导读:本文包含了数据流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:车身尺寸,装配精度,数据驱动,质量控制
数据流预测论文文献综述
刘银华,孙芮,吴欢[1]（2019）在《基于车身尺寸数据流潜结构建模的装配质量预测控制》一文中研究指出在对制造过程装配精度监控、诊断等方法进行综述的基础上,分析了现有车身质量检测系统下数据流的特点,总结现有基于数据驱动的装配精度控制方法的问题,提出了基于潜结构建模的车身多工位装配偏差预测控制方法,通过对多元检测数据主向量的提取与偏最小二乘回归模型的构建,实现了现有车身产品检测条件下的装配质量预测与控制。将该方法应用于车身前纵梁装配总成的质量控制案例,通过偏差数据流的偏最小二乘建模,实现总成关键特征的质量合格率预测与零部件质量的优化控制。数值仿真分析结果表明,经工艺优化后,总成测点波动6σ值平均下降了25%左右。(本文来源于《中国机械工程》期刊2019年02期）
吴世伟,刘文彪,纪陵,李靖霞[2]（2018）在《新能源发电功率预测系统数据流容错研究》一文中研究指出新能源发电(风力发电和光伏发电)由于随机性、间歇性的特点,大规模并网时对于电网运行会带来影响。高精度的新能源发电功率预测,有助于提高新能源发电的消纳水平,有利于提高新能源发电的可观测性和可控制性。从工程实践中发现,功率预测系统由于通信中断、数据采集错误、限电、并网容量变化、检修等原因,导致预测精度下降。本文从系统数据流出发分析了问题的原因,从设计到验证过程总结了优化处理方法,并在工程中得到应用。(本文来源于《电气技术》期刊2018年12期）
尤涛,李廷峰,杜承烈,钟冬,朱怡安[3]（2017）在《基于规则前件发生树匹配的数据流预测方法研究》一文中研究指出现有基于规则匹配的数据流预测算法存在前件发生定义不准确、前件相关性未考虑、预测结果描述不严谨等不足,造成预测过程效率较低、精度不高等问题。提出基于前件发生树的概率迭加预测算法,定义区间最小非重迭发生,避免前件的错误匹配;通过前件的合并构建前件发生树,提高前件发生的搜索效率;基于概率迭加的思想计算后件的发生区间和发生概率,使预测精度进一步提高。理论分析和实验结果表明,该算法具有较高的时空效率和预测精度。(本文来源于《通信学报》期刊2017年12期）
朱树才,秦宁宁[4]（2018）在《基于SBWS__GPR预测模型的不确定性多数据流异常检测方法》一文中研究指出针对实际系统中采集的数据流的不确定性,给异常点检测与修正带来了现实挑战。因此,根据滑动基本窗口采样算法(sliding basic windows sampling,SBWB)与高斯过程回归(Gaussian process regression,GPR)模型的特性,提出了基于SBWS_GPR预测模型的不确定性多数据流的异常检测方法。在基于时间序列采集的历史数据集中,引入索引号,对历史数据集进行聚类,分析数据集与索引号的映射关系,将实时获得的输入数据流通过滑动窗口匹配,实现对单数据流的异常点检测与修正。再利用输入、输出数据间的相关性,基于GPR建立预测模型,比较实时观察的输出数据流与预测模型的输出数据流,最终从输入、输出两种不同通道实现多数据流的异常检测与修正。(本文来源于《计算机应用研究》期刊2018年02期）
高爽[5]（2016）在《基于数据流学习的国际石油价格预测研究》一文中研究指出石油是地球上最重要的能源之一。目前,全球有接近叁分之一的能源消耗源于石油。国际石油价格对全球的环境和经济有重大影响。无论是工业界、政府,还是个人,对石油价格都很关注。预测国际石油价格已成为学术界和工业界的热点研究话题。迄今为止,预测石油价格的方法已有很多。但是,由于国际石油价格波动频繁,准确预测国际石油价格仍极具挑战。本文提出了一种基于数据流学习的新方法来预测国际石油价格。伴随着新的国际石油价格数据,基于数据流学习的国际石油价格预测模型可时时更新。因此,油价预测模型会不断演变,能更好地捕捉到国际石油价格的变换模式。基于数据流学习的新方法既弥补了传统计量经济学方法的不足,即无法捕捉到国际石油价格的非线性特征;也克服了传统机器学习方法的缺陷,即无法有效地预测非平稳的国际石油价格。因此,这种新方法能够更加准确地预测未来的国际石油价格。另外,这种新方法能够有效地处理连续不断的国际石油价格数据,即便这些数据产生的速度极快。对于每个新的数据点,仅需很短的常量时间和定量内存就可更新基于数据流学习的国际石油价格预测模型,而无需使用所有的新旧训练数据点重新训练预测模型。