时间预测

摘要： 铁路货物运输时间会影响物流交付、列车调度等,准确的铁路货物运输时间预测是合理制定运输组织方案的关键。货物列车的运营受很多复杂因素的耦合影响,而既有研究普遍缺乏对各因素特征交互的深入探索,为了探索铁路货物运输时间预测新的特征融合机制、提高整体预测效果,本文创新性地将智能推荐算法领域的xDeepFM算法引入货运时间预测问题。基于该算法的因子分解机、深度学习等思想构建了货运时间预测模型,设计了数据预处理、特征映射及参数寻优模块,利用模型能自动高效学习复杂因素的显式和隐式高维特征交互关系来提升预测效果,为解决铁路货物运输时间预测问题提供了新思路。在案例研究中,本文选取2种经典机器学习模型(LSSVM、随机森林模型)和3种新颖深度学习模型(DNN、CNN、LSTM)作为对比模型。实验结果表明:本文所建的xDeepFM模型的预测误差MSE为0.4991,MAPE为3.473%,相较于对比模型,xDeepFM模型具有更高的预测准确度,适合运营环境复杂的货物运输预测问题,能够实现较好的预测效果。

摘要： 基于钠离子交换器的软化水系统运行时间主要根据经验人工设置,在来水中钙镁离子含量变化较大时,很难保证生产的软化水质量。分析了软化水系统中各生产环节电导率数据的相关性,采用了岭回归、CART回归和多项式回归三种机器学习预测模型,对软化水的生产时间进行了建模分析,并通过预测误差、运行时间、误差下的预测准确率对模型进行了评估。实验的结果表明,Ridge回归的误差最小,运行时间少,误差允许范围内的准确率最高。

摘要： 为提升服务质量,数据中心需要确保在规定的截止时间前完成用户作业,因此必须根据实时的系统资源对作业进行有效的调度。提出了一种作业调度算法,根据预测的作业执行时间进行批作业调度,以最小化批作业的完成时间。作业执行时间预测模型基于长短期记忆LSTM网络,根据用户作业类型、作业量、作业需要的CPU核数和内存数量,以及作业需要的资源在系统总资源中的占比,对用户作业的执行时间进行预测。预测结果用于判断集群是否有能力按时完成用户作业,同时为合理安排各作业的执行顺序提供依据。通过实验确定了影响LSTM时间预测模型性能的各超参数取值,如迭代次数、学习率和网络层数等。实验表明,与SVR模型、ARIMA模型和BP模型相比,基于LSTM的作业执行时间预测模型的决定系数R2分别有2.97%,2.34%和5.66%的提升效果,且预测的平均误差仅为0.78%。

摘要： 设计了一种基于深度学习的预测模型,以提升具有大数据特征的离散智能车间订单完工时间预测能力。从当地企业的MES系统中查询选取生产线的数据用于研究,初步统计分类并使用主成分分析法处理;搭建基于DNN(深度神经网络)的预测模型,初始化模型参数,选择Softmax回归分类器;对比BP神经网络与RBF神经网络,以验证模型准确度和可靠度。

摘要： 地表移动持续时间是地表沉陷稳定的关键指标,精确预计该时间对于地表及地面设施的稳定性评估至关重要。由于厚冲积层的特殊性及现有方法考虑影响因素有限,导致现有方法在厚冲积层矿区预测误差偏大。针对这一问题,综合考虑了采深、采厚、冲积层厚度和推进速度等地表移动时间影响因素,基于淮南潘谢新区15个工作面的实测数据,分析了各影响因素与地表移动持续时间的关系,建立了厚冲积层矿区地表移动持续时间新计算模型,分析了计算模型精度,并利用SBAS-InSAR技术进行了实测验证。研究结果表明:地表移动持续时间与采厚、采深呈正相关,与推进速度、冲积层厚度呈负相关;分别利用参与和未参与建模的数据进行计算,得到新模型的精度提高了86%和44%;新建模型计算结果与Sentinel-1数据解算结果的相对误差最低为7.2%,再次证实了该计算方法的正确性。对比传统经验公式,新建公式适用性更强,精度更高,可为厚冲积层矿区地基稳定性评价等相关工作提供技术支撑。

