sctpan / WQMFSLinks
Water Quality Management and Forecasting System(水质管理与预测系统)
☆42Updated 2 years ago
Alternatives and similar repositories for WQMFS
Users that are interested in WQMFS are comparing it to the libraries listed below
Sorting:
- 水质预测系统,利用机器学习进行水质预测☆87Updated 3 years ago
- 客流量时间序列预测模型☆126Updated 3 years ago
- 毕设-设备故障预测系统☆38Updated 6 years ago
- ☁Air pollution visualization and forecasting platform based on Spring Cloud(基于Spring Cloud的环境污染物数据分析与预测平台)☆47Updated 2 years ago
- 电力系统短期负荷预测☆44Updated 4 years ago
- 基于卡口实时过车数据进行交通流量的实时预测分析,使用LSTM循环神经网络模型进行融合预测,准确率达到90%以上。☆57Updated 5 years ago
- 电力负荷的时间序列未来预测☆24Updated 3 years ago
- 使用多种算法(线性回归、随机森林、支持向量机、BP神经 网络、GRU、LSTM)进行电力系统负荷预测/电力预测。通过一个简单的例子。A variety of algorithms (linear regression, random forest, support vecto…☆173Updated 5 years ago
- 基于深度学习的多特征电力负荷预测☆141Updated 5 years ago
- 2018比赛-大数据-光伏电站-人工智能运维☆24Updated 7 years ago
- 动力电池数据分析系统☆23Updated 4 years ago
- 时间序列ARIMA模型的销量预测☆62Updated 7 years ago
- 新能源汽车充电能量预测:模型+可视化☆19Updated 6 years ago
- 基于统计学的时间序列预测(AR,ARM).☆283Updated 4 years ago
- 基于双向堆叠LSTM的电力负荷预测系统☆15Updated 4 months ago
- 建立SARIMA-LSTM混合模型预测时间序列问题。以PM2.5值为例,使用UCI公开的自2013年1月17日至2015年12月31日五大城市PM2.5小时检测数据,将数据按时间段划分,使用SARIMA过滤其线性趋势,再对过滤后的残差使用LSTM进行预测,最后对预测结果进行…☆82Updated 6 years ago
- 利用时间序列预测汽车销量☆41Updated 6 years ago
- 金融反欺诈预测系统,技术涉及Vue3、Flask、XGBoost等。本项目提供了完整的Web系统,系统功能包括信贷数据分析、信贷欺诈数据检测、用户历史预测记录、用户数据管理等。项目整体并不复杂,适合新手练手学习机器学习与Web系统的结合。☆54Updated 3 years ago
- 预测区域电力负荷的深度学习模型☆27Updated 2 years ago
- 使用PYTorch框架建立的一个简单的LSTM模型来进行电力负荷预测☆44Updated last year
- 基于Keras框架,结合LSTM/GRU/Arima/WNN实现多方式的水质参数预测☆23Updated 7 years ago
- Time Series Prediction, Stateful LSTM; 时间序列预测,洗发水销量/股票走势预测,有状态循环神经网络☆58Updated 8 years ago
- 基于深度学习的共享单车预测与调度解决方案,使用神经网络构建单车需求量与时间段和地理画像的关联,预测不同区域单车需求量;使用蚁群算法规划最优单车调度路径。☆102Updated 6 years ago
- 基于LSTM的电力负荷预测☆158Updated 6 years ago
- 本项目为时间序列预测项目,主要重点在于对预测项目整体流程的梳理总结,不同框架下如何进行简单数据处理和模型搭建。因此项目中搭建的主要为一些常用模型(后续会不断修改完善)。模型包含了prophet模型、keras库的bp神经网络和lstm网络模型、pytorch …☆25Updated 2 years ago
- 数控加工单元数字孪生☆11Updated 4 years ago
- 基于ARIMA时间序列的销量预测模型,实际预测准确率达90%以上,内含有测试记录和实际上线效果。☆103Updated 6 years ago
- 交通时空大数据分析与挖掘☆14Updated 3 years ago
- 基于Keras的LSTM多变量时间序列预测☆179Updated 7 years ago
- 一种有效的电力负荷预测方法☆63Updated 5 years ago