本文将数据流学习方法应用到预测国际石油价格中,这在国内乃至国际是首创的。这一创新得到了实验的有效支持。在评估基于数据流学习的国际石油价格预测模型性能的过程中,本文将其与不变化模型、人工神经网络模型和一种前沿的混合预测模型做了比较。本文采用了多时间段定量分析方法。预测时间段包括一个月、叁个月、六个月、九个月和十二个月。本文采用了两种性能指标:一种是均方预测误差,另一种是方向性精度。实验结果表明,对于1992年1月至2012年9月美国西德克萨斯中质原油现货价格和美国进口原油的炼油成本价格这两种国际石油价格,基于数据流学习的国际石油价格预测模型在绝大多数时间段(一个月、六个月、九个月和十二个月)预测精度最高(均方预测误差最低,方向性精度最高)。本文为能源预测领域提出了一种新的强有力的计算和分析方法。(本文来源于《中国地质大学(北京)》期刊2016-12-01）
任天成[6]（2016）在《基于数据流的相似计算及其行为预测》一文中研究指出随着互联网技术的发展,数据量呈爆炸式增长,用户经常会在互联网上产生很多记录,那么,如何利用这些数据使得企业或者商家更好运营来满足用户的需求是一个值得探索的问题。随着内容的营销市场份额量的持续扩大,出现了大量关于内容营销的话题以及关于内容营销和传统广告的不同。而随着广告业务的发展,企业和品牌依旧面临着“如何接触到目标客户”的困扰。消费者每天都会被许多种传统广告包围着,这些广告并不是所会被客户关注,可能大量会被用户所忽视。在广告的发展历史当中,也许没有消费者打开数字设备是为了寻找广告,通过广告来接触一个品牌的。一般地消费者所需要寻找的,永远是精彩的内容。这就是内容营销的核心;企业和品牌可以利用目标消费者在他们已经习惯接触到的内容里面与消费者进行沟通,或许这样的沟通可以带给企业和品牌的利益是很大的。传统广告是通过更多的展示来促进广告效果,传统广告也开始意识到,要想取得更好的广告效果,并不展示更多的广告,而是展示的广告更多的去接触到目标客户。而在当今数字生活环境当中,内容营销者拓宽他们的思维要比创造内容更为重要,它需要用独特的策略来营造使用户更容易接受的氛围,以及收集所有受众的反应到分析漏斗中。本文利用了用户历史记录数据,及专家搭配数据,及商品信息数据等,进行相似计算等方法提取可能与待预测商品搭配的商品,并利用数据挖掘中常用的分类算法,根据商品及用户的一些统计数据进行数据建模,并对所建立的模型进行评估。产生最终的搭配方案。这样的搭配方案可以展示给用户,为用户提供了方便的同时也起到了营销的作用。也更好的发挥了数据的价值。(本文来源于《南京邮电大学》期刊2016-11-18）
陈珍[7]（2016）在《编码树单元预测划分和环路滤波的数据流并行化研究》一文中研究指出在数据量以指数级增长的互联网时代,数字视频作为人们获取信息的重要途径,呈现多元化和实时性的特点。高效视频编码作为新一代编码标准,对编码结构和环路滤波等进行了改进和创新。标准测试模型采用四叉树编码单元的预测划分,增大编码单元划分灵活性的同时增加了编码复杂度。利用数据流编程模型提升编码性能具有很好的实际应用价值。分析并挖掘四叉树编码单元预测划分模块的可流化性,分离不同模式下的独立计算节点和节点间的数据通信,实现了针对帧内预测和帧间预测下四叉树编码单元预测划分模块的数据流并行编程优化。环路滤波包含去块滤波和采样点自适应补偿滤波两部分。针对去块滤波模块,挖掘最小单元在垂直边界滤波和水平边界滤波的数据流化特性,实现了去块滤波的流化。分析以最大编码单元进行采样点自适应补偿滤波流程中存在的流水线、各颜色分量并行性,使用数据流编程语言COStream流化并与去块滤波模块进行整合,证明了数据流编程模型的有效性。采用COStream和C++混合编译的模式,实现编码过程中适用于数据流并行的部分,其他部分维持原测试模型程序代码,并与COStream后端代码一起生成可执行的高效程序,实现了编码性能的提升。实验以通用的X86-64多核服务器为测试平台,以不同的标准测试序列作为混合模型的输入,对数据流程序的性能进行验证和分析。实验结果表明在混合编程模式下COStream语言的可行性和有效性。(本文来源于《华中科技大学》期刊2016-05-01）
