑动窗口补充因动作得分质量低被忽略的提名。使用提出的时序卷积边界回归网络调整时序边界。实验结果表明:对比滑动窗口和TDP网络,基于ACS的行为提名平均召回率提高了16.57%和8.26%。(本文来源于《华南理工大学》期刊2019-04-10）
余东洋[9]（2019）在《渭河流域植被动态变化遥感时序分析及生态安全评价》一文中研究指出植被是连接大气圈、水圈、生物圈的中枢,在地-气系统的热量与水分交换中扮演着重要角色,且对维持区域生态平衡,影响全球生态环境变化具有不可替代的重要作用。因此,深入研究区域植被的动态变化,预测其未来的发展趋势,综合评价其生态安全状况具有重要的现实意义。本文基于渭河流域2000~2017年MODIS NDVI遥感数据、气象数据、DEM数据、土地利用类型数据等,首先采用趋势分析、相关分析等方法研究了渭河流域2000~2017年NDVI的动态变化特征,分析了NDVI与环境因子之间的相关性;然后利用CA_Markov模型预测了渭河流域2020年和2025年NDVI的空间分布格局;最后采用景观生态安全评价模型对渭河流域植被生态安全进行了评价,并分析了其动态变化。本文得出的主要结论如下:(1)2000~2017年,渭河流域NDVI总体呈增加趋势,但存在一定的空间差异,同期气温和降水的时空差异显着。时间上,年平均NDVI增加的速率约为0.051/10a,其中,夏季、秋季和生长季NDVI增加趋势最显着,表明植被覆盖状况有所改善。空间上,NDVI呈显着增加的区域占80.61%,其中,泾河张家山以上区域和北洛河状头以上区域NDVI增加的趋势最为显着。18年间,渭河流域气温和降水的年际变化波动较大,空间上,约有78.3%的地区气温呈升高趋势,88.6%的区域降水呈增加趋势,其中流域西部气温升高、降水增加的趋势要强于东部。(2)NDVI与环境因子的相关性存在一定的差异。气候方面,时间上,渭河流域NDVI与气温的相关性高于降水,说明植被动态变化更易受到气温的影响;空间上,流域西北部NDVI与降水呈显着正相关关系,主要由于该区气候相对干旱,植被生长受水分限制较大,流域西南部NDVI与气温呈显着正相关关系,说明该区气温升高为植被生长提供了更多的热量,从而促进了植被的生长。地形方面,NDVI随海拔、坡度、坡向的变化呈现出一定的规律性。NDVI均值随海拔升高表现为降低——增加——降低的波动变化特征,NDVI随坡度的上升主要呈增加趋势,这主要由植被覆盖类型随海拔和坡度的变化而引起,NDVI均值随坡向的变化主要表现为西坡NDVI均值大于东坡,北坡NDVI均值大于南坡,这主要由各坡向的水热条件差异造成。人类活动对NDVI的空间分布及变化趋势具有显着的影响。人类通过农业耕作改善了区域植被的覆盖状况,并使农耕区的NDVI年际变化趋势相对稳定;工程造林措施对流域植被恢复、植被覆盖增加具有很大的积极作用;城市化的发展使得城市周边地区土地利用类型发生转变,地表植被受到破坏,NDVI呈降低趋势,同时,原有建成区内部通过城市绿化工程等措施使植被覆盖状况得以改善,NDVI呈增加趋势。(3)基于CA_Markov模型预测渭河流域2020年和2025年NDVI空间分布格局,结果显示,渭河流域植被覆盖状况将进一步改善。2020年,高植被覆盖区和较高植被覆盖区面积将分别比2015年增加6.52%和2.08%,低植被覆盖区、较低植被覆盖区和中度植被覆盖区面积将分别减少4.45%、3.92%、0.23%。2025年,高植被覆盖区和较高植被覆盖区的面积将分别比2020年增加4.14%和3.25%。低植被覆盖区、较低植被覆盖区和中度植被覆盖区面积分别减少了1.84%、3.86%、1.69%。(4)渭河流域植被生态安全状况不断改善。