1、下载并安装mysql，将脚本执行至数据库中；
2、配置java环境，使用jdk8，配置环境变量，下载IntelliJ IDEA 2019.2.4，该工具为java代码编译器
3、下载Maven，配置至环境变量（百度搜索很多），将构建器为Maven，类库配置成阿里库（方法：百度搜索很多很多）
4、将工程导入后，在application-local.yml文件中配置数据库
5、在logback-prod.xml文件中配置log日志
6、配置完毕后，即可启动
访问地址：http://localhost:8082/anime/login.html
用户名：admin
密码：admin
V：china1866
1、 登录
2、 首页
3、 权限管理-用户管理
4、 权限管理-添加用户数据
5、 交通数据管理-查看交通数据
6、 交通数据管理-添加交通数据
7、 交通预测-交通数据预测
脚本：
CREATE TABLE `traffic_data_t` (
`id` INT(11) NOT NULL AUTO_INCREMENT COMMENT '序列',
`trafficId` VARCHAR(50) NULL DEFAULT NULL COMMENT '交通数据编号',
`trafficContent` VARCHAR(50) NULL DEFAULT NULL COMMENT '交通状况',
`trafficSection` VARCHAR(200) NULL DEFAULT NULL COMMENT '交通路段',
`trafficMan` VARCHAR(200) NULL DEFAULT NULL COMMENT '上报人',
`trafficDate` VARCHAR(200) NULL DEFAULT NULL COMMENT '上报时间',
`status` VARCHAR(200) NULL DEFAULT NULL COMMENT '交通状态',
PRIMARY KEY (`id`)
)
COMMENT='交通数据表'
COLLATE='utf8_general_ci'
ENGINE=InnoDB
AUTO_INCREMENT=44
;
CREATE TABLE `sys_user_t` (
`id` INT(11) NOT NULL AUTO_INCREMENT,
`role_id` INT(11) NULL DEFAULT NULL COMMENT '角色ID',
`user_id` VARCHAR(50) NOT NULL COMMENT '用户ID',
`user_name` VARCHAR(100) NOT NULL COMMENT '用户名',
`status` INT(11) NOT NULL COMMENT '是否有效0:false\\\\1:true',
`create_date` TIMESTAMP NULL DEFAULT CURRENT_TIMESTAMP,
`create_by` VARCHAR(100) NULL DEFAULT NULL,
`last_update_date` TIMESTAMP NULL DEFAULT CURRENT_TIMESTAMP,
`last_update_by` VARCHAR(100) NULL DEFAULT NULL,
`password` VARCHAR(128) NOT NULL,
`tenantcode` VARCHAR(50) NOT NULL,
`diskId` VARCHAR(500) NULL DEFAULT NULL,
`remarks` VARCHAR(500) NULL DEFAULT NULL,
PRIMARY KEY (`id`)
)
COMMENT='系统用户表'
COLLATE='utf8_general_ci'
ENGINE=InnoDB
AUTO_INCREMENT=51
;
CREATE TABLE `sys_role_t` (
`role_id` INT(11) NOT NULL COMMENT '角色ID',
`role_name` VARCHAR(200) NOT NULL COMMENT '权限名称',
`status` INT(11) NOT NULL COMMENT '是否有效0:true\\\\1:false',
`create_date` TIMESTAMP NULL DEFAULT CURRENT_TIMESTAMP,
`create_by` VARCHAR(100) NULL DEFAULT NULL,
`last_update_date` TIMESTA
2020-05-11 15:24:41
48.53MB
1
1. 代码主要基于GPML V4.2工具箱实现
2. 提供了两个应用实例（单变量预测和多变量预测）
3. 给出了预测均值和方差的可视化结果
2020-03-13 03:06:02
1.73MB
1
数据建模中分类与预测模型主要是寻求合适的分类模型并在此基础之上进行未来预测。
01预测方法
02灰色预测及其matlab实现
03灰色预测模型
04时间序列预测模型
05预测方法习题解答
06基于RLS算法的数据预测与MATLAB实现
07基于Bayes的数据预测
2020-01-16 03:10:13
956KB
1
该GPS轨迹数据集记录了四川省成都市从2014年8月1日到2014年9月1日的一个月的15000量出租车GPS轨迹数据。约14亿条数据。强调一下这是付费数据。
2019-12-21 22:18:30
687B
1
BP神经网络适用于大样本数据的预测，至于小样本还有灰色理论、最小二乘支持向量机、广义回归神经网络、灰色神经网络，不同的数据需要根据其自身特点选择不同的预测方法。在很多次实验之后，我比较钟情于BP神经网络和组合预测，组合预测是大趋势，客观上有道理，主观上有更大的操作可能性。
下面给出广义回归神经网络（包含交叉验证过程的GRNN）用于小样本量预测的代码，包括BP神经网络预测结果的对比。
2019-12-21 21:48:16
6KB
1