期刊文献+
任意字段
题名或关键词
题名
关键词
摘要
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到361篇文章
< 1 2 … 19 >
每页显示 20 50 100
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于SARIMA和Prophet时间序列模型对北京市房山区水痘病例的发病预测及对比分析 认领 引用 被引量：1
1
作者 冯静媛 吴涛 +3 位作者 董瑞强 辛丹 周莎莎 周伟 《预防医学情报杂志》 CAS 2026年第2期161-168,共8页
目的比较季节性差分自回归滑动平均模型(seasonal autoregressive integrated moving average,SARIMA)和Prophet两种模型在水痘发病报告数的拟合和预测能力,为防控水痘提供科学依据。方法从中国疾病预防控制信息系统子系统传染病监测收... 目的比较季节性差分自回归滑动平均模型(seasonal autoregressive integrated moving average,SARIMA)和Prophet两种模型在水痘发病报告数的拟合和预测能力,为防控水痘提供科学依据。方法从中国疾病预防控制信息系统子系统传染病监测收集2013年1月至2023年12月北京房山区水痘报告发病数据,运用Python 3.7软件建立SARIMA和Prophet拟合模型,并对2024年1至10月水痘报告发病数进行预测,比较拟合值与实际值、预测值与实际值。Prophet模型因新型冠状病毒肺炎增加两个变点(change points),分别为“2020年2月”和“2023年1月”。所采用的评价指标包括平方误差(mean square error,MSE)、平方根误差(root mean squared error,RMSE)、平均绝对误差(mean absolute error,MAE)和平均绝对百分比误差(mean absolute percentage error,MAPE),预测精度选用相对误差,检验水准α=0.05。结果SARIMA模型预测评价指标MSE、RMSE、MAE和MAPE分别为340.803、18.461、16.231和0.384;Prophet模型预测评价指标MSE、RMSE、MAE和MAPE分别为195.340、13.976、11.98和0.275。结论Prophet模型拟合和预测北京市房山区水痘发病报告数表现均优于SARIMA模型。 展开更多
关键词 水痘 SARIMA模型 Prophet模型 预测
暂未订购 下载PDF
基于Prophet-Logistic的玉米植株长势预测模型 认领 引用
2
作者 梁秋艳 田文豪 +3 位作者 迟佳 葛宜元 赵子瀚 张晓玲 《中国农机化学报》 北大核心 2026年第7期160-166,共7页
玉米作为我国重要的粮食来源,产量约占粮食总产量的1/4,玉米植株的生长状况直接关系其品质和产量,对玉米生长情况进行精确预测具有重要意义。考虑到玉米植株处于乳熟期时,株高和茎粗长势不明显,玉米植株长势预测模型主要针对玉米植株的... 玉米作为我国重要的粮食来源,产量约占粮食总产量的1/4,玉米植株的生长状况直接关系其品质和产量,对玉米生长情况进行精确预测具有重要意义。考虑到玉米植株处于乳熟期时,株高和茎粗长势不明显,玉米植株长势预测模型主要针对玉米植株的苗期、拔节期以及抽雄期。使用Python编程语言,将Logistic模型与传统的Prophet模型结合起来构建Prophet—Logistic预测模型,对玉米植株生长进行预测和模型优化,降低预测误差并提高准确性。优化完成后,使用传统的Prophet模型和经过优化的Prophet模型来分析由相机记录的玉米植株生长参数,预测植株的生长情况。将这两种模型的预测结果与实际田间试验区的玉米植株生长情况进行比较,验证优化模型的效果。结果表明,优化后株高预测误差降低0.71%、0.83%以及0.14%,茎粗误差降低0.96%、0.28%以及0.1%。 展开更多
关键词 玉米植株 优化Prophet模型 Logistic模型 长势预测
暂未订购 下载PDF
基于Prophet模型对余姚市流感样病例就诊百分比的预测 认领 引用
3
作者 史珊珊 余佳薇 +5 位作者 黄冠成 洪芳芳 吴川锋 楼琪雯 金丹 屠莎莉 《环境与健康杂志》 CAS 2026年第7期611-615,共5页
