导读:本文包含了移动预测论文开题报告文献综述、选题提纲参考文献，主要关键词:模型,多维,分析法,长法,平均,岩层,方差。
移动预测论文文献综述写法
肖珊,陈立章,龙建勋,彭莱[1]（2020）在《基于R语言自回归积分移动平均模型在长沙市叁带喙库蚊密度预测中的应用》一文中研究指出目的构建长沙市叁带喙库蚊自回归积分移动平均模型(autoregressive integrated moving average,ARIMA)并进行预测。方法应用R语言3. 3. 2将2007年1月～2015年6月的叁带喙库蚊密度数据构建ARIMA模型,比较2015年7～12月预测值与真实值,对2016年叁带喙库蚊密度进行预测。结果叁带喙库蚊密度监测数据构建ARIMA(1,1,1)×(1,1,0)_(12)模型,赤池信息准则(AIC)值为487. 98,经检验残差为白噪声(P> 0. 05),模型有效。2015年7～12月预测值与实际值基本一致,均方根误差(RMSE)=3. 021,平均绝对误差(MAE)=2. 132,模型外推良好。结论 ARIMA模型在叁带喙库蚊密度短期预测方面有一定可行性。(本文来源于《医学动物防制》期刊2020年03期）
吕昌玉[2]（2020）在《对移动电子商务未来发展趋势的预测分析》一文中研究指出移动电子商务,作为传统电子商务的衍生物,自出现后就一直呈现上升趋势。本文试将从移动电子商务的发展历程,发展现状和发展前景入手,运用精确化的数据分析,从移动电商的概念,移动电商的发展趋势,移动电商上升趋势的原因,移动电商仍存在的问题四个方面展开探究分析。分析表明,移动电子商务依旧会呈现上升趋势,移动电商全球发展趋势势不可挡。(本文来源于《大众投资指南》期刊2020年01期）
江婧,张怀峰,皮德常[3]（2019）在《基于卷积神经网络的移动对象目的地预测》一文中研究指出移动对象目的地预测是基于位置服务的一项基本任务.常用的基于历史轨迹的目的地预测方法会引起"数据稀疏问题",即所要查询的轨迹很难与历史轨迹完全匹配.本文提出一种新颖的方法,在实现目的地预测的同时,有效克服了数据稀疏问题.文章首先引入参数化最小描述长度策略(PMDL)对原始轨迹进行最优分段表示,削弱相似轨迹之间的差异程度,增强不相似轨迹各自的重要特征;随后,提出轨迹的像素化表示方法(PRT),将一维轨迹序列转换成二维像素图片,以获取更多空间上的细节信息;最后,从轨迹图像中截取重要特征部位输入卷积神经网络(CNN),进行特征提取和目的地预测.本文在真实轨迹数据集上进行了大量的实验,实验结果表明,与当前先进模型2. 81(105km)的预测误差相比,本文提出的方法实现了1. 98(105km)的预测误差,在有效解决数据稀疏问题的同时,对目的地实现了更为准确的预测.这为解决移动对象目的地预测提供了新的可能.(本文来源于《小型微型计算机系统》期刊2019年12期）
陈惠娟,赵旭,陈亮[4]（2019）在《云计算环境中移动网络低匹配度异质信息入侵感知预测算法》一文中研究指出针对传统灰色神经网络组合预测算法对网络中入侵信息预测时,缺乏对低匹配度异质信息的预处理过程,未对信息入侵攻击意图进行预测,存在预测准确率低以及入侵防御性能差等问题,提出一种新的云计算环境中移动网络低匹配度异质信息入侵感知预测算法,通过灰色模型对初始网络低匹配度异质信息进行预处理.先采用基于元路径的低匹配度异质信息入侵感知预测算法得到入侵攻击意图矩阵,再根据该矩阵获取入侵攻击意图函数关系,实现低匹配度异质信息入侵攻击意图预测.仿真实验结果表明,该算法可全面预测信息入侵的意图和过程,对入侵信息节点防御成功率约为85%,误警率和漏警率较低,并具有较高的预测精度.(本文来源于《吉林大学学报(理学版)》期刊2019年06期）
周冰,李聪,王铃鑫,郑楚翔[5]（2019）在《基于灰色Markov模型的移动对象位置预测研究》一文中研究指出论文针对移动对象位置预测问题,提出了基于灰色Markov模型的预测方法。首先将问题抽象为单变量的灰色系统构建GM(1,1)模型。接着,以一分钟为间隔,提取GeoLife中的部分GPS轨迹数据代入预测模型,并且针对其结果对模型进行检验。最后将Markov模型引入到GM(1,1)模型中再次进行实验,与传统GM(1,1)模型进行对比。实验结果表明,灰色Markov模型相比于灰色模型在移动对象位置预测上误差更小,预测结果更为精确可靠。(本文来源于《计算机与数字工程》期刊2019年11期）
吴煜,申会鹏,孙璇,王德伦[6]（2019）在《机床弹性移动副五维误差预测模型》一文中研究指出通过建立机床弹性移动副五维误差预测模型,探索了移动副零部件特征状态与真实误差运动的映射关系.以双导轨四滑块线轨结构为对象,通过动结合面和零件结构的刚度等效,求解导轨和工作台对滑块空间位姿的约束刚度矩阵.进而综合考虑导轨几何误差、外载、动结合面和零部件弹性变形等影响因素的偶联关系,建立了移动副系统的物理与力平衡矢量方程,揭示了各零部件在弹性约束下的变形协调规律.最后开展了移动副装配误差测试试验,结果表明:各项理论与实际指标的误差均小于20%,验证了该误差预测模型的准确性与有效性.(本文来源于《华中科技大学学报(自然科学版)》期刊2019年11期）
