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

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

Alzheimer's disease (AD) is a degenerative disease of the central nervous system that occurs frequently in the elderly. Patients with Alzheimer's disease will experience symptoms such as memory loss a

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。

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。

随着通信网络的复杂化程度不断增加，基站的选址问题在实际作业中显得愈发重要。本文通过对新建基站如何选址和对弱覆盖点区域聚类进行研究，综合考虑基站建设的成本、覆盖率等限制条件，构建免疫-遗传算法优化模型，为弱覆盖点的聚类问题提供可行性的基础。对于问题一，我们分析可知，基站选址问题属于数学规划问题，我们将覆盖的总业务量最大和建设基站的总成本最小作为两个优化目标，建立双目标优化模型。在计算弱覆盖点与原有基

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。

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

【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