基于CART模型的高铁灰渣玻璃形成能力研究

固化技术是极具前景的危废无害化与资源化处理技术,而高铁类危废灰渣铁含量高,易诱发玻璃体产物析晶或分相,这成为固化过程的难点之一。本文依据高铁类危废灰渣组成,采用极端顶点设计方法,设计了385个SiO_(2)-Al_(2)O_(3)-CaO-Na_(2)O-TiO_(2)-Fe_(2)O_(3)体系玻璃配伍,并通过光学显微镜、X射线衍射及酸溶试验,确定其中136个配伍可形成化学稳定性良好的玻璃态样品。结合决策树(CART)模型分析,确定了具有优化玻璃形成能力的高铁类危废灰渣玻璃化配伍范围(按质量分数w计):40.0%≤w(SiO_(2))≤55.0%、10.0%≤w(CaO)<14.0%、14.0%≤w(Na_(2)O)≤18.0%、5.0%≤w(Other)<9.5%或35.0%≤w(SiO_(2))<40.0%、9.0%≤w(TiO_(2))≤10.0%、5.0%≤w(Other)<9.5%,为高铁类危废灰渣的玻璃化配伍提供了设计与计算依据。

基于CART决策树的分布式数据离群点检测算法

在分布式计算环境中,离群点通常表示数据中的异常情况,例如故障、欺诈、攻击等。通过检测分布式数据的离群点,可以对这些异常数据进行集中处理,保护系统和数据的安全。而进行离群点检测时,不仅要考虑数据的规模和复杂性,还要在分布式环境下高效地发现离群点。因此,提出一种基于CART决策树的分布式数据离群点检测算法。在构建CART决策树时,使用类间中心距离作为分裂准则,根据分离类别对训练数据进行分类,从而确定数据的类型。在上述基础上,考虑到离群点的分布模式与其周围数据对象不同,使用空间局部偏离因子(SLDF)对空间内各个数据对象之间的离群程度展开度量,同时在高维空间内展开网格划分,引入SLDF算法检测剩余离群点集,最终实现分布式数据离群点检测。实验结果表明,所提方法的离散点检测错误率在0.010以内,可以更加精准地实现分布式数据离群点检测,具有良好的检测性能。

基于CART决策树的调度算法研究

以往的作业车间存在大量的离线加工数据。基于数据挖掘、调度规则和算法优化相关知识,提出基于贝叶斯优化的改进CART算法来对车间数据挖掘利用,根据车间数据的属性逐步划分节点,生成树状结构,剪枝,最后生成加工规则。通过不同数据算例的实验结果表明,经过贝叶斯优化后的CART算法相较于传统CART算法提高了对数据划分的能力并提升了生成的决策树的准确度。

基于CART决策树的FPSO单点系泊系统电滑环故障诊断

为了保障FPSO单点系泊系统电滑环运行安全,有必要开展电滑环故障诊断方法的研究,为单点系泊系统电滑环故障预警与排查提供依据。本文针对FPSO单点电滑环故障的诊断问题,采用了一种基于CART决策树算法的故障诊断模型;进一步利用有限元制作样本数据集,并通过该数据集训练得到了电滑环故障诊断模型;最后,通过后剪枝法完成了诊断模型的简化,实现了对电滑环的故障诊断。分析结果可以得到,该模型具有较高的准确率和较快的诊断速度,能够对电滑环进行有效的诊断,以便工作人员及时采取措施修复或更换电滑环,保证FPSO的安全运行。

基于Morlet小波与CART决策树的滚动轴承故障诊断方法

针对滚动轴承故障诊断过程中样本处理、故障识别等技术问题,提出一种基于Morlet小波和分类回归树(Classification and Regression Tree,CART)的滚动轴承故障诊断方法。首先,利用Morlet小波分析方法和移动窗方法对轴承振动信号进行样本处理。其次,对提取的短样本进行变分模态分解与特征提取,完成训练集和测试集的构建。然后,使用训练集训练CART决策树分类模型,同时引入随机搜索和K折交叉验证用于模型关键参数优化,以获取理想的轴承故障分类模型。测试集验证结果表明,该方法不但能实现多种轴承故障的有效诊断、在含噪测试集中表现良好,而且单个样本的数据长度和采样时长的缩短效果明显。

基于改进CART算法的退役动力电池等级筛选方法

针对退役动力电池存在一致性差、等级筛选效率低的难题,提出了一种基于改进CART算法的退役动力电池等级筛选方法。首先,分析了传统CART算法的基本原理,为克服算法计算量大的缺陷,将Fayyad边界点判定定理与CART算法相结合,通过选取属性最优阈值点来减少计算量,提高分类效率;其次,基于代价复杂度后剪枝算法,采用交叉验证法对算法进行进一步优化;最后,将改进CART算法用于退役动力电池筛选分类,实验结果表明改进CART算法在保持较高准确率的情况下,可以有效提高退役动力电池的等级筛选效率。

基于CART算法的纳木措湖泊面积精确提取

为了能够更精确地提取到湖泊水体的范围,对比MLC、SVM和基于多特征的全新遥感影像CART决策树分类方法,对西藏自治区的纳木措湖泊进行自动提取研究.选择Landsat 8OLI卫星遥感影像数据作为数据源.将得到的不同特征的影像进行组合,组合成全新的多特征遥感影像.决策树方法具有结构清晰、快速、简单、有效的优点,而CART算法可以根据选取的训练样本获取节点和阈值,不需要反复试验来确定阈值,避免了基于传统专家知识方法的主观性,因此采用CART算法构建决策树模型对研究区域进行湖泊水体的提取.结果表明CART决策树方法总体精度为99.82%,Kappa系数为0.996,MLC总体精度为96.814%,Kappa系数值为0.929,SVM总体精度为98.045%,Kappa系数值为0.956,总体精度相较于SVM和MLC分别提高了3%、1.775%,Kappa系数提高了0.067、0.04.CART决策树、MLC、SVM所得到的湖泊面积分别为2009.43、2014.93、2026.9 km^(2),MLC和SVM得到的结果比CART决策树分类法存在更多的错分和漏分现象,主要是将山地中的阴影信息错认为是水体,CART决策树方法识别到的细小水体更加连续,对于湖泊边界识别的效果也更好.