彭赞,郑瑾,何鸿业[7]（2019）在《基于集成模型的移动应用广告转化率预测》一文中研究指出移动应用广告是互联网广告市场中一种主动的广告形式,它能够分析用户的兴趣爱好,并投其所好,精准投放广告,从而提高用户体验,为广告平台与广告主带来巨大的收益.因此,预测移动应用广告的转化率已成为一个非常重要的研究方向.本文以逻辑回归和两个梯度提升树模型为基础,使用堆迭和平均的集成思想,提出了两种集成模型--SXL和BLLX模型,解决了传统预测模型能力有限,无法精准预测转化率的问题.在腾讯2017社交广告比赛的数据集上的实验结果表明, SXL和BLLX两种模型能够有效地提高广告转化率的预测结果.(本文来源于《计算机系统应用》期刊2019年11期）
韦广龙,黎协锐,李必元,甘惠云[8]（2019）在《移动综合分析法在南宁水文站中长期流量预测中的应用研究》一文中研究指出中长期流量预测预报是一项非工程防洪减灾措施,原来的方差分析法只能作出一种预测方案,一个预报值,不能做多个方案进行比较优选。移动综合分析法运用移动步长法与改进方差分析法组合法,解决方案单一、合格率低、准确率低的关键技术问题。移动综合分析法将原数据系列用移动步长法分成多组奇、偶数系列,计算奇、偶数系列方案的优选率,采用优中选优而得最佳方案。通过采用移动综合分析法对南宁站历年年最大流量系列进行预测分析,优选出预测方案的合格率和预测值的准确率都在90%以上,提高了中长期水文预测精度。(本文来源于《广西水利水电》期刊2019年05期）
李颖玥,王勋,康琛,万华,程宏波[9]（2019）在《基于指数加权移动平均多维组合模型的电力负荷预测》一文中研究指出随着电力行业的不断发展,对电力用户侧进行用电负荷预测成了满足用户用电供需平衡和电网规划的重要部分。在大数据背景下,为提高电力负荷预测结果的准确性,针对历史数据时间远近的影响,分别考虑同期历史数据和近期历史数据两类数据局限性的影响,基于时间占优的原理,引入指数加权移动平均模型对不同时刻的数据进行权重分配,提出了改进的电力负荷预测模型。以某地区电力负荷预测为例,所得预测结果在标准误差上提高了29.5%,平均绝对百分误差提高了25.7%,分析结果表明提出的模型是可行的且有较高的精确度,为电力负荷的预测提供可靠的参考依据。(本文来源于《华东交通大学学报》期刊2019年05期）
丁飞,付俊,周罕,唐绍辉,黄英华[10]（2019）在《河流下开采岩层移动及地表变形预测研究》一文中研究指出山东某铁矿Ⅲ_1矿体位于河流下方,为确保地表水体及生产安全,采用地质理论及有限元数值模拟计算结合的方式,开展了上覆岩层的移动特征及地表变形影响分析。研究结果表明,理论计算与数值模拟计算的结果基本吻合,地表水体与地下开采不会相互影响。(本文来源于《矿冶工程》期刊2019年05期）
移动预测论文开题报告范文
（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：
移动电子商务,作为传统电子商务的衍生物,自出现后就一直呈现上升趋势。本文试将从移动电子商务的发展历程,发展现状和发展前景入手,运用精确化的数据分析,从移动电商的概念,移动电商的发展趋势,移动电商上升趋势的原因,移动电商仍存在的问题四个方面展开探究分析。分析表明,移动电子商务依旧会呈现上升趋势,移动电商全球发展趋势势不可挡。
（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。
移动预测论文参考文献
[1].肖珊,陈立章,龙建勋,彭莱.基于R语言自回归积分移动平均模型在长沙市叁带喙库蚊密度预测中的应用[J].医学动物防制.2020
[2].吕昌玉.对移动电子商务未来发展趋势的预测分析[J].大众投资指南.2020
[3].江婧,张怀峰,皮德常.基于卷积神经网络的移动对象目的地预测[J].小型微型计算机系统.2019
[4].陈惠娟,赵旭,陈亮.云计算环境中移动网络低匹配度异质信息入侵感知预测算法[J].吉林大学学报(理学版).2019
[5].周冰,李聪,王铃鑫,郑楚翔.基于灰色Markov模型的移动对象位置预测研究[J].计算机与数字工程.2019
[6].吴煜,申会鹏,孙璇,王德伦.机床弹性移动副五维误差预测模型[J].华中科技大学学报(自然科学版).2019
[7].彭赞,郑瑾,何鸿业.基于集成模型的移动应用广告转化率预测[J].计算机系统应用.2019
[8].韦广龙,黎协锐,李必元,甘惠云.移动综合分析法在南宁水文站中长期流量预测中的应用研究[J].广西水利水电.2019
[9].李颖玥,王勋,康琛,万华,程宏波.基于指数加权移动平均多维组合模型的电力负荷预测[J].华东交通大学学报.2019
[10].丁飞,付俊,周罕,唐绍辉,黄英华.河流下开采岩层移动及地表变形预测研究[J].矿冶工程.2019