目的基于Prophet时间序列预测模型,对浙江省余姚市流感样病例就诊百分比(ILI%)进行拟合与预测,探讨其流行规律,为当地流感防控和资源调配提供科学依据。方法收集余姚市2019年1月至2025年12月流感监测网络ILI%数据。采用描述性流行病学... 目的基于Prophet时间序列预测模型,对浙江省余姚市流感样病例就诊百分比(ILI%)进行拟合与预测,探讨其流行规律,为当地流感防控和资源调配提供科学依据。方法收集余姚市2019年1月至2025年12月流感监测网络ILI%数据。采用描述性流行病学方法分析流行特征与趋势。应用Prophet模型对余姚市ILI%数据进行拟合和预测,并与季节性自回归积分滑动平均模型(SARIMA)进行性能对比,使用均方根误差(RMSE)、平均绝对误差(MAE)和平均绝对百分比误差(MAPE)评估模型性能。结果2019—2025年余姚市ILI%呈先上升后稳定的趋势,2023年为趋势转折点,存在冬季主高峰和夏季次高峰的双峰季节性分布特征。Prophet模型对2025年ILI%的预测结果与实际值吻合良好,各月相对误差介于1.22%~10.11%之间,模型性能指标显示预测精度较高(RMSE=0.36,MAE=0.28,MAPE=7.17%),各项指标均优于SARIMA(RMSE=1.56,MAE=1.74,MAPE=36.28%)。外推预测显示,2026年ILI%仍将维持双峰模式,冬季流行高峰可能较为突出。结论Prophet模型能有效捕捉余姚市ILI%的复杂时序特征,预测性能良好。预测结果提示余姚市流感活动基线可能已发生变化,建议卫生部门动态评估预警策略并提前部署防控资源。 展开更多
关键词 流感样病例 Prophet模型 趋势 预测
暂未订购 下载PDF
ARIMA、Prophet及LSTM模型在黄河水沙数据预测中的应用 认领 引用
4
作者 刘素军 李长生 +1 位作者 山青青 丁佳钰 《智能物联技术》 2026年第7期58-66,共9页
黄河水沙数据具有非线性、周期性、波动性等特点,导致传统预测方法难以很好地兼顾预测精度和模型适应性。选取2023年全国大学生数学建模比赛E题官方提供的黄河水沙监测数据,采用差分整合移动平均自回归(Autoregressive Integrated Movin... 黄河水沙数据具有非线性、周期性、波动性等特点,导致传统预测方法难以很好地兼顾预测精度和模型适应性。选取2023年全国大学生数学建模比赛E题官方提供的黄河水沙监测数据,采用差分整合移动平均自回归(Autoregressive Integrated Moving Average,ARIMA)、Prophet及长短期记忆(Long Short-Term Memory,LSTM)模型进行水沙含量预测。首先,对原始数据进行预处理,去除噪声、补齐缺值;其次,以平均绝对误差(Mean Absolute Error,MAE)、平均绝对百分比误差(Mean Absolute Percentage Error,MAPE)、均方根误差(Root Mean Square Error,RMSE)及拟合优度来客观评价3种模型的预测性能,据此分析各模型的适用场景、优势与不足;最后,总结研究的不足,提出未来改进方向。结果表明,LSTM模型在黄河水沙数据预测中表现最佳,Prophet模型在精度与易用性上表现良好,ARIMA模型在线性拟合问题上具有明显优势。 展开更多
关键词 黄河水沙监测 差分整合移动平均自回归(ARIMA) Prophet 长短期记忆(LSTM) 时间序列预测
暂未订购 下载PDF
自回归积分滑动平均模型和Prophet模型在河南省流行性感冒预测中的运用研究 认领 引用
5
作者 宋会群 宋沛沛 陈述 《临床研究》 2026年第2期13-16,共4页
目的观察自回归积分滑动平均(ARIMA)模型和Prophet模型对河南省流行性感冒的预测效果,为河南省流行性感冒的防控提供参考依据。方法选取河南省卫生健康委员会官网公布的2016年1月至2024年5月河南省流行性感冒月报告数,采用Excel 2021软... 目的观察自回归积分滑动平均(ARIMA)模型和Prophet模型对河南省流行性感冒的预测效果,为河南省流行性感冒的防控提供参考依据。方法选取河南省卫生健康委员会官网公布的2016年1月至2024年5月河南省流行性感冒月报告数,采用Excel 2021软件建立数据库,分析河南省流行性感冒的发病趋势和季节特征;使用R软件构建ARIMA模型和Prophet模型,采用均方根误差(RMSE)平均绝对误差(MAE)、平均绝对百分比误差(MAPE)评估模型拟合和预测效果。结果河南省流行性感冒高发期集中于冬春季。模型拟合结果显示,ARIMA(2,1,1)(0,0,2)12模型拟合的评估指标RMSE=0.31,MAE=0.21,MAPE=0.05;Prophet模型拟合的评估指标RMSE=0.43,MAE=0.32,MAPE=0.09。模型预测结果显示,ARIMA(2,1,1)(0,0,2)12模型预测的评估指标RMSE=0.32,MAE=0.26,MAPE=0.06;Prophet模型预测的评估指标RMSE=0.68,MAE=0.57,MAPE=0.12。结论ARIMA模型和Prophet模型在拟合性能上表现相近;在预测方面,ARIMA(2,1,1)(0,0,2)12模型表现更优,能较好预测河南省流行性感冒的发病趋势,可为河南省流行性感冒的科学防控提供理论依据。 展开更多
