基于特征变量扩展的含气饱和度随机森林预测方法

采用数据驱动的方式,提出了一种基于随机森林机器学习算法训练出含气饱和度地震预测方法,并将该方法应用于中国西部复杂天然气藏中,分别对单井资料和二维地震资料进行了含气饱和度预测与分析。研究结果表明:(1)抽取井旁道纵波速度、横波速度和密度3个弹性参数叠前地震反演结果作为基本特征变量样本,引入边界合成少数类过采样技术对基本特征变量样本和对应的含气饱和度样本进行平衡化处理;利用扩展弹性阻抗结合数学变换自动生成一系列的扩展变量;再利用随机森林对特征变量进行含气饱和度预测重要性排名,并优选重要性较高的特征变量进行含气饱和度随机森林训练。(2)该方法大幅减少了特征变量提取和优选的人工工作量,且有效减少了信息冗余以及因含气饱和度样本不平衡导致的训练偏倚问题,有效增强了随机森林算法在含气饱和度地震预测方面的能力。(3)实际单井应用中预测的含气饱和度与测井解释的含气饱和度的相关系数可达0.9855;在二维地震资料应用中,该方法比基于常规未平衡化的11个弹性参数作为随机森林输入预测出的含气饱和度精度更高。

考虑省份特征变量的火电行业碳达峰预测模型

不同省份碳排放量存在的差异会对碳达峰预测模型的预测精准度产生一定影响。结合Kaya恒等式的内涵并进行扩展,分解出影响火电行业碳排放特征变量并进行相关性分析;同时,考虑到省份差异,利用独热编码,将省份这一非数值型特征变量转化为数值型特征变量加入到模型中。与未考虑省份特征变量的原模型进行对比,结果显示,考虑省份特征变量的火电行业碳排放KRR(Kernel ridge regression)预测模型的均方根误差明显降低,决定系数明显提高。这说明模型的精准度有所提高,且泛化能力更强。用所提模型对2023—2045年火电行业碳排放进行多情景预测,数据结果显示,低碳发展情景下于2030年可以实现碳达峰目标,且峰值最低。

最优光谱特征变量反演颗粒物污染生菜的生理信息

叶类蔬菜的品质和产量与其净光合速率息息相关,秋冬季节受颗粒物污染的影响,温室大棚内叶菜的光合作用受到制约,对生理信息的准确预测不利。以采收期生菜为试验对象,研究其在颗粒物污染生长环境下,基于高光谱技术建立并对比生菜净光合速率的反演模型的最优方法。获得生菜的净光合速率和高光谱数据;选取比值植被指数(RVI)、差值植被指数(DI)、归一化植被指数(NDVI)、可视化气压阻抗指数(VARI)、再归一化植被指数(RDVI)、垂直植被指数(PVI)和植被衰减指数(PSRI)的原始和一阶变换共14个光谱植被指数;用相关矩阵法优选出最优波长位置,而非选择既有的固定波长,计算得到最优植被指数,与光谱位置变量(红边幅值,Dr)及光谱面积变量,即红边面积(SDr)、红边面积与蓝边面积的比值(SDr/SDb)、红边面积与黄边面积的比值(SDr/SDy)共同作为光谱特征变量,建立颗粒物污染环境下生菜净光合速率的反演模型。采用多项式拟合和多元散射校正(MSC)、标准正态变量变换(SNV)、偏最小二乘(PLS)和主成分回归(PCR)光谱建模组合方法进行反演预测结果比较。研究结果表明:最优波长位置的PSRI(515,499)和DI(515,499)与净光合速率的相关性最大,可以反映颗粒物污染下生菜的更多生理信息,采用光谱预处理建模组合方法按精度从高到低排序为:SG+MSC+PCR>SG+SNV+PLS>SG+SNV+PCR>SG+MSC+PLS,其中,SG+MSC+PCR组合建模方法的精度最高,决定系数为R_(c)=0.9011,R_(p)=0.9458,基于最优光谱植被指数建模效果最佳;光谱面积变量(SDr/SDb)的拟合精度最高(R^(2)=0.9365),可以实现生菜净光合速率的可靠预测,是基于光谱位置变量和面积变量建立生菜净光合速率的最优方法。该工作对颗粒物污染环境下利用高光谱技术进行植物的生理信息反演研究具有一定参考价值。