摘要： 突发型黄土滑坡灾前变形量小,加速阶段历时短,预警预报难度大.为探究该类滑坡失稳时间预测的新途径,降低滑坡造成的经济损失和人员伤亡,以2019年甘肃黑方台地区发生的4起滑坡为研究对象,基于改进的切线角模型确定滑坡变形阶段,提出以改进切线角为指标的简化累计计算方法;采用斜率模型(SLO模型)从滑坡各变形阶段起算进行失稳时间预测,从速度倒数变化趋势、滑坡成灾模式等方面分析预测结果差异.研究发现:(1)斜率模型在突发型黄土滑坡失稳时间预测方面具有一定的可行性,从80°切线角起算得到的预测精度最高;(2)以切线角为划分指标进行简化累计计算能降低数据波动对预测结果的影响,反映预测寿命变化趋势,提高预测精度;(3)速度倒数变化趋势呈"凹"型时提前预测概率大,速度倒数变化趋势呈"凸"型时滞后预测概率大,速度倒数变化趋势呈线性时模型预测精度较高;(4)该模型在黄土滑移崩塌型滑坡中的预测效果要优于静态液化型滑坡.

摘要： 会话式序列推荐旨在根据短期匿名行为序列预测该用户近期行为,因为该任务设定考虑了用户偏好的变化而备受学术和工业界关注.现有方法集中于以单任务模式预测下一交互对象,忽略了行为时间预测辅助任务中的额外语义.在面向事件、地点的一般序列推荐问题中,有少数方法以并行方式同时预测下一交互对象及对应时间,然而这并不完全契合用户先产生交互意图再选择合适时间的实际情况.为缓解上述问题影响,本文提出了一种基于序列式多任务学习的会话式序列推荐方法,具有两方面特色.首先,该方法通过将下一交互对象预测结果作为下一时间预测的输入,赋予两个任务顺序依赖性.相比于传统的并行式交互对象和时间预测方式该方法耦合性更强.其次,本文开发了一种经过改进的双向时间间隔感知自注意力方法,使得会话中每个位置可以融合来自左右两侧的交互对象及时间间隔信息.相比于过去的单向会话式序列推荐方法增强了建模会话上下文的能力,该方法有利于更好地刻画用户兴趣表征.本文在Tianchi电商数据集、Lastfm音乐数据集以及Foursquare地点行为轨迹数据集上进行了实验.结果 表明:(1)所提出方法在常用序列推荐指标上一致优于所采用的比较方法.特别地,在NDCG@5评价指标上比最好的基线方法TiSASRec平均提高13.51％;(2)序列式多任务学习和双向时间间隔感知自注意力机制对于预测性能均能带来正面提升.

摘要： 消费者通常会预测活动花费的时间,已有研究主要探讨消费者如何预测活动的持续期,但尚不明晰消费者在持续期内如何预测活动的投入时间.探讨影响消费者在持续期内预测投入时间的持续期表述单位和应答格式两个因素,基于时间分配视角,将消费者预测时间的格式分为时间量格式和次数量格式两类.基于粒度效应和锚定调整理论,通过3个实验验证持续期表述单位和应答格式对消费者时间预测的交互作用,运用Bootstrap中介分析法探讨感知信心在这一交互过程中的中介作用.研究结果表明,当以时间量作为时间预测问题的应答格式时,与以粗略型单位(如1个月)表述持续期相比,精细型单位(如30天)表述持续期能降低消费者的感知信心,从而使消费者预测自己投入的时间更少;当以次数量作为时间预测问题的应答格式时,与以精细型单位表述持续期相比,粗略型单位表述持续期能降低消费者的感知信心,从而使消费者预测自己投入的次数和投入的时间都更少.此外,在投入时间一定的情况下,按照不同的持续期表述单位和应答格式进行时间分配影响消费者对目标活动的参与意愿.当以时间量作为时间分配的重点时,与以精细型单位表述持续期相比,以粗略型单位表述持续期促进消费者的参与意愿;而当以次数量作为时间分配的重点时,与以粗略型单位表述持续期相比,以精细型单位表述持续期促进消费者的参与意愿.在理论层面上,研究成果有助于更全面地了解与时间相关的情景因素如何影响消费者对时间的预测;在实践层面上,研究成果有助于企业为产品或服务设计有针对性的时间分配方式.

摘要： 为实现空间高低温环境下航天器结构应变参数的精确测量,采用基于法布里–珀罗(Fabry-Perot,F-P)标准具和乙炔(C2H2)气室的复合波长参考的光纤测量方法,对可调谐滤波器透射波长进行校正,以保证解调精度.在解调过程中,采用自适应阈值法解决光源平坦度差引起的F-P标准具寻峰困难问题,并且基于时间预测性最大化原理对透过气室的光源信号进行盲分离,以提高气室波长校正精度.实验结果表明,该方法可实现在高低温环境下光纤传感器中心波长解调偏差小于3 pm,结构应变测量相对误差小于4％,能够满足实际工程应用中航天器结构应变参数的高精度测量需求.

