研究问题还是轨迹预测，但是实现预测的方法要重新考虑，这次一定要从头到尾都是自己的算法。
一种插值结合神经网络机器学习的轨迹预测方法
上面的已经放弃，现在在写结合神经网络的变权重轨迹预测模型
哈哈，变的真快，现在在写一种结合神经网络的变权重时间序列预测模型
其实研究内容没变，轨迹数据本身就是一种时间序列数据，只是当初老师说我们的横向课题的数据没有代表性，让我多找些数据集。我就找呗，参考了一些文献的数据集，尝试去下载，就下到了，这些数据虽然用同样的方法可以得到不错的预测结果，但是不是轨迹，就不能再用轨迹预测的题目，之前写的引言和文中的各种例子都白废了。
说点正经事，组里主要的研究方向是分布式数据库与分布式数据处理。我的题目是凑巧横向课题有些数据拿来玩玩。其他同学平时讲论文都是关于实体识别，数据溯源，链路预测，实体匹配，隐私保护，区块链，数据融合。反正和我的一点不一样，他们相互有很多可以借鉴的东西，而我每次参加组合就觉得他们提到的方法我可能用的上，毕竟都是基本方法，可是他们讲的论文的思路我却一点都借鉴不到，特别是那些论文想尽一切办法对数据进行抽象和整合，而我总觉得我的数据结构简单没有抽象的必要，数据整合也没什么研究价值。后来听了一个专家的讲座才恍然大悟，他们处理的是网状数据，我处理的是序列数据。网状数据有节点有边，节点的意义不同，边的权重不同，不同的网络还有重叠部分（跨网络的实体识别），所以他们研究的东西从数据上就包含了很多有趣的非常有可玩性的东西，网络有大有小，但是信息量肯定是够丰富的。而我呢，就只有一串数据，不算轨迹，就拿销量预测来说，以年为单位，每年一个数据，100年才得到一个100个点的序列，这100个点能挖掘出什么？这100个点包含什么？在100个点能关联到什么？我一概没有答案，知道终点在哪，路再难都能走下去，拿到一个题目，不管做出的结果好坏总能有个结果，可是我不知道终点在哪，不知道我想得到什么结果。这就是天灾。
当然啦虽然上面提到的目标是一团乱麻，但我好歹抽出了一个线头，够我毕业了。我研究序列预测，告诉我前99个数，我来猜第100个数，听起来像是掷色子算命，但是还是有原理的，忘了前面写过没了。反正后面我也打算拿网状数据来玩玩。
奉劝看到个各位，准备研究序列数据的各位，想清楚上面的问题了吗。
ps：其实序列数据也有很多可玩的，语音识别也是一种时间序列数据处理，文本数据也是一种词序列。