导读:本文包含了在线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:大数据,径向基函数(RBF),增量学习算法,窗口式在线学习算法
在线预测论文文献综述
侯蓉[1]（2019）在《基于径向基函数的在线学习算法在淘宝商铺营销预测中的应用》一文中研究指出文章介绍了径向基函数(RBF)的原理、学习算法及其在电子商务领域中的应用。文章研究的增量RBF模型及窗口式在线RBF模型都具有较好的泛化性能,以淘宝网的"淘宝眼镜销量"作为实例,将增量式RBF学习算法以及在线式RBF学习算法模型应用到淘宝网的眼镜销量的预测中,实验结果证明,基于径向基函数的在线RBF学习算法模型可为淘宝网眼镜销量预测提供参考依据。(本文来源于《中国集体经济》期刊2019年36期）
董巍,史倩倩[2]（2019）在《污水处理中出水水质COD在线预测仿真》一文中研究指出针对当前方法在线预测污水处理中出水水质COD浓度值时存在预测结果与实际值偏差较大、的问题,提出了基于最小二乘支持向量机的污水处理出水水质COD预测模型。将污水处理中出水水质COD光谱信号做多层分解,在各个分解尺度下设置适当阈值,将分解信号中小于该设置阈值的信号小波系数做置零处理,并采用小波逆变换实现污水处理中出水水质COD光谱信号重构,完成小波去噪;对去噪后的数据进行降维处理;采用最小二乘支持向量机法建立水样吸光度和水质COD浓度预测模型,利用该模型分析和预测污水处理中出水水质COD。仿真结果表明,所建模型实现了污水处理中出水水质COD在线预测,且具有预测准确性较高、稳定性较强、收敛速度较快的优点。(本文来源于《科技通报》期刊2019年10期）
阳敏辉[3]（2019）在《基于在线序列极限学习机的路段行程时间预测算法》一文中研究指出本文针对路段行程时间具有非线性、实时性等特点,研究人员已经提出了动态神经网络、卡尔曼滤波等在线预测算法。而现有大多数实时预测算法并不是真正意义上的实时预测且存在复杂度较高、实时性差等问题。本文在极限学习机的基础上,提出了基于在线序列极限学习机的路段行程时间预测算法,算法能保证预测的实时性。(本文来源于《电子技术与软件工程》期刊2019年18期）
姚宁宁,王学金,吴韬[4]（2019）在《基于在线训练的BP神经网络价格预测研究》一文中研究指出基于伦敦金属交易所铜收盘价格数据,选取其历史8年月度平均价格进行实例分析,采用在线训练的BP神经网络建立模型,对伦敦金融交易所铜期货价格进行预测,结果表明该模型预测效果很好,可为经济决策提供一定参考.(本文来源于《伊犁师范学院学报(自然科学版)》期刊2019年03期）
李军,庄红军,周海,候永洪,莫刚[5]（2019）在《基于机载在线监测系统的输电线路覆冰预测研究》一文中研究指出针对目前覆冰在线监测系统无法获得精准的线路微气象和覆冰数据的问题,本文通过对输电线路覆冰机理的研究,提出一种适合机器人搭载的多传感器输电线路微气象在线监测模块,并分析研究在极端条件下图像获取的办法,实现了对与冰层形成有关的微气象参数和冰层厚度的实时监测。利用SOM对监测模块采集的数据进行分析,利用支持向量机预测架空输电线路的覆冰厚度。机载微气象在线监测系统的监测,可为线路覆冰超早期预防及覆冰及时预警提供准确信息,也为后期防冰除冰机器人的研制及其工作运行提供数据支持。(本文来源于《现代信息科技》期刊2019年17期）
米丹丹,李伯德[6]（2019）在《普通线性回归模型对在线网络课堂收入的预测》一文中研究指出基于腾讯课堂一天的销售数据,分析影响在线网络课堂收入的因素,寻求预测在线网络课堂收入的最佳模型.研究结果表明,普通线性回归模型是分析、预测、控制在线网络课堂收入的最佳模型之一.(本文来源于《牡丹江师范学院学报(自然科学版)》期刊2019年03期）
韩亚军,李太福[7]（2019）在《相空间重构短期风速与发电功率在线预测》一文中研究指出风力发电具有随机性、间歇性、波动性和难以精确预测的特点,针对大容量风力发电接入,会对电力系统的安全、稳定运行带来严峻挑战的问题,根据风速的混沌特性,提出采用一种相空间重构理论短期预测方法。首先确定风速的最佳延迟时间τ和嵌入维数m,再次对m和τ的多组可行匹配,并找出一个最佳匹配进行样本相空间重构,最后使用BP神经网络进行短期风速预测。通过对重庆武隆地区某风电场的实测数据进行仿真,证明该方法的有效性和可行性,并且提高了短期发电功率预测精度,对并网风力发电系统的运行具有重要意义。(本文来源于《控制工程》期刊2019年08期）