摘要： 公交车辆实时动态到站时间预测是实现公交智能化调度、电子信息显示及公交信息服务的必要条件.公交车在起点站以一定的时间间隔发车,不考虑意外因素,其行驶受到道路混合交通流、交叉口信号控制以及站点停靠等环节的影响.本文在简单回顾各种公交到站时间预测方法的基础上,结合上海地区公交线路的特点,分析讨论了基于历史数据回归的公交到站时间预测模型,综合考虑了影响车辆到站时间的各种混合交通信息,提出了使用BAT码标识各个历史到站时间和交通状态,并以上海910公交线路的实例数据进行了预测,分析结果对实际应用具有一定的指导意义.

摘要： 智能公交系统是利用先进的技术手段,动态地获取实时公共交通信息,实现对公交车辆的实时监控和调度,这是公交调度的新模式.公交站点间运行时间预测是城市公共交通智能化调度最重要的工作.本文研究了车辆在公交站点之间预测的理论、模型和方法,旨在为电子站牌显示、公交信息服务等提供准确的数据,推进我国智能公交系统的快速发展.

摘要： 对基于电磁斥力机构的多断口真空断路器的分散性进行研究.通过有限元方法对电磁斥力操动机构进行数学建模,将引起机构分散性因素分为电气因素和机械原因,并分析环境温度、斥力盘位置、储能电容初始充电电压对机构分散性的影响及影响程度.通过对仿真结果分析,从单机构稳定性和多机构同步性两个方面对机构分散性研究.提出一种基于最小二乘支持向量机法,机构始动时间和分闸时间预测的精确模型.

摘要： 在滑坡的时间预测领域近年来提出了很多模型和方法,如灰色系统、神经网络、灾变论、时间序列等,但速度倒数方法仍以其简单、直观、有效而在滑坡失稳预测中广泛应用.根据统计国内外滑坡加速破坏阶段的时序曲线,发现了滑坡进入加速阶段后所呈现出的4种不同的运动形式:直线型、波动型、渐进型和瞬间型,并分析了4种不同类型的运动特征和力学机制.以实例说明了速度倒数方法适用于直线型和波动型的运动形式,其力学机制是伴随着裂纹扩展的脆性破坏,可以用曲线拟合方法预测滑坡失稳;而对于渐进型和瞬间型运动形式,由于塑性破坏的渐进性和瞬间破坏的突发性,这种方法不能满足这两种类型的预测,但仍可以直观地反映其变化趋势.

摘要： 通过回顾我国近年来的地震发生史，探讨地形变观测对预测大震的作用。笔者认为在综合GPS、水准、跨断层等形变资料可能获得危险区大致范围的基础上，通过定点连续前兆跟踪，也许可以在时间预测上有所推进，不应全盘否定。

摘要： 本文根据浮动车调查得到的数据，使用回归的方法分别建立了路段行驶时间和路径行程时间与交叉口交通流量的关系模型。通过对模型中相关系数r的分析，研究了交通流量信息和信号配时方案对路段行驶时间和路径行程时间的影响，并且提出了交通调查的位置对交通流研究的重要性。

摘要： 根据中国地震台网测定:2016年1月1日—12月31日,全球发生8级左右的大地震有3月2日印尼苏门答腊附近海域7.8级,4月17日厄瓜多尔7.5级(美国USGS测定为7.8级),7月30日马里亚纳群岛7.8级(美国USGS测定为7.7级)11月13日新西兰南岛8.0级(美国USGS测定为7.8级)12月9日所罗门群岛7.8级,12月17日新爱尔兰地区7.8级(美国USGS测定为7.9级)和12月25日智利南部7.6级,共有7次8级左右的大地震.在地震发生前曾运用"磁暴月相二倍法"向中国地震局地震预报部门,中国地震预测咨询委员会,中国地球物理学会天灾预测专业委员会,中国老科协地震分会和中国地震局离退休办公室等单位和领导,作过地震的短临预测意见,特别在预测的时间和震级上有较好对应,现在就对2017年度全球可能发生8级左右大地震的短临预测意见.

摘要： 根据中国地震台网测定:2016年1月1日—12月31日,全球发生8级左右的大地震有3月2日印尼苏门答腊附近海域7.8级,4月17日厄瓜多尔7.5级(美国USGS测定为7.8级),7月30日马里亚纳群岛7.8级(美国USGS测定为7.7级)11月13日新西兰南岛8.0级(美国USGS测定为7.8级)12月9日所罗门群岛7.8级,12月17日新爱尔兰地区7.8级(美国USGS测定为7.9级)和12月25日智利南部7.6级,共有7次8级左右的大地震.在地震发生前曾运用"磁暴月相二倍法"向中国地震局地震预报部门,中国地震预测咨询委员会,中国地球物理学会天灾预测专业委员会,中国老科协地震分会和中国地震局离退休办公室等单位和领导,作过地震的短临预测意见,特别在预测的时间和震级上有较好对应,现在就对2017年度全球可能发生8级左右大地震的短临预测意见.

