2023年MathorCup高校数学建模挑战赛-大数据赛

问题 1 **分析:**针对问题1,由于数据量相对较大、且需要数据维度较多,所以需要利用优化聚类方法和优化预测算法对模型进行处理。首先将商家、仓库、商品等维度基于时间序列构建基于概率密度聚类分析模型,输出其符合最为相似的特征条件下的最优的分类。其次将出货量作为因变量,聚类相关因子作为自变量,构建基于SBO-LSTM神经网络出货量优化预测模型。再者分别将85%数据作为训练集,15%数据作为测试集,对模型进行训练和测试,输出模型的精度和1-wmape维度。最后各商家在各仓库的数据导入训练好的模型当中进行预测,输出预测出各商家在各仓库的商品2023-05-16至2023-05-30的需求量,并将其存放在相应的表格附件当中。

问题 2 **分析:**针对问题2,出现了新的维度数据,那么需要对新维度的数据和旧数据进行维度匹配处理。首先将附件5数据和附件1~4联合数据集作为样本数据,由于数据集巨大,为了提升算力、提高数据优化搜索,构建基于模糊概率联合聚类模型(GDM模型)。其次导入数据将GDM最优聚类集合求解出来。再者将GDM聚类结果作为自变量,出货量作为因因变量,为了更好的迭代时间与空间维度的数据,构建基于模糊神经网络出货量预测模型(GD-FNN模型)对不同商家在不同仓库的商品出货量进行预测。最后将相关数据到训练好的模型当中,输出2023-05-16至2023-05-30的预测值存放到表1相应的位置,并对预测的准确度进行评价。

相关推荐
MidJourney中文版32 分钟前
深度报告:中老年AI陪伴机器人需求分析
人工智能·机器人
王上上1 小时前
【论文阅读41】-LSTM-PINN预测人口
论文阅读·人工智能·lstm
智慧化智能化数字化方案1 小时前
69页全面预算管理体系的框架与落地【附全文阅读】
大数据·人工智能·全面预算管理·智慧财务·智慧预算
PyAIExplorer1 小时前
图像旋转:从原理到 OpenCV 实践
人工智能·opencv·计算机视觉
Wilber的技术分享1 小时前
【机器学习实战笔记 14】集成学习:XGBoost算法(一) 原理简介与快速应用
人工智能·笔记·算法·随机森林·机器学习·集成学习·xgboost
19891 小时前
【零基础学AI】第26讲:循环神经网络(RNN)与LSTM - 文本生成
人工智能·python·rnn·神经网络·机器学习·tensorflow·lstm
burg_xun2 小时前
【Vibe Coding 实战】我如何用 AI 把一张草图变成了能跑的应用
人工智能
酌沧2 小时前
AI做美观PPT:3步流程+工具测评+避坑指南
人工智能·powerpoint
狂师2 小时前
啥是AI Agent!2025年值得推荐入坑AI Agent的五大工具框架!(新手科普篇)
人工智能·后端·程序员
星辰大海的精灵2 小时前
使用Docker和Kubernetes部署机器学习模型
人工智能·后端·架构