关键词 流行性感冒 ARIMA模型 Prophet模型 模型比较
暂未订购 下载PDF
基于Prophet模型的南京都市圈发热伴血小板减少综合征流行特征及趋势预测 认领 引用
6
作者 周浦民 夏建军 +5 位作者 王恒学 孙璐瑶 陈学敏 宋丙栋 丁松宁 张守刚 《中国人兽共患病学报》 CAS CSCD 北大核心 2026年第7期691-697,共7页
目的分析2010—2024年南京市报告的南京都市圈范围内发热伴血小板减少综合征(severe fever with thrombocytopenia syndrom,SFTS)的流行病学特点,构建Prophet模型预测SFTS发病趋势,为南京市SFTS预警和风险评估提供科学依据。方法使用Exc... 目的分析2010—2024年南京市报告的南京都市圈范围内发热伴血小板减少综合征(severe fever with thrombocytopenia syndrom,SFTS)的流行病学特点,构建Prophet模型预测SFTS发病趋势,为南京市SFTS预警和风险评估提供科学依据。方法使用Excel 2019和R 4.3.3对南京市报告的南京都市圈范围SFTS的流行特征进行描述性分析。以2010年1月至2023年12月的发病数据作为训练集,使用R4.3.3软件中“forecast”“prophet”包构建Prophet模型,以2024年1—12月发病数据作为测试集验证模型预测性能,并预测2025年发病数。结果2010—2024年累计报告的南京都市圈范围SFTS发病数为2503例,总体呈明显上升趋势(Kendall’s Tau=0.867,P<0.05)。累计报告发病数较高的是来自滁州市(1255例)、南京市(723例)和淮安市(288例)。时间分布上显示存在显著季节性的特点,呈现双峰分布,5—7月达到发病高峰,10月出现小高峰。发病年龄主要集中在50~80岁(2068例,占比82.62%)。职业分布中务农人员群体占比最高(1775例,占比70.91%)。Prophet模型拟合验证表现良好,均方根误差(root mean square error,RMSE)为17.90,平均绝对误差(mean absolute error,MAE)为11.54,平稳R2为0.89。预测结果表明,2025年发病峰值(5—7月预测均值155.7例)将高于2010—2024年同期历史均值(98.3例)。结论南京都市圈范围SFTS发病呈快速上升态势,Prophet模型能有效拟合及预测其流行趋势。2025年发病风险依然较高,需针对重点人群加强跨区域协同防控。 展开更多
关键词 发热伴血小板减少综合征 流行特征 Prophet模型 预测
暂未订购 下载PDF
基于Prophet-LSTM模型的流感节假日效应分析及预测效果研究 认领 引用 被引量：1
7
作者 程文林 毛军军 +1 位作者 汪亦哲 吴家兵 《公共卫生与预防医学》 2026年第1期8-12,共5页
目的基于Prophet-LSTM混合模型探究节假日效应与防控措施对合肥市流感发展特征及发病趋势的影响,通过比较不同预测模型的性能,验证Prophet-LSTM模型在流感预测中的适用性。方法收集2016—2024年合肥市流感发病数据,构建Prophet-LSTM特... 目的基于Prophet-LSTM混合模型探究节假日效应与防控措施对合肥市流感发展特征及发病趋势的影响,通过比较不同预测模型的性能,验证Prophet-LSTM模型在流感预测中的适用性。方法收集2016—2024年合肥市流感发病数据,构建Prophet-LSTM特征分析与预测模型,分析节假日效应和防控措施对流感发病趋势的影响;同时建立ARIMA、GRU、TimeGPT等对比模型,在相同测试集上比较各模型的预测性能。结果分析表明,元旦、春节、国庆等节假日期间流感发病率显著上升,而防控措施实施期间发病率呈现下降趋势。Prophet-LSTM模型的预测值与实际值高度吻合,其MAE(0.209)、MSE(0.195)和IA(0.914)均优于对比模型,展现出更高的预测精度和趋势拟合能力。结论Prophet-LSTM模型能有效捕捉流感发病的时空特征,在纳入节假日效应和防控措施因素后表现出更好的预测性能,证明其在流感预测领域具有显著优势和应用价值。 展开更多
