宁夏洪水预测系统利用SuperMap Objects 高效的海量数据存储与管理特点，对宁夏自治区的地理基础信息进行存储和管理，并充分利用了SuperMap Objects 软件强大、灵活、方便的地图编辑功能对行政区域分布图、宁夏水系图、土地资源利用图等空间数据进行获取；另外，通过空间数据与属性数据的一体化管理，方便地提供详细信息查询、洪水动态监测、洪水灾害评估等多方面的功能；通过利用三维建模功能建立洪水淹没三维动态模型，直观模拟洪水淹没状况，对洪水进行实时监控。

风电场端功率预测系统技术协借鉴.pdf

为了解决传统短期用电负荷预测系统存在响应时间慢、预测精度差的问题，设计了一种基于梯度提升树的短期用电负荷预测系统。该系统框架采用C/S架构模式搭建，根据预测需求选择系统的组成硬件，并以梯度提升树为核心，建立预测模型，完成系统软件及短期用电负荷预测系统的设计。实验结果表明，与基于神经网络、数据挖掘、支持向量机的三种传统用电负荷预测系统相比，本系统运行下，响应时间缩短，预测精度提高，为电力企业电量生产和供应提供了可靠的依据。

自动驾驶汽车技术近年来得到了广泛研究与快速发展，但在复杂的交通场景下，自动驾驶汽车面对突然出现的行驶车辆并不能及时避让。针对此问题，基于区块链技术提出智能网联车队的协同轨迹预测系统，智能网联车队中的各个节点与路边基础设施通过长短时记忆网络（LSTM）模型对周边车辆的运动轨迹进行预判，并将得到的结果进行分享，利用区块链技术，智能网联车队与路边基础设施可以对其接收到的信息进行评分，并将汇总后的评分以区块的形式加入存储信誉评分的区块链中。通过该评分，智能网联车队中的车辆可以根据车队中其他节点的信誉值来判断其是否可信，低信誉值节点传来的信息将不予理睬，从而实现了协同驾驶。实验分析表明，所提LSTM模型能够较为准确地预测周边车辆5 s内的行驶轨迹，而所提的系统在提升智能网联车队的行驶安全上起到了明显的效果。

运用系统工程的理论和方法，对金沙江流域运量预测系统及其影响因素的主要方面进行系统层次与结构分析，初步构筑了系统预测模型的基本框架，可为运量预测模型的建立提供指导，为金沙江流域的水电梯级开发和航运规划提供参考．

基于机器学习的推土机价格预测系统 Kaggle链接： ：//www.kaggle.com/c/bluebook-for-bulldozers/overview 比赛的目的是根据拍卖品的用途，设备类型和配置来预测其拍卖价格。 该数据来自拍卖结果发布，并包含有关使用情况和设备配置的信息。 Fast Iron正在创建一本“推土机蓝皮书”，以使客户在拍卖中评估其重型设备的价值。 问题定义 预测一件重型设备的拍卖销售价格，以为推土机创建一本“蓝皮书”。 数据 数据集链接： : 由于其大小，我无法将数据集包含在此存储库中。 请确保访问上面给出的链接，以下载该项目所需的所有数据集。 确保将所有数据集存储在文件夹“ data”中。 目录 :hourglass_done: 环境设定 :check_mark_button: 收集数据 :check_mark_button: 数据预处理和EDA 特征提取 :check_mark_button: 将字符串转换为类别 :check_mark_button: 填写缺失值 :check_mark_button: 模型实验 :hourglas

基于Python机器学习的可视化麻纱质量预测系统项目研究案例

博文链接：https://cxlh.iteye.com/blog/243355

pySTEPS-用于短期整体预测系统的Python框架 docs 地位 包裹 社区 什么是pysteps？ Pysteps是一个开源的社区驱动的Python库，用于概率降水临近预报（即短期总体预报系统）。 pysteps的目的是满足两个不同的需求。 首先是为感兴趣的研究人员提供一种模块化的，有据可查的框架，以研究新的方法进行降水的临近预报和随机时空模拟。 第二个目标是为从天气预报员到水文学家的从业人员提供一个高度可配置且易于访问的平台。 pysteps库支持标准的输入/输出文件格式，并实现了几种光流方法以及先进的随机生成器来生成整体临近广播。 此外，它包括用于可视化和后期处理临近预报的工具，以及用于确定性，概率性和邻域预测验证的方法。 运行您的第一个即时广播 使用pysteps来计算和绘制此交互式笔记本在Google Colab中即时播报的推断。 保持联系 您可以在pys

#Stock trend prediction system 这是一个股票趋势预测系统，前后端分离架构。 前端单页面响应式设计，用的Angular 后端使用Django + Django ReST Framework 提供Api供前端调用 后端R语言实现预测算法,通过Python调用。使用ANN，SVM等机器学习算法，随机森林选择参数，时间序列预测 #Introduction ########(The front is very simple) Provide hot stocks Predict stock trends(Support high concurrency, Asynchronous execution， Not repeat the calculation using redis cache） Perform a task when the market closed c