安洁,刘晖,陈朔华[8]（2019）在《远程血压监测和在线健康指导预测清晨高血压患者心血管病风险的临床护理研究》一文中研究指出目的:探讨远程血压监测联合在线健康指导对清晨高血压患者的护理效果。方法:选取本院收治的86例清晨高血压患者,按照随机数字表法分为对照组与研究组,各43例。对照组给予常规血压管理指导,研究组给予远程血压监测和在线健康指导,比较两组血压控制情况、服药依从性、心功能指标、生化指标及心脑血管病发生率。结果:干预后,研究组血压健康知识知晓率、血压控制率及服药依从性均优于对照组(P<0.05)。干预后,研究组左心室质量(LVM)与左心室质量指数(LVMI)均低于对照组(P<0.05),且研究组舒张压(DBP)、收缩压(SBP)、空腹血糖值(FPG)、甘油叁酯(TG)、胆固醇(TC)和高密度脂蛋白中胆固醇(LDL-C)均低于对照组(P<0.05)。研究组心脑血管病发生率低于对照组(P<0.05)。结论:远程血压监测联合在线健康指导可有效地降低清晨高血压患者心血管病发生风险,并提高患者血压管理能力及改善心功能指标,提高患者的生活质量,值得临床推广应用。(本文来源于《中国医学创新》期刊2019年23期）
王磊,李兵,董超跃,徐春梅,邱瑞昌[9]（2019）在《城轨牵引变流器功率开关器件的双向加速老化测试与在线损伤预测》一文中研究指出围绕轨道交通牵引变流器内主回路功率器件的老化规律测试及其损伤评估方面开展研究。首先,针对既有开关器件的寿命模型无法反映续流二极管(FWD)对功率开关器件总体老化水平的加速效应这一问题,提出采用基于双向老化测试电流的老化试验方法,并在双向老化测试的结果分析过程中,提出带加权的修正最小二乘法以提高老化结果的数学拟合精度的解决方案,从而基于实验数据得到了对应的加速效应表达因子。提出功率开关器件中IGBT与FWD的电流重构方法,同时也给出了考虑电流传感器容错条件下的电流重构表达式,进而基于在线等效老化电流的辨识过程实现功率开关器件的在线老化水平评估,最终通过二阶灰色模型实现了功率开关器件的损伤预测。(本文来源于《电工技术学报》期刊2019年S1期）
袁亚兴[10]（2019）在《一种基于分类算法的在线学习成绩预测策略》一文中研究指出在线学习用户呈现出知识背景、学习动机多样化的特征,并且用户在日常学习中也会产生各类学习、浏览等行为数据,为了深入探究数据间蕴藏的规律,针对不同的用户学习行为进行成绩预测,提出了一种基于机器学习的预测方法,首先通过计算所有单个数据属性与学习成绩之间相关性系数,然后用相关性分析筛选确定学习成绩影响因素,最后使用机器学习经典分类算法进行分类预测。使用国家开放大学2017年度学生网络在线学习行为数据作为实验数据,通过对学生单科目成绩预测结果比较,对不同课程使用不同的算法模型,并对准确率进行分析并得出结论。(本文来源于《广播电视大学学报(哲学社会科学版)》期刊2019年02期）
在线预测论文开题报告
（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：
针对当前方法在线预测污水处理中出水水质COD浓度值时存在预测结果与实际值偏差较大、的问题,提出了基于最小二乘支持向量机的污水处理出水水质COD预测模型。将污水处理中出水水质COD光谱信号做多层分解,在各个分解尺度下设置适当阈值,将分解信号中小于该设置阈值的信号小波系数做置零处理,并采用小波逆变换实现污水处理中出水水质COD光谱信号重构,完成小波去噪;对去噪后的数据进行降维处理;采用最小二乘支持向量机法建立水样吸光度和水质COD浓度预测模型,利用该模型分析和预测污水处理中出水水质COD。仿真结果表明,所建模型实现了污水处理中出水水质COD在线预测,且具有预测准确性较高、稳定性较强、收敛速度较快的优点。
（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。
在线预测论文参考文献
[1].侯蓉.基于径向基函数的在线学习算法在淘宝商铺营销预测中的应用[J].中国集体经济.2019
[2].董巍,史倩倩.污水处理中出水水质COD在线预测仿真[J].科技通报.2019
[3].阳敏辉.基于在线序列极限学习机的路段行程时间预测算法[J].电子技术与软件工程.2019
[4].姚宁宁,王学金,吴韬.基于在线训练的BP神经网络价格预测研究[J].伊犁师范学院学报(自然科学版).2019
[5].李军,庄红军,周海,候永洪,莫刚.基于机载在线监测系统的输电线路覆冰预测研究[J].现代信息科技.2019
[6].米丹丹,李伯德.普通线性回归模型对在线网络课堂收入的预测[J].牡丹江师范学院学报(自然科学版).2019
[7].韩亚军,李太福.相空间重构短期风速与发电功率在线预测[J].控制工程.2019
[8].安洁,刘晖,陈朔华.远程血压监测和在线健康指导预测清晨高血压患者心血管病风险的临床护理研究[J].中国医学创新.2019
[9].王磊,李兵,董超跃,徐春梅,邱瑞昌.城轨牵引变流器功率开关器件的双向加速老化测试与在线损伤预测[J].电工技术学报.2019
[10].袁亚兴.一种基于分类算法的在线学习成绩预测策略[J].广播电视大学学报(哲学社会科学版).2019
标签：大数据; 径向基函数(RBF); 增量学习算法; 窗口式在线学习算法;