导读:本文包含了差分预测论文开题报告文献综述及选题提纲参考文献，主要关键词:态势感知,态势预测,生成对抗网络,差分
差分预测论文文献综述
王婷婷,朱江[1]（2019）在《基于差分WGAN的网络安全态势预测》一文中研究指出文中提出了一种基于差分WGAN(Wasserstein-GAN)的网络安全态势预测机制,该机制利用生成对抗网络(Generative Adversarial Network,GAN)来模拟态势的发展过程,从时间维度实现态势预测。为了解决GAN具有的网络难以训练、collapse mode及梯度不稳定的问题,提出了利用Wasserstein距离作为GAN的损失函数,并采用在损失函数中添加差分项的方法来提高态势值的分类精度,同时还证明了差分WGAN网络的稳定度。实验结果与分析表明,该机制相比其他机制而言,在收敛性、预测精度和复杂度方面具有优势。(本文来源于《计算机科学》期刊2019年S2期）
刘金培,黄燕燕,汪漂[2]（2019）在《区间离散二阶差分方程——BP神经网络组合预测方法》一文中研究指出针对小样本且具有较强波动性的区间时间序列的预测问题,文章提出了一种区间离散二阶差分方程——BP神经网络组合预测新方法,并讨论模型的相关性质,该模型对拐点区间数据具有较好的预测能力。实证预测结果表明,所提出的预测方法不但适用于小样本区间时间序列预测,对区间序列波动细节有较强的预测能力,而且比现有的区间时间序列预测模型有更高的预测精度。(本文来源于《统计与决策》期刊2019年14期）
胡德敏,詹涵[3]（2019）在《可预测的差分扰动用户轨迹隐私保护方法》一文中研究指出连续查询时由于轨迹位置间的相关性,满足差分隐私定义要求的拉普拉斯混淆机制在查询次数较少时可以很好地起到位置隐私保护作用,但独立向每个真实位置添加噪声导致隐私预算水平迅速消耗.针对这一问题,提出一种可预测的差分扰动用户轨迹隐私保护方法,由预测函数、测试函数和噪声机制叁部分构成,同时使用预算管理器配置每步所需参数.如果预测函数生成的干扰位置通过测试函数,则直接使用该位置请求服务,否则通过噪声机制重新生成一干扰位置.实验结果表明,该方法比单独向每个位置添加噪声在轨迹偏移度和隐私预算消耗率上均具有较高优势,实现了隐私保护度与服务质量的平衡.(本文来源于《小型微型计算机系统》期刊2019年06期）
陈于思,孙林夫[4]（2019）在《基于差分进化和极限学习机的并发查询性能预测》一文中研究指出为应对数据规模持续增长、查询负载多样化和复杂化的趋势为云服务提供商资源管理带来的挑战,提出一种基于差分进化(DE)和极限学习机(ELM)的方法 DE-ELM,对并发查询的性能进行预测。极限学习机用于预测并发查询性能,差分进化算法用于同步优化特征子集和极限学习机结构。该方法仅使用查询编译时信息、无需事先指定特征数目,也无需事先就查询交互的性质、数据库系统的内部运作机制做出先验假设。在合成数据集和真实数据集上进行了详细的实验研究,以评估极限学习机的训练效果、同步优化特征子集和极限学习机结构的效果。结果表明,DE-ELM的平均预测精度高于80%,在一定程度上证明了所提方法的可行性和有效性。(本文来源于《计算机集成制造系统》期刊2019年09期）
姜田利[5]（2019）在《基于差分方程的河流污染物含量动态预测算法研究》一文中研究指出为了解决河流的污染问题,需要预测河流中存在的污染物含量。将差分方程应用到河流污染物含量预测中,提出基于差分方程的河流污染物含量动态预测算法,构建水质模型反映污染物在河流中的迁移转化特征和规律,结合GM模型和灰色相关分析方法根据时间排序主要污染物、生活污水量和工业废水量,根据排序结果估算主要污染物、生活污水量和工业废水量的负荷总量,在估算结果的基础上结合水质模型构建污染物浓度方程,引入差分方程完成河流污染物含量的预测。实验结果表明,所提算法的预测效率高、预测结果准确率高。(本文来源于《环境科学与管理》期刊2019年04期）