关键词 Prophet-LSTM 流感 节假日效应 防控效应 预测模型
暂未订购 下载PDF
利用Prophet-PSO-LSTM模型预测地表沉降 认领 引用
8
作者 郑建雷 陈淼新 《地理空间信息》 2026年第7期81-85,共5页
针对复杂地质条件或工程活动影响下的地表沉降,单一模型预测往往难以充分挖掘沉降数据时序信息,导致预测精度受限。将粒子群优化算法(PSO)用于长短记忆神经网络(LSTM)模型的超参数优化,并结合Prophet时间序列模型提出了Prophet-PSO-LST... 针对复杂地质条件或工程活动影响下的地表沉降,单一模型预测往往难以充分挖掘沉降数据时序信息,导致预测精度受限。将粒子群优化算法(PSO)用于长短记忆神经网络(LSTM)模型的超参数优化,并结合Prophet时间序列模型提出了Prophet-PSO-LSTM模型。利用某地表沉降监测数据对该组合模型进行了验证。结果表明,Prophet-PSO-LSTM模型的MAE、RMSE和MAPE均优于Prophet模型、PSO-LSTM模型和Prophet-LSTM模型,说明其在充分挖掘沉降数据时序信息方面具有较大的优势。 展开更多
关键词 地表沉降 Prophet模型 PSO算法 LSTM模型 组合模型
暂未订购 下载PDF
ARIMA、LSTM神经网络和Prophet模型对MMR疫苗接种量预测效果的比较 认领 引用
9
作者 葛丽园 梁晓清 +3 位作者 李齐芳 冯岩 程文慧 周玲米 《中国初级卫生保健》 2026年第5期79-82,91,共4页
目的:比较ARIMA模型、LSTM神经网络模型和Prophet模型预测钦州市灵山县麻腮风联合减毒活疫苗(MMR)接种量的效果,探索最优预测模型。方法:根据2014—2024年灵山县预防接种门诊MMR疫苗每月接种量数据,建立ARIMA模型、LSTM神经网络和Prophe... 目的:比较ARIMA模型、LSTM神经网络模型和Prophet模型预测钦州市灵山县麻腮风联合减毒活疫苗(MMR)接种量的效果,探索最优预测模型。方法:根据2014—2024年灵山县预防接种门诊MMR疫苗每月接种量数据,建立ARIMA模型、LSTM神经网络和Prophet模型,对MMR接种量进行拟合及预测,通过比较均方根误差(RMSE)、平均绝对百分比误差(MAPA)、平方绝对误差(MAE)的大小评价模型效果,确定最优模型。结果:ARIMA(1,0,1)(2,1,0)12模型拟合和预测的RMSE、MAPE和MAE分别为446.97、12.83%、297.96和666.20、18.23%、553.84;LSTM模型拟合和预测的RMSE、MAPE和MAE分别为1368.33、44.80%、1170.78和1862.80、53.32%、1670.37;Prophet模型拟合和预测的RMSE、MAPE和MAE分别为405.08、13.78%、305.87和495.33、8.48%、243.17,Prophet模型的拟合及预测效果优于ARIMA模型和LSTM神经网络模型。通过拟合Prophet最佳模型,除了2023年3月和2023年9月,其他月份的实际值均落在95%置信区间内。结论:基于本研究,Prophet模型能够更好地拟合灵山县MMR疫苗的月接种量,具有良好的可行性,为疫苗接种工作的科学管理提供了有效工具。 展开更多
关键词 ARIMA LSTM神经网络 Prophet MMR疫苗 预测
暂未订购 下载PDF
基于LDA-Prophet模型的关键核心技术识别与预测研究——以芯片材料领域为例 认领 引用
10
作者 蔡鸿宇 马亚星 +1 位作者 李明 石进 《中国科技论坛》 CSSCI 北大核心 2026年第5期74-83,共10页
关键核心技术识别对推动我国科技发展具有重要意义。基于LDA-Prophet的关键核心技术识别与预测流程,首先运用潜在狄利克雷分配方法分析相关领域专利材料,识别核心技术范围,然后通过一个四维关键核心技术识别框架进行关键核心技术识别,... 关键核心技术识别对推动我国科技发展具有重要意义。基于LDA-Prophet的关键核心技术识别与预测流程,首先运用潜在狄利克雷分配方法分析相关领域专利材料,识别核心技术范围,然后通过一个四维关键核心技术识别框架进行关键核心技术识别,最后通过Prophet时间序列模型进行关键核心技术预测。以芯片材料领域为例,识别出当前关键核心技术主题,并对未来3年关键核心技术主题进行预测,验证该流程能够有效识别并预测关键核心技术,可为相关领域提供有益参考。 展开更多
关键词 关键核心技术 识别与预测 专利 潜在狄利克雷分配 时间序列模型
