本文针对产品订单数据开发了多粒度需求预测模型。研究采用相关性分析方法量化价格、区域、销售方式等8个因素对需求量的影响，并基于梯度提升树构建了日/周/月预测模型。模型通过数据预处理、特征降维等步骤，最终选用月度预测模型输出结果。研究探讨了不同时间粒度对预测精度的影响，为产品需求预测提供了多因素分析和组合预测方法。关键词：ARIMA、机器学习、多因素分析。

在埋藏的环境下，古代玻璃易遭受风化作用，其化学成分比例发生改变，从而对鉴别其类型等考古工作造成一定的困难。本文研究文物采样点的理化特征，完成了古代玻璃制品的类型预测，并就其化学成分的关联关系进行了差异性分析。

本文针对低空飞行器在城市应用中的湍流风险问题，构建了多模型协同技术体系。首先建立基于风廓线雷达和微波辐射计的湍流强度廓线模型a，并优化仅依赖风廓线的模型b，使相关系数达0.95以上；其次整合多源数据构建三维湍流场模型c，实现85%的有效覆盖率；最后开发短时预警模型d（基于数值预报）和模型e（观测外推），并设计最优航路规划算法，可使湍流代价降低30%-40%。研究为低空飞行安全提供了从监测到决策的完

本文基于贝叶斯优化CNN-LSTM混合模型，结合K-means聚类和SARIMA时间序列分析方法，对电商平台商家-产品-仓库组合的需求量进行预测。通过对331,336条历史数据进行预处理和特征提取，构建了包含季节性、趋势性等多维特征的预测模型。采用1-wmape、RMSE等指标评估模型性能，并在促销活动期间考虑特殊需求模式。研究结果可为电商平台提供科学的库存管理决策支持，有效降低库存成本并提高履约

本文研究水下航行器重力辅助导航系统的适配区分类问题。基于1'×1'分辨率的重力异常数据，首先通过插值算法增强数据空间分辨率，利用k-means聚类将海域划分为4个重力异常特征区。针对区域适配性标定问题，建立包含13个特征指标的决策树分类模型，经主成分分析降维后达到82.5%的分类准确率。通过迁移学习将建立的预测系统F应用于新数据集，验证了模型在不同海域的适用性。研究结果表明，采用k-means聚类

本文针对电商物流中的货量预测与路线规划问题展开研究。首先基于ARIMA和LSTM建立组合预测模型，预测各线路2023年1月的货量。其次，针对物流场地关停情况，提出基于线性规划和改进粒子群算法的优化模型，解决DC5关停后的路线调整问题。然后，建立动态规划模型处理DC9关停及线路动态调整问题。最后采用熵权法评估物流场地和线路的重要性，提出网络优化方案并检验鲁棒性。研究结果表明：组合预测模型提高了预测精

【摘要】本研究基于问卷调查数据，运用熵权法-TOPSIS模型评估人工智能对大学生学习的影响。通过数据预处理和K-Means聚类分析，构建包含学习效率、学术质量等5个维度的评价体系（权重最高为AI工具应用0.2873）。研究发现：AI显著提升学术成果质量（得分0.6289）和学习动力，但对学习自主性影响较小（权重仅0.063）。分析表明AI工具在课后消化和教学辅助方面需求突出，同时需关注使用安全性和

【摘要】本研究基于问卷调查数据，运用熵权法-TOPSIS模型评估人工智能对大学生学习的影响。通过数据预处理和K-Means聚类分析，构建包含学习效率、学术质量等5个维度的评价体系（权重最高为AI工具应用0.2873）。研究发现：AI显著提升学术成果质量（得分0.6289）和学习动力，但对学习自主性影响较小（权重仅0.063）。分析表明AI工具在课后消化和教学辅助方面需求突出，同时需关注使用安全性和

预测事件发生的概率，不仅仅是预测其可能发生的结果，而且明确每一种结果的概率。它是根据事件的目前状况来预测其将来各个时刻（或时期)变动状况的一种预测方法。当变动趋势长期稳定下去，则经过一段时期以后的状态转移概率将出现稳定的。马尔可夫预测法是一种预测事件发生的概率的方法，主要用于。，就是因变量将对自变量不起影响。未统一的数据——标准化、归一化。1、划分预测对象所出现的状态。缺失值——补全或舍弃。2、初

In order to ensure the normal operation of the detector, it is very necessary to study the thermal transmitter based on thermal photovoltaic technology, which can not only reduce the energy consumptio