李世杰,陈书立,李亚萍,胡航航,张利朋[8]（2015）在《在线BCI高速数据流的可预测并发实时传输》一文中研究指出基于多分类运动想象的在线BCI(brain computer interface,脑机接口)中,如何实时处理高速EEG(electroencephalogram,脑电)数据流是实现在线意识识别的难点,其关键是高速计算和复杂情况下的预测问题。以线程并发作为解决高速计算问题的切入点,首先将EEG信号分析任务分解为多个线程子任务,并通过缓冲区管理策略解决线程并发带来的协同问题,针对高速EEG数据流的复杂变化问题,采用自适应单向模糊推理的方法预测数据流伸缩变化,并针对线程并发造成的中间结果的错序问题,设计信号量互斥与同步方法对中间数据块进行顺序重组。针对多名受试者的大量实验显示,单次Trial平均延迟时间明显减少。因此,线程并发和模糊推理能够解决在线BCI系统的高速计算和预测问题,从而提高信息传输率。(本文来源于《计算机应用研究》期刊2015年03期）
徐文华,魏志强[9]（2014）在《基于数据流集成回归的短时交通流预测》一文中研究指出传统的交通流预测技术使用静态和离线算法,无法对模型的参数值和内部结构进行在线调整。然而,交通流变化具有明显的动态性,其内在模式会随时间发生变化,导致构建好的模型准确度下降。针对上述问题,提出了基于数据流集成回归的短时交通流预测模型。将不断产生的交通流数据划分成数据块,每个数据块训练1个基础回归模型,然后加权组合为集成模型。通过不断训练新的基础模型,并置换出集成模型中准确度最差的基础模型,实现在线更新。在实测数据上的对比实验结果表明,与静态离线的BN模型相比,模型的均方根误差降低了19.5%,运算时间降低了48.7%,并能够快速适应交通状况发生明显变化的情况,适用于城市主干道路的短时交通流预测问题。(本文来源于《交通信息与安全》期刊2014年04期）
唐聪岚,卢继平,谢应昭,张露[10]（2014）在《基于改进数据流在线分割的超短期负荷预测》一文中研究指出为同时提高超短期负荷预测的实时性和准确性,应对现代电力系统对实时负荷预测的更高要求,提出一种基于改进数据流在线分割的超短期负荷预测方法。该方法根据负荷发展的时间趋势,利用数据流实时处理技术进行超短期预测,然后结合蕴含天气因素和负荷周期特性作用的短期负荷预测结果,对分割点的实时预测结果进行修正;其快速分段预测能力,避免了重复建模,提高了预测速度;对分割点的实时修正处理有效地增加了历史信息利用率,降低了分割点误差,使预测精度稳定在一个较高的水平。采用实际负荷数据检验该预测模型的有效性,结果表明,基于该模型的预测精度和速度均优于几种常规超短期预测算法,同时降低了拐点预测误差,在天气突变时也具有稳定的适应性。(本文来源于《电网技术》期刊2014年07期）
数据流预测论文开题报告
（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：
新能源发电(风力发电和光伏发电)由于随机性、间歇性的特点,大规模并网时对于电网运行会带来影响。高精度的新能源发电功率预测,有助于提高新能源发电的消纳水平,有利于提高新能源发电的可观测性和可控制性。从工程实践中发现,功率预测系统由于通信中断、数据采集错误、限电、并网容量变化、检修等原因,导致预测精度下降。本文从系统数据流出发分析了问题的原因,从设计到验证过程总结了优化处理方法,并在工程中得到应用。
（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。
数据流预测论文参考文献
[1].刘银华,孙芮,吴欢.基于车身尺寸数据流潜结构建模的装配质量预测控制[J].中国机械工程.2019
[2].吴世伟,刘文彪,纪陵,李靖霞.新能源发电功率预测系统数据流容错研究[J].电气技术.2018
[3].尤涛,李廷峰,杜承烈,钟冬,朱怡安.基于规则前件发生树匹配的数据流预测方法研究[J].通信学报.2017
[4].朱树才,秦宁宁.基于SBWS__GPR预测模型的不确定性多数据流异常检测方法[J].计算机应用研究.2018
[5].高爽.基于数据流学习的国际石油价格预测研究[D].中国地质大学(北京).2016
[6].任天成.基于数据流的相似计算及其行为预测[D].南京邮电大学.2016
[7].陈珍.编码树单元预测划分和环路滤波的数据流并行化研究[D].华中科技大学.2016
[8].李世杰,陈书立,李亚萍,胡航航,张利朋.在线BCI高速数据流的可预测并发实时传输[J].计算机应用研究.2015
[9].徐文华,魏志强.基于数据流集成回归的短时交通流预测[J].交通信息与安全.2014
[10].唐聪岚,卢继平,谢应昭,张露.基于改进数据流在线分割的超短期负荷预测[J].电网技术.2014