摘要： 根据中国地震台网测定:2016年1月1日—12月31日,全球发生8级左右的大地震有3月2日印尼苏门答腊附近海域7.8级,4月17日厄瓜多尔7.5级(美国USGS测定为7.8级),7月30日马里亚纳群岛7.8级(美国USGS测定为7.7级)11月13日新西兰南岛8.0级(美国USGS测定为7.8级)12月9日所罗门群岛7.8级,12月17日新爱尔兰地区7.8级(美国USGS测定为7.9级)和12月25日智利南部7.6级,共有7次8级左右的大地震.在地震发生前曾运用"磁暴月相二倍法"向中国地震局地震预报部门,中国地震预测咨询委员会,中国地球物理学会天灾预测专业委员会,中国老科协地震分会和中国地震局离退休办公室等单位和领导,作过地震的短临预测意见,特别在预测的时间和震级上有较好对应,现在就对2017年度全球可能发生8级左右大地震的短临预测意见.

摘要： 根据中国地震台网测定:2016年1月1日—12月31日,全球发生8级左右的大地震有3月2日印尼苏门答腊附近海域7.8级,4月17日厄瓜多尔7.5级(美国USGS测定为7.8级),7月30日马里亚纳群岛7.8级(美国USGS测定为7.7级)11月13日新西兰南岛8.0级(美国USGS测定为7.8级)12月9日所罗门群岛7.8级,12月17日新爱尔兰地区7.8级(美国USGS测定为7.9级)和12月25日智利南部7.6级,共有7次8级左右的大地震.在地震发生前曾运用"磁暴月相二倍法"向中国地震局地震预报部门,中国地震预测咨询委员会,中国地球物理学会天灾预测专业委员会,中国老科协地震分会和中国地震局离退休办公室等单位和领导,作过地震的短临预测意见,特别在预测的时间和震级上有较好对应,现在就对2017年度全球可能发生8级左右大地震的短临预测意见.

摘要： 跑步手表(100)基于用户跑行时得到的运动数据来导出跑行了起点地点与终点地点之间的预先设定的距离时的配速，基于所导出的该配速来导出到到达预先设定的终点地点为止的预测终点时间，并导出在对该配速进行了给定时间提速的状态下到达终点地点的情况下的提速预测终点时间和在对该配速进行了给定时间降速的状态下到达终点地点的情况下的降速预测终点时间，使所导出的预测终点时间、提速预测终点时间以及降速预测终点时间显示于显示部(15)。

摘要： 能够以高准确度预测移动时间。自动配车系统适用于配置有多个制造作业装置的工厂，包括优化服务器、管理服务器以及多个AGV。控制AGV的移动的管理服务器在接收到来自制造作业装置的搬运请求时，将该当前的输送请求发送给优化服务器。优化服务器使用搬运请求间隔的预测模式来预测从其他制造作业装置的每一个接下来发出的搬运请求，并生成针对当前的搬运请求和未来的搬运请求分别以不同的模式分配AGV的多个分配模型。此外，优化服务器对于多个分配模型预测分配的各AGV的移动时间，并对每个分配模型合计移动时间。并且，优化服务器选择移动时间的合计值为最小的一个分配模型，根据所选择的分配模型生成针对当前的搬运请求的移动指示，并向管理服务器发送。

摘要： 本发明属于人工智能时间序列预测技术领域，具体为一种提升时间序列预测系统预测时间序列效果的方法。本发明基于时间序列预测损失上的理论分析，设计新的时间序列预测算法，该算法建模历史数据模式与未来数据模式上的差异，提出两步走的训练方式，一方面保证模型对历史数据的记忆不会轻易消失，另一方面保证在未来数据上有较好的预测效果。理论分析与实验验证表明，在时间序列预测任务中，本发明预测方法相比于其他方法，可以有效缓解由于数据随时间的变化即概念漂移而导致的模型老化问题；可以进一步提升模型的预测准确率。本发明能够广泛应用于各类基于实数值的时间序列预测任务，提升任务在未来数据点上的预测准确度。