暂未订购 下载PDF
面向光伏无人机测量的SVR-Prophet误差分析方法研究 认领 引用
11
作者 杨裕明 何灵伟 +2 位作者 林世钰 边锐 林子闰 《国外电子测量技术》 2026年第3期176-180,共5页
针对光伏无人机测量在复杂环境下误差分析精度较低的问题,提出了一种结合支持向量回归(Support Vector Regression,SVR)与Prophet模型的误差分析方法。该方法首先利用SVR模型对影响测量误差的关键特征进行学习和非线性拟合,捕捉特征与... 针对光伏无人机测量在复杂环境下误差分析精度较低的问题,提出了一种结合支持向量回归(Support Vector Regression,SVR)与Prophet模型的误差分析方法。该方法首先利用SVR模型对影响测量误差的关键特征进行学习和非线性拟合,捕捉特征与误差之间的非线性映射关系。再引入Prophet对整体误差序列的时间动态特征进行捕捉和修正。同时引入随机森林(Random Forest,RF)算法评估特征重要性并抑制数据噪声。以未经误差校正的原始测量数据为基准,实验结果表明,所提方法在公开数据集上可将测量精度误差降低35.72%,信噪比提升最高达12.8 d B,且在多种环境条件下均表现出稳定的误差分析精度。该方法有效提高了光伏无人机测量误差分析的准确度与场景鲁棒性,为光伏电站的运维管理与性能优化提供了技术支撑。 展开更多
关键词 光伏无人机 支持向量回归 Prophet 误差分析 随机森林
暂未订购 下载PDF
基于Prophet模型对黄山市结核病疫情的趋势预测 认领 引用
12
作者 方杰敏 陈迪 杨桂珍 《预防医学情报杂志》 CAS 2026年第7期961-966,共6页
目的 运用Prophet模型对黄山市结核病疫情的趋势进行预测,为完善结核病防控工作提供依据。方法 从结核病管理信息系统中收集2015—2024年黄山市结核病患者病案信息,以2015—2023年的结核病月发病数构建Prophet模型,以2024年的结核病实... 目的 运用Prophet模型对黄山市结核病疫情的趋势进行预测,为完善结核病防控工作提供依据。方法 从结核病管理信息系统中收集2015—2024年黄山市结核病患者病案信息,以2015—2023年的结核病月发病数构建Prophet模型,以2024年的结核病实际月发病数对模型预测效果进行验证,将平均绝对误差(MAE)、平均绝对百分比误差(MAPE)、均方根误差(RMSE)作为模型评价指标,并对2025年和2026年的结核病发病情况进行预测。使用SPSS 27.0软件对数据进行统计分析,检验水准α=0.05。结果 Prophet模型拟合结果显示2015—2024年黄山市结核病疫情呈波动下降趋势,具有明显的季节性,夏季是登记报告的高峰期,冬季是低谷期;2024年结核病实际发病数490例,模型预测488例,MAE、MAPE、RMSE值分别为4.95、12.24%和5.93,预测误差处于较低水平,预测精度较好;模型预测黄山市2025年、2026年结核病登记发病数为462例和432例,登记发病率约为35.08/10万、32.80/10万。结论 Prophet模型对黄山市结核病的发病趋势预测与实际发病趋势拟合效果较好,可以对结核病疫情趋势进行预测,模型提示未来2年黄山市结核病疫情总体仍呈下降趋势。 展开更多
关键词 结核病 Prophet模型 趋势预测
暂未订购 下载PDF
基于Prophet预测模型的蔬菜商品补货与定价策略 认领 引用
13
作者 丁青 李玉辉 夏新黎 《河南财政金融学院学报（自然科学版）》 2026年第1期18-21,共4页
随着生鲜市场规模的持续扩大,蔬菜零售行业的竞争也愈加激烈。研究利用Prophet预测模型预测蔬菜销量,分析各品类销量分布及相关性,建立补货与定价模型,并结合成本加成法,考虑损耗与库存管理,推荐具体单品的补货量和定价,为商超确定收益... 随着生鲜市场规模的持续扩大,蔬菜零售行业的竞争也愈加激烈。研究利用Prophet预测模型预测蔬菜销量,分析各品类销量分布及相关性,建立补货与定价模型,并结合成本加成法,考虑损耗与库存管理,推荐具体单品的补货量和定价,为商超确定收益最大化策略提供理论支撑。 展开更多
关键词 蔬菜 补货 定价 相关性分析 季节性分析 Prophet预测模型 线性规划
暂未订购 下载PDF
基于修正Z-score和Prophet模型的GNSS滑坡监测数据预测方法 认领 引用
14
作者 李达 《科学技术创新》 2026年第7期71-74,共4页