VMD-Stacking集成学习的多特征变量短期负荷预测模型

针对当前短期电力负荷预测结果准确度不够高的问题,提出一种由变分模态分解(variational modal decomposition, VMD)和Stacking集成学习框架组合的多特征变量短期负荷预测模型。在预测前使用VMD算法将负荷数据分解,然后加入对模型重要性较高的特征变量,再建立由轻量级梯度提升机(light gradient boosting machine, LightGBM)与极限梯度提升机(extreme gradient boosting, XGBoost)融合的Stacking集成学习预测模型,并比较不同天气情况下对预测模型准确度的影响。经实际算例对比验证表明:多特征的VMD-Stacking集成学习预测模型的误差较小。采用VMD算法分解历史负荷序列,分解后子模态分量的周期性体现了出来,让模型预测波动性较大的负荷时更容易;温度、天气、农历和节假日情况等影响负荷变化的关键因素有被考虑到,模型的准确度得以提高;Stacking集成学习模型对各算法取长补短,泛化能力增强,预测的准确度高于单一模型。

基于特征变量分析的电站风机故障预警

风机是电站的重要组成部分,风机故障预警可以为电站故障检修决策提供重要依据。但现行方法受风机故障特征的影响,在实际应用中预警结果偏离度较高,且虚警率也较高。为了解决上述问题,提出了基于特征变量分析的电站风机故障预警方法。根据风机故障机理知识和风机历史数据筛选故障特征变量,通过分析风机故障特征,确定风机故障概率和风机故障程度。根据分析结果评估风机故障系数,确定故障预警等级,实现基于特征变量分析的电站风机故障预警。实验表明,设计方法预警结果偏离度和虚警率均在1%以下,可以实现对电站风机故障的精准预警。

近红外光谱结合特征变量筛选方法测定茶汤中的氨基酸含量

采用透射方式获取茶汤的近红外光谱,利用特征变量筛选方法从茶汤的近红外光谱中提取氨基酸光谱信息,建立茶汤中氨基酸含量的快速检测模型。分别利用间隔偏最小二乘法(iPLS)和联合区间偏最小二乘法(siPLS)从茶汤的近红外光谱中提取微弱的氨基酸信息,建立其近红外光谱定量分析模型。结果表明,利用两种方法筛选的特征变量都避开了水的强吸收峰影响,但利用siPLS方法建立的模型性能明显好于iPLS的。最优的siPLS模型对校正集样本的相关系数为0.912,交互验证均方根误差为0.185;用预测集中独立样本检验模型性能,其相关系数为0.887,预测均方根误差为0.202。研究结果可为液体茶饮料中的成分实时快速检测提供参考。

基于光谱特征变量的湿地典型植物生态类型识别方法--以北京野鸭湖湿地为例

光谱特征变量的选择对于湿地植被识别的精度和效率有着直接的影响作用。以华北地区典型的淡水湿地——野鸭湖湿地为研究区,采用Field Spec 3野外高光谱辐射仪,获取了野鸭湖典型湿地植物的冠层光谱。以野外高光谱数据为基础,首先利用一阶导数与包络线去除的方法,分析和对比不同植物生态类型的光谱特征,选定了用于识别植物生态类型的光谱特征变量,选定的8个光谱特征变量为红边位置WP_r、红边幅值Dr、绿峰位置WP_g、绿峰幅值Rg、510 nm附近的吸收深度DEP-510和吸收面积AREA-510、675 nm附近的吸收深度DEP-675和吸收面积AREA-675。其中,7种植物生态类型的一阶导数光谱特征差异较小,吸收特征差异性相对较大。除WP_r和WP_g外,沉水植物Rg和Dr平均值最低,湿生植物的Rg平均值最高,达到0.164,栽培植物的Dr平均值最高,达到0.012。7种植物生态类型在675 nm附近的DEP-675和AREA-675均高于510 nm附近的DEP-510与AREA-510,除去栽培植物,随着水分梯度的变化,其他6种植物生态类型的吸收深度和吸收面积都表现出先升高后降低的趋势。然后利用单因素方差分析(One-way ANOVA)验证了所选光谱特征变量的区分度,在P≤0.01的置信水平下,选取的8个光谱特征变量都能够较好的区分7种植物生态类型,区分度的最小值为13,最大值为18,并且吸收特征参数的区分度优于一阶导数参数。最后应用非线性的反向传播人工神经网络(BP-ANN)与线性判别分析(FLDA)的类型识别方法,利用选定的8个光谱特征变量进行湿地植物生态类型识别,取得了较好的识别精度,两种方法的总分类精度分别达到85.5%和87.98%。单因素方差分析(One-way ANOVA)和不同分类器的分类精度表明,所选的8个光谱特征变量具有一定的普适性和可靠性。