景观尺度生态安全评价结果表明,各植被覆盖景观生态安全水平总体处于“中等”和“良好”等级,植被覆盖状况越好,生态安全水平越高。2000~2015年间,各植被覆盖景观的生态安全指数均呈上升趋势。景观生态安全空间格局显示,高植被覆盖景观所在的山区生态安全水平最高,河谷、平原地区次之,流域北部的黄土高原生态安全状况相对较差。2000~2015年间,景观生态安全水平为“恶劣”、“较差”的区域面积减小,空间上向北迁移;水平为“中等”、“良好”和“安全”的区域面积增加,空间上呈扩张趋势。根据NDVI和土地利用类型预测结果,到2020年和2025年,植被生态安全状况将进一步改善,各植被覆盖景观生态安全水平将达到“良好”的等级。(本文来源于《长安大学》期刊2019-04-08）
宋雨萌,陈默,于戈[10]（2019）在《时序地理社交网络中基于动态偏好的组查询》一文中研究指出在新生活体验与社交影响的驱动下,用户偏好随时间不断改变。为弥补现有的地理社交网络模型往往无法获取用户动态偏好的不足,构建了能够检测用户动态偏好的时序地理社交网络模型,以及用于用户动态偏好评估的动态偏好值模型,并提出了一种基于动态偏好的组查询(DPG)。为优化DPG查询算法效率,设计了UTC-tree索引用户时序签到记录。UTC-tree避免了在查询中遍历全部的用户签到记录,加速用户动态偏好评估。最后,采用DPG查询算法实现了交互良好的DPG查询系统,并通过大量对比实验验证了UTC-tree的有效性以及DPG查询的可扩展性。(本文来源于《计算机科学与探索》期刊2019年11期）
时序动态论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对工业过程中运行数据量大、数据质量差以及多为时序数据的特点,设计了基于seq2seq模型与梯度提升树算法的工业过程软测量建模方法。该方法通过梯度提升树来解决工业数据量大与数据质量差的问题,并通过seq2seq模型提取动态特征,弥补了梯度提升树算法不擅长处理时序数据的缺点。本文介绍了该算法设计,并采用数值实验以及造纸制浆过程的数据验证了所提方法的有效性,结果表明seq2seq模型可以有效提取出数据中的动态特征,进而提高梯度提升树的建模精度。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
时序动态论文参考文献
[1].张凯斐.分布式网络动态数据异常区域时序挖掘仿真[J].计算机仿真.2019
[2].李彦瑞,杨春节,张瀚文,周恒,李宇轩.基于seq2seq模型的时序数列动态特征提取方法及其应用[C].第30届中国过程控制会议（CPCC2019）摘要集.2019
[3].邢鲲,曹俊宇,王媛媛,赵飞.设施蔬菜昆虫群落结构与时序动态[J].江苏农业学报.2019
[4].李振坤,崔静,路群,米阳,苏向敬.基于时序动态约束的主动配电网滚动优化调度[J].电力系统自动化.2019
[5].蒋明,郭云开,朱佳明,刘海洋.时序遥感影像滇池凤眼莲时空动态变化分析[J].遥感信息.2019
[6].赵经华,徐剑,马英杰,杨文新,胡建强.基于时序动态模型的不同灌水定额下食葵增产潜能分析[J].农业机械学报.2019
[7].潘恺,田林亚,李成成.动态灰色时序神经网络组合模型在地铁运营期沉降预测效果分析[J].勘察科学技术.2019
[8].李磊.基于动态得分网络和自适应互补结构的时序行为提名与检测方法[D].华南理工大学.2019
[9].余东洋.渭河流域植被动态变化遥感时序分析及生态安全评价[D].长安大学.2019
[10].宋雨萌,陈默,于戈.时序地理社交网络中基于动态偏好的组查询[J].计算机科学与探索.2019
论文知识图
