细粒度分析学科领域热点主题发展脉络并对利用机器学习算法对未来发展趋势进行 准确预测研究。[方法/过程] 提出一种基于机器学习算法的研究热点趋势预测方法与分析框架，以基因工程领 域为例利用主题概率模型识别 WOS 核心集中论文摘要数据研究热点主题并进行主题演化关联构建，然后选取 BP 神经网络、支持向量机及 LSTM 模型等 3 种典型机器学习算法进行预测分析，最后利用 RE 指标和精准度指标评 价机器学习算法预测效果并对基因工程领域在医药卫生、农业食品等方面研究趋势进行分析。 [结果/结论] 实 验表明基于 LSTM 模型对热点主题未来发展趋势预测准确度最高，支持向量机预测效果次之，BP 神经网络预测 效果较差且预测稳定性不足，同时结合专家咨询和文献调研表明本文方法可快速识别基因领域研究主题及发展趋 势，可为我国学科领域大势研判和架构调整提供决策支持和参考

基于混沌扰动算法来解决pso算法早熟问题，并用二者结合来训练灰色预测模型参数。

此为灰色预测模型软件，使用起来方便快捷，便于快速评估!

该文档包括混沌时间序列预测模型研究硕士论文及预测模型的原型系统（Matlab编程），论文部分详细阐述了预测模型构建等方面研究。

本文参考了2篇论文，并给出了matlab实现，并附有论文。 本文采用最后的预测效果前50数据预测后面10个数据。效果如文件夹中result.jpg所示。可以通过CSDN交流。 本文仅仅提供入门级别的实现方法。

针对城市道路交通拥堵预警问题，提出了一种基于深度学习的预测模型 。 通过归纳合并交通流参数 、 环境状态 、 时段等基础数据来构建交通流特征向量并确定四种预测状态 。 采用深度学习的自编码网络方法从无 标签数据集中学习获取可表征数据深层特征的隐层参数并生成新特征集 。 应用 Softmax 回归对有标签的新特征 集进行学习生成预测分类器，模型可对交通拥堵状况进行多态预测 。 通过仿真对比分析，预测模型具有较省略 特征学习的预测算法更好的预测性能，平均预测精度可达 85% 。

时间序列模型（时间序列预测资料）

是一本介绍预测模型的书籍，，发内容非常详尽，值得推荐给大家看

灰色预测模型的matlab源代码，可对一些线性变换的数据进行预测

基于CNN训练的年龄和性别预测的二进制模型、描述文件、标签文件。