针对GNSS滑坡监测数据中粗差严重影响预测精度的问题,提出基于修正Z-score和Prophet模型的集成预测方法。采用修正Z-score算法检测粗差,利用中位数和绝对中位差提升鲁棒性;经Savitzky-Golay滤波后应用Prophet模型预测。实测数据表明:粗... 针对GNSS滑坡监测数据中粗差严重影响预测精度的问题,提出基于修正Z-score和Prophet模型的集成预测方法。采用修正Z-score算法检测粗差,利用中位数和绝对中位差提升鲁棒性;经Savitzky-Golay滤波后应用Prophet模型预测。实测数据表明:粗差滤波使3天预测RMSE从2.34 mm降至1.78 mm,精度提升23.9%;5天预测RMSE从2.89 mm降至2.31 mm,精度提升20.1%。方法计算高效、参数稳定,为滑坡预警提供了可靠技术支撑。 展开更多
关键词 滑坡监测 修正Z-score Prophet模型 GNSS时间序列预测
暂未订购 下载PDF
基于多源数据融合与Prophet-XGBOOST混合模型的新能源汽车渗透率预测 认领 引用
15
作者 罗婕 艾美好 徐毅 《可持续发展》 2026年第5期1-9,共9页
在能源安全问题日益凸显与碳达峰、碳中和目标的催化下,新能源汽车成为缓解能源压力、推动绿色转型的重要力量。因此,准确预测新能源汽车渗透率对产业可持续发展具有重要意义。本文运用多源数据融合技术,选取2023年1月到2025年12月新能... 在能源安全问题日益凸显与碳达峰、碳中和目标的催化下,新能源汽车成为缓解能源压力、推动绿色转型的重要力量。因此,准确预测新能源汽车渗透率对产业可持续发展具有重要意义。本文运用多源数据融合技术,选取2023年1月到2025年12月新能源汽车月度销量数据、充电桩数据、GDP、能源价格及双积分政策文本作为基础数据,构建Prophet-XGBoost模型进行预测。利用Prophet模型提取渗透率趋势项和季节项作为时序特征,通过XGBoost模型融合时序特征和多源外部因素进行训练与预测。对比分析表明,混合模型在测试集上的MAE和RMSE较单一Prophet模型分别降低0.12%和0.15%,为未来新能源汽车渗透率的预测提供了一个精度较高的有效模型。结果显示2026年新能源汽车渗透率有望在年底达到54.20%。 展开更多
关键词 新能源汽车 渗透率预测 Prophet模型 XGBoost模型 多源数据融合
暂未订购 下载PDF
基于Prophet-GA模型的燃气负荷预测 认领 引用
16
作者 李泽明 洪爱华 +1 位作者 戴伟 夏冲 《城市燃气》 2026年第3期8-12,共5页
天然气负荷预测对于城燃公司保障燃气供应、调节供需平衡具有重要意义。其中,中长期月负荷预测是指导年度气源采购、优化气源配比的重要技术手段。燃气月负荷受经济发展趋势、季节周期变化、节假日等多种因素影响,其时序特征和非线性特... 天然气负荷预测对于城燃公司保障燃气供应、调节供需平衡具有重要意义。其中,中长期月负荷预测是指导年度气源采购、优化气源配比的重要技术手段。燃气月负荷受经济发展趋势、季节周期变化、节假日等多种因素影响,其时序特征和非线性特征明显。本文提出一种Prophet-GA模型的燃气月负荷预测方法,将具有时间序列分解功能的Prophet模型引入到时序负荷信号处理中,并利用GA遗传算法优化Prophet模型的超参数,以提高模型预测精度。以华东W市2016年—2024年负荷数据为样本进行分析验证,将本文Prophet-GA模型预测结果与原始Prophet模型、ARIMA模型结果进行比较,Prophet-GA模型的预测MAPE误差达到了6.27%,原始Prophet模型和ARIMA模型分别为7.18%、7.95%,验证了Prophet-GA模型具有良好的适用性,与更优的预测效果。 展开更多
关键词 燃气负荷预测 Prophet GA算法 长周期预测
暂未订购 下载PDF
基于Prophet模型的轨道交通线路客流预测研究——以贵阳市3号线为例 认领 引用
17
作者 何健 付佳佳 《人民公交》 2026年第10期148-150,共3页
轨道线路客流规模是轨道交通线路合理运营组织的核心依据,科学把握客流规模变化趋势,可有效提升车辆运营组织效率、压缩乘客出行时长,对优化城市公共交通服务水平具有重要的意义。传统预测多基于现状数据开展静态预测,未充分考虑季节变... 轨道线路客流规模是轨道交通线路合理运营组织的核心依据,科学把握客流规模变化趋势,可有效提升车辆运营组织效率、压缩乘客出行时长,对优化城市公共交通服务水平具有重要的意义。传统预测多基于现状数据开展静态预测,未充分考虑季节变化、工作日与周末差异、节假日及天气等多维度影响因素。本文以贵阳市轨道交通3号线为研究对象,基于Prophet时间序列预测模型,融合气象数据、节假日特征及社会活动等多维度变量,构建精准的客流预测模型。研究结果表明,该模型能有效捕捉客流的季节性波动和特殊事件影响,预测精度完全满足实际运营需求(平均绝对百分比误差MAPE=3.87%)。通过对预测结果的分析,可为贵阳市3号线的运营管理提供科学决策支持,同时为同类城市轨道交通客流预测提供参考方法。 展开更多