高峰,曲建岭,袁涛,高峰娟[6]（2019）在《基于改进差分时域特征和深度学习优化的航空发动机剩余寿命预测算法》一文中研究指出实现航空发动机剩余寿命的准确预测对于保证飞行安全和提高维修效率具有重要意义,但现有的预测算法往往只是浅层结构,且对各传感器参数之间的相互关系缺乏关联性考虑,限制了对发动机参数信息的深度挖掘。在深度学习理论的基础上,着重考虑不同传感器之间的参数关系,引入差分时域特征扩充特征集,构建了基于长短时记忆网络的寿命预测模型DTF-LSTM。在C-MAPSS数据集上的实验结果表明,该算法相较于其他深度学习算法具有更低的均方根误差(RMSE)值,可以有效实现发动机剩余寿命预测。(本文来源于《电子测量与仪器学报》期刊2019年03期）
李云霞[7]（2019）在《差分灰色模型在中长期电力负荷预测中的应用研究》一文中研究指出随着经济的发展以及电力需求的不断增长,电力负荷预测作为电力系统中的一项重要内容起着至关重要的作用,准确的电力负荷预测不但能够满足人们日常电能需要,保证经济的发展,还能降低发电产生的成本。电力负荷预测主要分为超短期电力负荷预测、短期电力负荷预测和中长期电力负荷预测。对于电网规划而言,主要是中长期电力负荷预测为其提供依据。精准的中长期电力负荷预测可以为电力系统规划建设提供有力支撑,对我国的国民经济发展和电力系统规划起着决定性的作用,但目前中长期电力负荷的预测精度还有待提高。由于中长期电力负荷预测可用历史数据偏少,而且以“小样本”系统为研究对象的灰色理论用于中长期电力负荷预测具有稳定性和较高的预测精度,本文以用差分进化算法优化的多变量灰色模型在中长期电力负荷预测中的应用研究作为主要研究内容。首先,针对历史数据规律性不强的问题采用变权缓冲算子对数据进行预处理,同时,采用变权缓冲算子还可以将对系统的定性分析融入预测模型中。其次,考虑到电力负荷有多种影响因素,本文采用多变量灰色模型。针对多变量灰色模型求背景值时通过一阶累加序列相邻两个数的平均值求得可能造成较大的误差,本文引入一参数确定这两个值所在求背景值时所占的比重。产生的参数用差分进化算法以相对误差平均值最小为目标求得。然后,针对新一年的用电量与最近年份负荷联系更密切,本文采用等维思想进行电力负荷预测。最后用江苏省的相关历史数据,在MATLAB中用优化后的多变量灰色模型进行仿真实验,并与GM(1,1)模型和MGM(1,m)模型的预测结果对比,实验结果表明本文采用的方法明显优于另外两种方法。在以上研究内容的基础上将本算法进行实际应用,设计中长期电力负荷预测系统。先对系统进行需求分析,然后根据需求分析设计逻辑结构、数据库、功能模块,在myeclipse10中编程开发系统,最后展示了系统主要经功能界面,经过测试验证了该系统完成了需求分析中的全部功能并具有良好的界面友好性。(本文来源于《华北电力大学》期刊2019-03-01）
邹鸿飞,王建州[8]（2019）在《一种基于差分灰狼算法的消费者信心预测指数的设计》一文中研究指出研究目标:在大数据和互联网经济发展的背景下,有效预测消费者信心指数(CCI)以保证相关政策的制定。研究方法:基于完全集合经验模态分解(CEEMD)-差分灰狼算法(DEGWO)-BP神经网络(BPNN),建立消费者信心指数预测模型,并运用DM检验法对该模型与对比模型的预测性能进行测试。研究发现:引入CEEMD法能够有效解决误差序列随机性强等缺陷;新提出的预测+模型较对比模型的预测精度明显提高,泛化能力有所增强,且更能够精准捕捉CCI的变化规律。研究创新:将CEEMD-DEGWO-BPNN模型应用于CCI预测中。研究价值:新提出的组合预测模型能够为CCI预测提供新方法,且有效地提高预测精度。(本文来源于《数量经济技术经济研究》期刊2019年02期）