摘要： 本申请公开了人工智能领域中的一种时间序列预测模型的训练方法、时间序列预测方法及装置。该时间序列预测模型的训练方法包括：将源域的第一时间序列和目标域的第二时间序列输入第一预测模型中，通过第一预测模型中的特征编码器生成第一时间序列的特征和第二时间序列的特征；将第一时间序列的特征和第二时间序列的特征输入领域判别器中，对领域判别器与特征编码器进行对抗训练，且基于目标域的样本集对第一预测模型进行调优，得到目标预测模型。本申请的方法能够提高目标预测模型的准确性，避免出现过拟合和负迁移。

摘要： 本说明书实施例提供了一种建立时间序列预测模型的方法、时间序列预测方法和装置。根据该实施例的方法，首先将第i个时间序列输入时间序列预测模型，所述时间序列包括连续n个时间点的指标值，所述时间序列中包含指标极值信息，所述n为大于1的正整数；然后获取所述时间序列预测模型依据所述第i个时间序列及其之前的历史时间序列预测得到的所述第i个时间序列之后τ个时间点的指标值，所述τ为预设的正整数；其中，所述时间序列预测模型基于记忆网络预先训练得到。

摘要： 本说明书实施例提供了一种建立时间序列预测模型的方法、时间序列预测方法和装置。根据该实施例的方法，首先从历史时间序列获取训练数据，所述训练数据包括连续n个时间点的指标值，所述n为大于1的正整数；然后利用所述训练数据训练状态空间模型，得到时间序列预测模型；其中，依时间顺序将各时间点分别作为第ts个时间点执行：将第ts个时间点的指标值输入所述状态空间模型，由所述状态空间模型依据所述第ts个时间点及其之前各时间点的指标值预测所述第ts个时间点之后τ个时间点的指标值，所述τ为预设的正整数；训练目标包括最小化预测的指标值与训练数据中对应指标值的差异；其中，在所述预测中将待预测时间点之前各时间点的隐状态表示进行注意力机制的处理来得到所述待预测时间点的隐状态表示。

摘要： 本说明书实施例提供了一种建立时间序列预测模型的方法、时间序列预测方法和装置。根据该实施例的方法，首先从m个被测对象的历史时间序列获取训练数据，训练数据包括m个被测对象在连续n个时间点的指标值；然后利用训练数据训练得到m元时间序列预测模型；其中，依时间顺序将各时间点分别作为第ts个时间点执行：将m个被测对象在第ts个时间点的指标值输入m元时间序列预测模型，由m元时间序列预测模型依据m个被测对象在第ts个时间点及其之前各时间点的指标值预测m个被测对象在第ts个时间点之后τ个时间点的指标值；训练目标包括最小化预测的指标值与训练数据中对应指标值的差异。本说明书实施例能够实现更为准确的时间序列预测。

摘要： 本申请提出一种通勤时间预测方法、通勤时间预测模型的训练方法和装置，其中，方法包括：接收出发地、目的地和出发时间；将出发地和目的地映射到路网上，得到路网路段序号和路段偏移量；将出发时间映射到时间片上，得到时间片序号和时间片偏移量；根据时空输入编码模块对路网路段序号、路段偏移量、时间片序号和时间片偏移量进行编码得到定长向量；根据时间预测模块对定长向量进行处理，输出目标通勤时间。由此，提高出发地到目的地通勤时间预测的准确性。

摘要： 本发明提供一种通行时间预测模型训练方法、通行时间预测方法及设备，该训练方法包括：构建路口和路段特征及轨迹特征；获取路段特征向量及路口特征向量；将对应于各个预设时间步长的路口特征矩阵、路段特征矩阵、路口邻接矩阵及路段邻接矩阵按照时序顺序输入到路口和路段时空特征提取网络；将输出的更新后的单个预设时间步长对应的路口特征矩阵和路段特征矩阵、历史轨迹中路口和路段组成的序列输入到通行时间预测模型，输出未来预设步长时间内出发的路线的目标通行时间的预测结果进行训练。本发明提供的通行时间预测模型训练方法、通行时间预测方法及设备，通过联合建模路口和路段的特征，训练通行时间预测模型，提升通行时间预测的准确度。

摘要： 本发明公开了一种电池静置时间预测模型的训练方法以及静置时间预测方法。该方法包括获取用于模型训练的样本电池，并确定各所述样本电池分别对应的电池类型数据；确定各所述样本电池在容量测试过程中分别对应的电池容量数据；基于各所述样本电池分别对应的电池容量数据以及电池类型数据对所述静置时间预测模型进行训练，得到训练完成的静置时间预测模型；其中，所述静置时间预测模型用于对电池在容量测试过程中静置阶段的静置时间进行预测。通过本发明公开的技术方案解决了现有技术中估算得到的静置时间会影响测试的效率以及准确性的问题，实现了提供准确的静置时间，从而提高测试结果的准确性。