导读:本文包含了网络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:城市交通网络,速度预测模型,汽车运行工况,威布尔分布
网络预测论文文献综述
施树明,李文茹[1]（2019）在《城市交通网络运行速度预测模型研究》一文中研究指出针对城市交通网络越来越复杂的问题,提出以汽车运行速度概率分布为判断指标,以长春市交通局提供的浮动车数据为基础,基于统计推断的方法得到城市交通网络运行速度概率分布模型.通过对城市交通网络运行速度产生影响的道路交通参数进行分析,得到模型参数与道路交通参数的关系式,构建了城市交通网络中汽车运行速度概率分布预测模型.(本文来源于《东北师大学报(自然科学版)》期刊2019年04期）
林振荣,黎嘉诚,杨冬芹,伍军云[2]（2019）在《改进微分进化和小波神经网络的网络流量预测》一文中研究指出针对网络流量的非线性和复杂性等特性以及传统网络流量预测模型精准度低的缺点,提出自适应微分进化算法(ADE)优化小波神经网络(WNN)的短期网络流量预测方法。以小波神经网络为基础,在神经网络训练过程中增加动量项,采用自适应微分进化算法优化小波神经网络原有的初始化参数的过程,有效解决小波神经网络中传统梯度下降算法易陷入局部极小解和对初始值敏感的缺陷,提高学习精度和收敛速度。仿真结果表明,相比对比模型,该方法具有良好的准确性、收敛性以及稳定性,是一种有效可靠的短期网络流量预测方法。(本文来源于《计算机工程与设计》期刊2019年12期）
潘永昊,于洪涛,吴翼腾[3]（2019）在《基于复杂网络动力学模型的链路预测方法》一文中研究指出链路预测是复杂网络中研究缺失连边和未来形成连边的重要组成部分,当前基于网络结构的链路预测方法成果丰富,而基于复杂网络动力学模型的链路预测研究较少。针对无权无向网络,首先构建了复杂网络动力学模型,然后给出了基于复杂网络动力学模型的链路预测节点中心性的量化评价指标,最后通过给出的节点中心性量化指标,提出了由复杂网络动力学模型定义的链路预测方法。通过在真实网络数据集上进行的实验表明,提出的链路预测方法较基准方法有明显的预测精度的提升。(本文来源于《网络与信息安全学报》期刊2019年06期）
吕芳,陆海博,王巍,黄俊恒,王佰玲[4]（2019）在《基于银行账户亲密度网络推理的团伙预测研究》一文中研究指出近年来,针对涉众型非法金融活动在资金交易规律的研究引起了研究者的高度关注。为解决利用银行交易数据进行异常账户犯罪团伙主动发现的问题,提出一种基于银行账户非对称亲密度网络的团伙预测方法。首先,建立银行账户交易通用网络模型,将时序交易数据嵌入网络结构中。然后,利用节点的直接和间接交易关系信息,提出一种账户非对称亲密度计算方法。最终,利用节点在亲密度网络上的非对称交互信息,得到节点的异常倾向性指标。在包含传销团伙的真实数据上的实验结果表明,基于亲密度网络的团伙预测方法能有效发现潜在传销人员。(本文来源于《网络与信息安全学报》期刊2019年06期）
周兰花,曾富洪[5]（2019）在《基于MIVM神经网络模型对合金组元活度的预测》一文中研究指出为了使用分子相互作用体积模型(molecular interaction volume model,MIVM)准确便捷预测出合金溶液中组元的活度,建立了活度预测的BP(back propagation)神经网络模型和算法,模型的输入层为合金溶液中组元的实验活度系数,输出层为分子对位能相互作用参数,隐含层设定为一层。采用遗传算法优化BP神经网络模型各结构参数,在遗传算法中使用合金溶液中组元的无限稀活度系数的实验值和理论值的偏差作为适应度函数,以偏差最小为目标进行优化以保证BP神经网络的有效性。最后以Pb-Bi,Sn-Bi,Sn-Pb,Fe-Cu二元合金溶液中组元活度预测为例对BP神经网络模型和算法进行验证。结果表明:组元活度预测值与实验值之间的平均相对误差均小于4%,绝对偏差小于0.78,能满足工程计算要求。(本文来源于《重庆大学学报》期刊2019年12期）
黄伟,刘存才,祁思博[6]（2019）在《针对设备端口链路的LSTM网络流量预测与链路拥塞方案》一文中研究指出针对设备端口链路流量,提出两种基于长短期记忆网络的预测模型。第一种针对在大时间粒度下平稳变化的流量;第二种则针对在小时间粒度下波动剧烈的非平稳流量。通过选用不同的数据划分方式与模型训练方法,构建两种具有不同网络结构的流量预测模型。实验结果表明,前者在处理平稳变化的流量时能够达到极高的预测精度,后者在处理非平稳流量时具有明显优于SVR模型、BP神经网络模型的预测效果。在第二种预测模型的基础上,提出了参数可调的链路拥塞预警方案,实验证明该方案具有一定的可行性。(本文来源于《网络与信息安全学报》期刊2019年06期）