贾玉娟[9]（2019）在《改进的混合差分人工蜂群算法在辽宁东部城市供水量预测中的应用研究》一文中研究指出用改进的混合差分人工蜂群算法对辽宁东部某城市供水量进行预测。结果表明:相比于传统算法,改进算法在目标聚类求解精度上具有较为明显的改善;改进的混合差分人工分群算法具有更好的收敛精度和预测精度,更适用于城市供水预测,改进算法预测的供水量和实测供水量的拟合误差为7. 1%,计算消耗时间为4. 3min,而传统算法的拟合误差为17. 3%,计算消耗时间为7. 8min;在远景年份2020—2030年,辽宁东部某城市年供水量将达到35. 15亿～45. 18亿m3,供水量将逐年递增。(本文来源于《水利技术监督》期刊2019年01期）
曹俊波,周任军,邓学华,范文帅,刘利黎[10]（2019）在《考虑优化ARIMA模型差分次数的风功率预测》一文中研究指出针对现有差分自回归移动平均模型进行风功率预测不具有普遍适用性问题,对差分自回归移动平均模型进行改进,提出了一种确定不同出力特性的风电场风功率时间序列转化为平稳序列所需的最优差分次数的方法。应用增广迪基-福勒检验判断序列的平稳性,分别以赤池信息准则、Yule-Walker方程以及移动平均参数和自协方差方程的关系确定出模型阶数、自回归参数、移动平均参数,并加入限幅环节对预测结果进行修正。以昌图风电场的原始出力数据为例,以图形的形式直观分析了原始风电出力序列的概率分布特性、时间相关性、时间分布特性和波动特性等性质,验证了预测序列满足原序列的性质。以误差、均方差、平均绝对误差为预测评价指标,与原差分自回归移动平均模型相比,所提出的改进差分自回归移动平均模型具有更好的预测效果。(本文来源于《电力系统及其自动化学报》期刊2019年01期）
差分预测论文开题报告
（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：
针对小样本且具有较强波动性的区间时间序列的预测问题,文章提出了一种区间离散二阶差分方程——BP神经网络组合预测新方法,并讨论模型的相关性质,该模型对拐点区间数据具有较好的预测能力。实证预测结果表明,所提出的预测方法不但适用于小样本区间时间序列预测,对区间序列波动细节有较强的预测能力,而且比现有的区间时间序列预测模型有更高的预测精度。
（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。
差分预测论文参考文献
[1].王婷婷,朱江.基于差分WGAN的网络安全态势预测[J].计算机科学.2019
[2].刘金培,黄燕燕,汪漂.区间离散二阶差分方程——BP神经网络组合预测方法[J].统计与决策.2019
[3].胡德敏,詹涵.可预测的差分扰动用户轨迹隐私保护方法[J].小型微型计算机系统.2019
[4].陈于思,孙林夫.基于差分进化和极限学习机的并发查询性能预测[J].计算机集成制造系统.2019
[5].姜田利.基于差分方程的河流污染物含量动态预测算法研究[J].环境科学与管理.2019
[6].高峰,曲建岭,袁涛,高峰娟.基于改进差分时域特征和深度学习优化的航空发动机剩余寿命预测算法[J].电子测量与仪器学报.2019
[7].李云霞.差分灰色模型在中长期电力负荷预测中的应用研究[D].华北电力大学.2019
[8].邹鸿飞,王建州.一种基于差分灰狼算法的消费者信心预测指数的设计[J].数量经济技术经济研究.2019
[9].贾玉娟.改进的混合差分人工蜂群算法在辽宁东部城市供水量预测中的应用研究[J].水利技术监督.2019
[10].曹俊波,周任军,邓学华,范文帅,刘利黎.考虑优化ARIMA模型差分次数的风功率预测[J].电力系统及其自动化学报.2019