关键词 客流预测 Prophet模型 贵阳市3号线 特征融合 运营优化
暂未订购 下载PDF
基于Prophet和NeuralProphet模型对北京市海淀区水痘发病趋势的预测 认领 引用
18
作者 韦懿芸 孙亚敏 +1 位作者 刘轩卓 杜婧 《传染病信息》 2025年第3期268-272,共5页
目的运用Prophet模型与NeuralProphet模型(NP模型)探索北京市海淀区水痘发病趋势和特征,为水痘疫情防控工作提供科学参考。方法数据来源于北京市海淀区2009年第1周至2024年第26周水痘报告发病数。采用2009—2023年的数据作为训练集,构建... 目的运用Prophet模型与NeuralProphet模型(NP模型)探索北京市海淀区水痘发病趋势和特征,为水痘疫情防控工作提供科学参考。方法数据来源于北京市海淀区2009年第1周至2024年第26周水痘报告发病数。采用2009—2023年的数据作为训练集,构建Prophet模型和NP模型,并运用Optuna算法对模型参数进行优化。以2024年的26周发病数据作为测试集,采用均方根误差(root mean square error,RMSE)、平均绝对误差(mean absolute error,MAE)和平均绝对百分比误差(mean absolute percentage error,MAPE)对各模型拟合效果进行评估。同时,对模型中的各成分进行分析。结果北京市海淀区水痘疫情每年有2个发病高峰。水痘发病数呈现逐年下降趋势,且模型中的自回归成分自2012年起波动逐渐减小。Prophet模型的RMSE、MAE和MAPE分别为9.489、7.936和27.408%;NP模型的对应指标分别为6.102、4.848和18.190%。结论Prophet模型在水痘流行趋势的预测中具有一定的适用性,而NP模型具有更高的预测性能。模型成分分析的结果,可以为评估措施效果、合理分配资源以及制定有效的防控策略提供科学依据和数据支撑。 展开更多
关键词 Prophet模型 NeuralProphet模型 水痘 预测
暂未订购 下载PDF
利用Prophet模型进行地下水位异常识别初探 认领 引用 被引量：5
19
作者 李永生 周晨 +2 位作者 张思萌 石伟 年华 《大地测量与地球动力学》 CSCD 北大核心 2025年第3期313-318,共6页
针对地下水位数据的复杂特性(包括非线性趋势、季节性波动和随机扰动),引入Facebook开发的Prophet时间序列预测模型,旨在利用其非线性趋势捕捉、季节性波动解析及对异常值和数据缺失的灵活应对能力,显著提升地下水位异常识别的准确性。... 针对地下水位数据的复杂特性(包括非线性趋势、季节性波动和随机扰动),引入Facebook开发的Prophet时间序列预测模型,旨在利用其非线性趋势捕捉、季节性波动解析及对异常值和数据缺失的灵活应对能力,显著提升地下水位异常识别的准确性。黑龙江省绥化市北林区地震台观测数据表明,Prophet模型在捕捉时间序列动态特征上表现优越,能有效识别异常。模型调整后具有高拟合精度和高预测能力,预测误差低,决定系数高。此外,模型在地震预测中能识别出与地震相关的水位异常,可为地震前兆研究提供新视角。本文结果表明Prophet模型在处理复杂时间序列数据时具有可行性,可为地震预测提供新工具。 展开更多
关键词 地下水位异常识别 时间序列预测 Prophet模型 地震预测
暂未订购 下载PDF
Hyperspectral imagery quality assessment and band reconstruction using the prophet model 认领 引用 被引量：2
20
作者 Ping Ma Jinchang Ren +2 位作者 Zhi Gao Yinhe Li Rongjun Chen 《CAAI Transactions on Intelligence Technology》 SCIE EI CSCD 2025年第1期47-61,共15页