基于企业特征变量的质量管理实践与绩效关系的实证研究

质量管理实践是企业为达到质量目标而实施的一系列管理实践与措施,对提高企业绩效和竞争力有重要作用。虽然以往研究表明质量管理实践的硬要素和软要素对企业绩效均有影响,但对其中的作用机制仍存有争议,并且关于企业特征变量对质量管理实践与绩效关系的影响是现有研究所欠缺的。浙江424家制造企业的实证研究显示,质量管理实践硬要素和软要素不仅对企业绩效有直接正向作用,还通过质量绩效对企业绩效产生间接影响。同时,企业规模、经营范围和实施时间显著调节质量管理实践与企业绩效间的关系,但这种影响差异在公有制企业与非公有制企业及资本密集型企业与劳动密集型企业中并不显著。

光谱特征变量和BP神经网络构建油用牡丹种子含水率估算模型

为了进一步提高种子含水率的高光谱估算精度,该研究测定了156份油用牡丹种子的近红外吸收光谱及其对应的含水率值,分析了近红外吸收光谱、一阶微分光谱、水分吸收特征参数与含水率的相关关系,构建了基于特征波长吸收光谱、特征波长一阶微分光谱、水分特征吸收参数和BP神经网络的油用牡丹种子含水率估算模型,并对模型进行了验证;再结合一元线性回归(SLR,Single Linear Regression)、逐步多元线性回归(SMLR,Stepwise MultipleLinear Regression)、偏最小二乘回归(PLSR,Partial Least Squares Regression)模型与BP神经网络(BPNN,BP Neural Network)模型进行比较。结果表明:1)油用牡丹种子含水率的吸收光谱特征波长位于1410、1900、1990 nm,一阶微分光谱特征波长位于1150、1950、2080 nm;2)以DF2080和AD2140为自变量建立的一元线性回归模型预测效果较优,在能够满足水分估算精度的情况下,是最优的选择方法。3)将优选的特征参数作为输入,实测含水率值作为输出,构建BP神经网络模型,其建模与验模R2分别为0.978和0.973,RMSE分别为0.220%和0.242%,而RPD值分别为6.478和5.889,与其他模型相比,BP神经网络模型的建模及预测精度均最高,是估算油用牡丹种子含水率的最优模型,其次为逐步多元线性回归模型。研究结果表明BP神经网络模型对种子含水率具有更好的预测能力,是估算油用牡丹种子含水率的有效方法。

改进和声搜索算法的近红外光谱特征变量选择

近红外光谱分析以其简便、快速、高效、低成本、绿色环保等优点,已广泛应用于诸多领域。然而,近红外光谱同时存在变量维度高、多重共线性、包含冗余信息和高频噪声等问题,直接构建预测模型不但增加建模复杂度,同时也会影响模型的预测性能和泛化能力,因此提出一种基于改进和声搜索算法(HS)的光谱特征变量选择方法。HS常用于解决特征变量优化选择问题。在应用和声搜索算法进行最优光谱变量选择时,首先通过偏最小二乘(PLS)载荷系数计算各光谱点的特征贡献度,作为和声搜索算法改进的扰动权重。算法优选光谱特征变量过程中,引入变量特征贡献度作为激励因子,采用随机遍历和激励因子共同作用的方式生成初始解向量。产生新和声向量时,应用变量特征贡献度作为惩罚项,通过加入平衡因子使选择参数随迭代次数而动态调整,从而适应光谱变量的搜索,增强搜索过程的遍历性和种群的多样性。为验证本算法的有效性,以烟叶样品烟碱、总糖、总氮三个指标的近红外光谱PLS建模应用为例,对采集的原始光谱进行预处理后,应用该方法对光谱变量进行优选,根据变量被选择的累积频次分别计算不同变量个数的模型预测性能,通过校正均方根误差(RMSEC)随变量增加的变化趋势确定最终选择的光谱特征变量。在训练集上分别建立各指标的PLS模型,应用测试集测试模型性能,并与全光谱、无信息变量消除法(UVE)和粒子群算法(PSO)进行比较。实验结果显示,应用该算法所选变量建立的烟碱、总糖和总氮三个模型的决定系数(R^2)分别为0.9211,0.9257和0.9412,预测均方根误差(RMSEP)分别为0.1023,1.0346和0.0531,与其他方法相比,光谱特征变量更少,同时R^2和RMSEP值更优。由此表明,改进的和声搜索算法能有效筛选特征光谱,降低建模复杂度,提升模型预测性能和泛化能力。

