正在检索范文
Papers
按题型、模型和关键词找相近题目。先看它用了什么模型，再决定自己怎么做。
以下内容均为 Demo / 示例数据，用于学习流程演示，不是真实获奖论文。
共 12 篇示例论文 · 第 1/1 页
核心模型：LSTM / SARIMA
关键词：深度学习 / 周期
适合学习：★★★★★
沿海城市背景下的预测题：用 lstm / sarima 完成「小时级用电 LSTM 对照」，重点练该题型的标准写法。
核心模型：ARIMA / 回归预测
关键词：销量 / 时间
中西部县域背景下的预测题：用 regression / arima 完成「文创产品销量预测」，重点练该题型的标准写法。
核心模型：ARIMA / 神经网络
关键词：神经网络 / 对照
适合学习：★★★★☆
中西部县域背景下的预测题：用 nn / arima 完成「景区客流神经网络对照实验」，重点练该题型的标准写法。
中西部县域背景下的预测题：用 lstm / sarima 完成「小时级用电 LSTM 对照」，重点练该题型的标准写法。
核心模型：ARIMA / TOPSIS
关键词：评价 / 预测
沿海城市背景下的综合类题：用 topsis / arima 完成「城市交通健康度评价与预测」，重点练该题型的标准写法。
核心模型：ARIMA / 灰色预测 / 回归预测
关键词：预测 / 交通拥堵 / 时间序列 / 趋势
用灰色预测做小样本外推，再用 ARIMA 对照，讨论哪种更适合赛题数据。
核心模型：ARIMA / LSTM
关键词：预测 / 未来 / 神经网络
沿海城市背景下的预测题：用 arima / lstm 完成「用电负荷短期预测对照」，重点练该题型的标准写法。
核心模型：Holt-Winters / SARIMA
关键词：季节 / 预测
适合学习：★★★☆☆
沿海城市背景下的预测题：用 sarima / holt-winters 完成「地铁客流季节性预测」，重点练该题型的标准写法。
中西部县域背景下的预测题：用 arima / lstm 完成「用电负荷短期预测对照」，重点练该题型的标准写法。
中西部县域背景下的预测题：用 sarima / holt-winters 完成「地铁客流季节性预测」，重点练该题型的标准写法。
沿海城市背景下的预测题：用 regression / arima 完成「文创产品销量预测」，重点练该题型的标准写法。
沿海城市背景下的预测题：用 nn / arima 完成「景区客流神经网络对照实验」，重点练该题型的标准写法。