In Hyperspectral Imaging(HSI),the detrimental influence of noise and distortions on data quality is profound,which has severely affected the following-on analytics and decisionmaking such as land mapping.This study pr... In Hyperspectral Imaging(HSI),the detrimental influence of noise and distortions on data quality is profound,which has severely affected the following-on analytics and decisionmaking such as land mapping.This study presents an innovative framework for assessing HSI band quality and reconstructing the low-quality bands,based on the Prophet model.By introducing a comprehensive quality metric to start,the authors approach factors in both spatial and spectral characteristics across local and global scales.This metric effectively captures the intricate noise and distortions inherent in the HSI data.Subsequently,the authors employ the Prophet model to forecast information within the low-quality bands,leveraging insights from neighbouring high-quality bands.To validate the effectiveness of the authors’proposed model,extensive experiments on three publicly available uncorrected datasets are conducted.In a head-to-head comparison,the framework against six state-ofthe-art band reconstruction algorithms including three spectral methods,two spatialspectral methods and one deep learning method is benchmarked.The authors’experiments also delve into strategies for band selection based on quality metrics and the quality evaluation of the reconstructed bands.In addition,the authors assess the classification accuracy utilising these reconstructed bands.In various experiments,the results consistently affirm the efficacy of the authors’method in HSI quality assessment and band reconstruction.Notably,the authors’approach obviates the need for manually prefiltering of noisy bands.This comprehensive framework holds promise in addressing HSI data quality concerns whilst enhancing the overall utility of HSI. 展开更多
关键词 band reconstruction band quality hyperspectral image(HSI) prophet model
暂未订购 下载PDF
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 19 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