基于近红外特征变量筛选对火麻油掺杂的快速检测

利用近红外光谱技术对掺杂了大豆油、花生油、葵花籽油和玉米油的火麻油进行鉴定,结合偏最小二乘法(PLS)和最小二乘支持向量机(LS-SVM)模型建立定量分析,并利用连续投影算法(SPA)和竞争自适应重加权采样算法(CARS)提取特征变量.结果表明:LS-SVM回归模型的准确度优于PLS模型,其预测相关系数R_p^2分别达到0.950 4、0.905 8、0.857 4和0.767 3;SPA和CARS是两种有效的特征变量选择算法,能够提高模型的准确性,并且CARS效果优于SPA;其中,LS-SVM-CARS模型的R_p^2分别达到0.982 1、0.907 5、0.958 7和0.924 9.因此,在油脂掺杂快速检测中,LS-SVM-CARS是一个准确度高、变量数少、传递性较强的定量分析模型.

一种基于特征变量的复杂生产过程预测模型

研究了一种基于特征变量的复杂生产过程预测模型．与传统的建模方法相比，该方法不需要经过机理分析，而从信息科学的角度出发，在对反映生产过程工况原始动态数据进行特征选择的基础上，运用时间序列分析法建立其预测模型．同时讨论了它的神经网络实现方法．仿真结果表明了该方法的可行性．

二维相关光谱的猪肉TVB-N特征变量优选研究

为了探讨利用二维相关可见/近红外光谱法优选猪肉挥发性盐基氮(TVB-N)特征变量的可行性,以贮藏时间为外扰,研究了不同新鲜程度猪肉样本的二维相关光谱特性。首先,获取56个猪肉样本在贮藏1~14d的400~1 000nm范围的可见/近红外反射光谱,经过标准正态变量变换(SNV)处理后,基于全波段光谱建立TVB-N的偏最小二乘回归(PLSR)模型。然后,依据TVB-N实测值,从中挑选出10个具有一定浓度梯度的样本(贮藏时间分别为0,36,72,108,144,180,216,252,288和324h),利用一阶导数对光谱进行预处理后,根据不同样本之间的光谱差异,选取7个波段用于二维相关光谱解析。分析各个波段的二维相关同步谱和自相关谱,从7个波段范围内共选取23个变量作为不同贮藏时间下与TVB-N相关的敏感波长,并建立简化的PLSR模型。相较于全波段光谱数据所建模型,模型效果有所改善,预测集决定系数R2p由0.792 1上升至0.865 8,误差从3.658 2mg·(100g)^(-1)下降至3.246 0mg·(100g)^(-1)。表明基于二维相关光谱对猪肉TVB-N特征变量进行优选的思路是可行的,该方法能够从全光谱数据中筛选出与目标物质相关的敏感变量,这也为近红外光谱特征波长选择提供了一个新的方法。

基于随机森林特征变量优化的湿地植物分类与密度反演

以长江口滨海湿地为研究区域,采用随机森林算法对滨海湿地植被进行分类。在提取Landsat-8 OLI影像植被指数和水体指数的基础上,提出利用植被指数季节差值对模型进行特征变量优化,分析了长江口滨海湿地植物群落分布的空间特征。以所占面积最大的互花米草(入侵物种)为例,采用多元线性回归模型结合实地测量数据,估算了秋季的互花米草植物密度的空间特征。提出的多时相遥感数据结合随机森林特征变量优化方法,可以较为便捷地提取长江口湿地3种优势物种的空间分布特征,与最大似然法相比,分类精度有较大提高,总体分类精度由78.35%提高至87.55%,Kappa系数由0.72提高至0.84。该方法适用于存在“异物同谱”问题的湿地植物群落研究。