肖金球,周翔,潘杨,冯威,陈多观[7]（2019）在《GA-BP优化TS模糊神经网络水质监测与评价系统预测模型的应用——以太湖为例》一文中研究指出针对水质监测与评价系统在太湖应用过程中水质数据和水质等级评价不准确的问题,建立了一种多隐含层改进型GA-BP神经网络来辨识复杂的水质模型,以均方误差MSE作为个体适应度,并在权值调整过程中加入动量因子来加快收敛速度,获取最优权阈值,提高其拟合程度和泛化能力.根据校准后水质的pH、溶解氧、浊度和氨氮数据,利用TS模糊神经网络建立了适用于当地水质评价的模型.仿真测试结果充分说明改进型GA-BP优化TS模糊神经网络对复杂水质模型的拟合程度更高,水质数据的均方误差、绝对误差更小,绝对误差保持在1.5%以内,水质等级预测精度提高14.28%.(本文来源于《西南大学学报(自然科学版)》期刊2019年12期）
冯灵清,刘琪芳,鲁志红[8]（2019）在《基于神经网络的马铃薯栽培环境调控预测模型研究》一文中研究指出利用基于Matlab的两种神经网络对马铃薯的栽培环境进行预测调控。文章详细介绍了BP神经网络和RBF神经网络的概念、网络模型以及学习算法,建立网络进行训练,最终实现了两种网络的仿真预测,解释了各自的优缺点并对其输出进行了对比分析。(本文来源于《计算机时代》期刊2019年12期）
孙晓静,孙治中,刘琼[9]（2019）在《基于网络药理学预测射干治疗支气管哮喘作用机制》一文中研究指出目的:基于网络药理学预测射干治疗支气管哮喘的作用机制。方法:通过中药系统药理学技术平台(TCMSP)检索射干化学成分,Swiss Target Prediction数据库得到射干的预测靶点,通过Gene Cards数据库获取哮喘相关靶点将射干的预测靶点与哮喘相关靶点进行映射得到射干治疗哮喘的预测靶点。通过Cytoscape(3.6.0)软件,生成射干治疗哮喘的蛋白与蛋白相互作用(PPI)网络。通过DAVID网站(基因百科全书)进行KEGG通路分析,运用systems Dock网站对预测靶标与其对应的成分进行分子对接。结果:射干活性化合物有17种,筛选出射干可能与哮喘相关的靶点74个,关键靶点共16个,包括雌激素受体α(ESR1)、蛋白激酶C-α(PRKCA)、醛糖还原酶(AR)、蛋白激酶C-delta(PRKCD)、蛋白质激酶C-β(PRKCB)等。通过KEGG通路分析得到128条通路,结合文献检索,筛选出治疗哮喘的可能通路为20条,主要分为以下四类,①气道炎症相关通路:PI3K-Akt信号通路、趋化因子信号通路、MAPK信号通路等;②气道平滑肌相关通路:Ras信号通路、Hippo信号通路、钙信号通路等;③血管增生相关通路:VEGF信号通路;④免疫相关通路:T细胞受体信号通路、Toll样受体信号通路。结论:射干通过多靶点、多通路治疗哮喘,其机制可能与气道炎症相关通路、气道平滑肌相关通路、血管增生相关通路、免疫相关通路的作用相关。(本文来源于《山东中医杂志》期刊2019年12期）
陈宏[10]（2019）在《网络安全态势评估与预测技术研究》一文中研究指出本文研究网络安全态势评估与预测相关技术,设计了网络安全态势评估的两级指标体系,描述了层次化的网络安全态势评估模型,分析了网络安全态势预测的作用、原理及方法。(本文来源于《通讯世界》期刊2019年11期）
网络预测论文开题报告
（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：
针对网络流量的非线性和复杂性等特性以及传统网络流量预测模型精准度低的缺点,提出自适应微分进化算法(ADE)优化小波神经网络(WNN)的短期网络流量预测方法。以小波神经网络为基础,在神经网络训练过程中增加动量项,采用自适应微分进化算法优化小波神经网络原有的初始化参数的过程,有效解决小波神经网络中传统梯度下降算法易陷入局部极小解和对初始值敏感的缺陷,提高学习精度和收敛速度。仿真结果表明,相比对比模型,该方法具有良好的准确性、收敛性以及稳定性,是一种有效可靠的短期网络流量预测方法。
（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。
网络预测论文参考文献
[1].施树明,李文茹.城市交通网络运行速度预测模型研究[J].东北师大学报(自然科学版).2019
[2].林振荣,黎嘉诚,杨冬芹,伍军云.改进微分进化和小波神经网络的网络流量预测[J].计算机工程与设计.2019
[3].潘永昊,于洪涛,吴翼腾.基于复杂网络动力学模型的链路预测方法[J].网络与信息安全学报.2019
[4].吕芳,陆海博,王巍,黄俊恒,王佰玲.基于银行账户亲密度网络推理的团伙预测研究[J].网络与信息安全学报.2019
[5].周兰花,曾富洪.基于MIVM神经网络模型对合金组元活度的预测[J].重庆大学学报.2019
[6].黄伟,刘存才,祁思博.针对设备端口链路的LSTM网络流量预测与链路拥塞方案[J].网络与信息安全学报.2019
[7].肖金球,周翔,潘杨,冯威,陈多观.GA-BP优化TS模糊神经网络水质监测与评价系统预测模型的应用——以太湖为例[J].西南大学学报(自然科学版).2019
[8].冯灵清,刘琪芳,鲁志红.基于神经网络的马铃薯栽培环境调控预测模型研究[J].计算机时代.2019
[9].孙晓静,孙治中,刘琼.基于网络药理学预测射干治疗支气管哮喘作用机制[J].山东中医杂志.2019
[10].陈宏.网络安全态势评估与预测技术研究[J].通讯世界.2019