搜索资源列表
基于BP神经网络的厦门楼盘走势预测
- 本文基于BP神经网络应用于预测的原理，提出预测步骤及预测可行性，探讨建立基于BP神经网络的预测模型的关键技术，包括样本的选取与预处理、输入输出变量的选取、隐层节点数的确定、初始权值和阈值的选取、激活函数、训练算法与参数的选取，最后建立合理的网络模型；结合住宅市场的实际情况，建立两类BP 神经网络预测模型：基于时间序列的趋势预测模型以及基于影响因素的回归预测模型，即分别采用神经网络趋势预测和回归预测的思路，把住宅市场的供给、需求与房价的历年数据以及其影响因素的数据分别作为学习样本，建立预测模型，
monitoring
- 讲述变形监测的内容、数据处理方法以及预测模型的选择。-Described the content, method of data processing of deformation monitoring and prediction model of choice.
ARMA相关模型及其应用
- 时间序列分析是数理统计中的一个重要分支，用随机过程理论和数理统 计方法研究随机数据序列的规律。时间序列分析提供了一套具有科学依据的 动态数据处理方法，该方法的主要手段是对各种类型的数据采用相应的数学 模型去近似描述。通过对模型的分析研究，便可更本质地了解数据的内在结 构和复杂特性，从而达到预测其发展趋势并进行必要的控制的目的。(Time series analysis is an important offset of statistics, which studys
关于温室方面的资料
- 为了预测和评价日光温室墙体的热工性能，构建了日光温室墙体非稳态传热过程的一维差分模型。根据气象统 计参数及其变化规律，确定了墙体表面太阳辐射热量的算法，以及傅立叶级数形式的室内和室外气温等边界条件，墙体 表面接收的太阳辐射热量处理为边界节点的内热源。提出了以周期外界条件反复循环作用的“程序预演法”，解决了墙体 传热模拟的初始条件问题。采用高效的追赶法求解差分方程组等方法，建立了完整的日光温室墙体传热的数值模拟方法， 编制了计算机程序RGWSQCR，通过运行程序模拟日光温室墙体传热过程，可
拟合神经网络数学建模
- 4. 曲线拟合的用户图形界面求法 Matlab 工具箱提供了命令cftool，该命令给出了一维数据拟合的交互式环境。具体 执行步骤如下： （1）把数据导入到工作空间； （2）运行cftool，打开用户图形界面窗口； （3）对数据进行预处理； （4）选择适当的模型进行拟合； （5）生成一些相关的统计量，并进行预测。 分类: 数学建模
cAMx用户手册中文版
- 扩展综合空气质量模型(CAMx)是一个欧拉的区域光化学离散模型，它允许把从邻区到大陆 空间尺度的对流层空气污染（臭氧、颗粒物、大气有毒物质）作为整体的“一个大气”来考虑。 它是最前沿的开源系统：计算高效、灵活、对公众开放。模型的 Fortran 源代码高度模块化 并且相关说明文档齐全。Fortran 二进制输入/输出文件格式以城市空气流量模型(UAM)规则 为基础并且兼容很多现有的前处理和后处理工具。气象场由独立的天气预测模型提供给 CAMx。所有的排放输入数据由外部的前处理系统提供。