特征变量提取方法对脐橙皮中Cu元素LIBS检测精度的影响

食品重金属污染日趋严重,常规的实验室化学分析方法难以满足现代农业发展的需求。激光诱导击穿光谱是一种新兴的快速无损检测新方法,但该技术存在检测稳定性、灵敏度和精确度不高的瓶颈问题。本工作以江西特色水果赣南脐橙中的Cu元素为研究对象,探讨采用LIBS技术检测的可行性问题。首先对脐橙样品进行实验室污染处理,再利用优化的试验参数(激光能量120mJ、光谱采集延迟时间1.14μs、采集积分时间2ms)采集样品表皮的LIBS光谱信息,然后利用AAS对激光击打部位果皮进行Cu元素真实含量检测。提取CuⅠ324.7nm与CuⅠ327.4nm作为Cu元素定量分析特征光谱,建立Cu元素真实浓度与CuⅠ324.7强度、CuⅠ327.4强度、CuⅠ324.7与CuⅠ327.4强度之和的关系模型,并对模型的灵敏度和预测准确度进行了分析。结果显示,三个关系模型的浓度预测相对误差均在7.01%以下,最小分别达到了0.02%,0.01%和0.02%,平均相对误差分别为2.33%,3.10%和2.63%。试验表明,寻找合适的特征变量能明显提高定量分析结果的精确度。此外,该研究有助于为重金属元素在果皮果肉中的传输规律提供理论依据。

MPSTD算法子域分界面上改进的特征变量匹配条件

多区域时域伪谱(MPSTD)算法用于复杂问题分析时,整个计算域的相邻子域间将存在多种类型的分界面,子域间信息的交换通过这些分界面上的匹配条件来实现.由于特征变量(CV)匹配条件的局限性,它只适用于一些特定类型的分界面.为此,本文针对任意类型分界面,推导了改进的特征变量(ICV)匹配条件,并给出了ICV匹配条件在分界面上的场值更新关系.在此基础上,将MPSTD算法与ICV匹配条件相结合分析了两根正交矩形波导构成的波导宽壁中心斜缝耦合器,数值结果与FDTD结果的一致性充分说明了ICV匹配条件的准确性和有效性.同时,对矩形波导宽壁中心斜缝耦合器的分析也拓展了MPSTD算法的应用领域.

采用特征变量选择和长短期记忆网络的高速公路交通事件检测研究

为提升高速公路交通事件检测效果,依据交通事件发生时上、下游交通流参数的变化特性,构建一组相对全面的交通事件检测初始特征变量集,使用随机森林-交叉验证递归特征消除(RF-RFECV)算法筛选出重要特征变量。利用重要特征变量作为输入训练长短期记忆网络(LSTM),通过贝叶斯优化算法(BOA)优化LSTM网络的超参数。使用真实高速公路数据进行验证和对比分析,采用Borderline-SMOTE解决交通数据集的不平衡问题。实验结果表明:筛选出对交通事件检测更为敏感的重要特征变量,可以提高检测精度,LSTM的检测效果也明显优于随机森林(RF)和支持向量机(SVM)。

公司特征变量在横截面分析中的研究:来自中国股市的证据

本文研究了公司特征变量在横截面分析中对收益的解释作用 ,并且我们采用了Fama和French的三因子模型对风险进行了调整。结论显示风险调整后的收益仍然与公司特征变量 :E P、B M、公司规模、交易量等指标相关。其中与美国市场不同的是 ,交易量与收益显著正相关 ,这就与流动性补偿假说相矛盾。只有当我们采用了市场深度度量流动性时 ,这一假说才在国内市场得到了支持 ,但交易量的结论仍不变。这就说明了交易量在本文的研究环境中并不是流动性的合适度量。

基于模型校准的建筑冷负荷短期预测模型人工内扰特征变量获取方法

准确的短期建筑冷负荷预测对于建筑供能系统的运行优化具有重要意义。数据驱动模型因在挖掘建筑实际负荷特性、提高预测精度方面具有较大的优势而得到广泛应用。然而,内扰特征变量的缺失严重影响着数据驱动负荷预测模型的预测效果。为此,本文提出了一种利用模型校准技术从冷负荷时间序列中反向挖掘内扰相关数据信息的方法。案例研究结果表明,利用该方法获得的人工内扰特征变量数据对使用人工神经网络模型的短期建筑冷负荷预测效果的提升具有显著作用。相比于完全缺失内扰特征变量的预测模型,预测误差可降低11.46%,相比于使用日历信息作为内扰特征变量的预测模型,预测误差可降低6.51%。