基于CART决策树的110 kV供电区域分布式光伏承载能力测算模型

分布式光伏受天气影响较大,测算110kV供电区域的分布式光伏承载能力,对区域供电来说意义重大。基于此,提出基于分类与回归树(calssification and regression tree,CART)的110kV供电区域分布式光伏承载能力测算模型。该模型以分布式电源输出功率、区域分布式电源发电量占比、局部分布式电源线损增量等数据为基础,利用CART决策树建立110kV供电区域分布式光伏承载能力测算模型,并使用改进鲸鱼优化算法求解测算结果。经实验测试发现,该模型对分布式光伏承载能力的测算精准度较高,可有效测算不同实验区域在不同季节时的分布式光伏承载能力,具有较高的应用价值。

基于CART决策树的水位流量序列数据异常值检测

为提高水文数据质量和数据校核效率,提出了一种基于CART决策树的水位流量序列数据异常值检测方法,以提高异常值自动检测水平。首先构造纳入冗余数据样本,再利用水位流量序列数据特性选择检测特征,然后将样本带入特征,结合测站特性和基尼系数算法计算特征阈值,形成决策树,最后利用决策树进行异常值检测,辅助人工数据校核。经过人工判定后的数据,将形成新的样本用于下一次决策树构建。该方法的检测精度和效率能满足实际应用,目前已在全国水文水资源监测信息系统使用。

基于CART和聚类分析的古代玻璃分类预测模型研究

该文针对古代玻璃文物的化学成分,借助CART决策树、聚类分析和主成分分析方法对其进行分析和预测.通过对不同特征进行系统和K-means聚类,结果表明将玻璃制品分为高钾类和铅钡类两大类和三个亚类为最佳.利用主成分分析法对其化学成分分析发现,当特征根选为前六个时,效果最好,对解释原有变量贡献率较大.根据以上结果构建CART决策树预测未知玻璃制品类型,预测准确率较高.

基于CART算法的空间目标本体反演方法

针对预警中空间群目标反演精度不高、鲁棒性较差的问题,提出了一种基于分类回归树(classification and regression tree,CART)算法的空间目标本体反演方法。首先构建分类与回归决策树,并将空间目标的入射角、光谱辐射亮度、温度等特征数据作为决策树的输入;再基于基尼系数评估数据纯度,对目标在不同温度、不同入射角下的光谱辐射亮度进行分割;最后通过在每个节点处对数据集进行划分,实现对空间目标本体的有效反演。数值对比实验表明,3种典型空间目标的决策树模型反演结果与实际情况一致,验证了所提方法的有效性。

基于优化CART的交通事故严重程度影响因素分析

为深入剖析交通事故严重程度影响因素,实现交通事故主动预防、精准防控,选择车、路、环境等属性中显著性较高因素作为输入变量、以事故严重程度作为二分类输出变量,构建交通事故严重程度影响因素CART决策树模型,并选择CCP算法对模型进行优化求解。选择相对误差值、ROC曲线和AUC等作为评价指标验证模型的有效性,模型相对误差值仅为6.08%,AUC值为0.93。研究结果表明:在道路及交通环境方面,恶劣天气、塌陷路面、道路存在隐患、交叉口无信号控制等因素对交通事故严重程度影响较大;在车辆方面,大型货车发生较大及以上事故概率是其他车辆的4倍,上述因素应作为交通事故防控的重点。

牛CART基因核心启动子鉴定及转录调控分析

旨在筛选牛CART基因核心启动子区并鉴定调控CART表达的转录因子,探究其转录调控机制。本研究采集3头健康母牛下丘脑组织,提取基因组DNA,通过PCR扩增、测序获得牛CART启动子序列,EMBOSS、MethPrimer、New PLACE数据库分析启动子结构特征;构建4个包含不同截短长度的CART启动子报告基因载体,双荧光素酶报告基因活性检测鉴定核心启动子区;应用DNA pull down结合质谱分析(n=3),功能聚类及结合位点预测分析筛选核心启动子区候选转录因子;构建转录因子过表达载体,转染至293T细胞,分析转录因子对牛CART核心启动子区的转录调控功能(n=3)。结果表明,牛CART基因-1200 bp~+22 bp区域存在CpG岛和TATA box、CAAT box等顺式作用元件;构建的4个截短启动子报告基因载体均具有转录起始活性,-292 bp~+22 bp片段转录起始活性最强,为牛CART基因核心启动子区;转录因子RFX5、CREB、RFX1、JUND、TEAD4、TFAP2D、RELA可与牛CART基因核心启动子区特异性结合;进一步研究证实RFX5、RFX1、TEAD4抑制CART转录(P<0.01),CREB与RELA激活CART转录(P<0.001)。本研究成功扩增获得牛CART启动子区域,筛选鉴定-292 bp~+22 bp为牛CART基因的核心启动子区,证实RFX5、RFX1、TEAD4为CART转录抑制因子,CREB、RELA为CART转录激活因子。研究结论为丰富牛下丘脑CART表达调控机制,深入研究CART调控卵泡发育机理提供依据。

基于CART-熵权法的管道腐蚀状态评估及其应用

管道腐蚀状态评估是管道完整性管理的重要部分,为了评估管道腐蚀状态,根据长输管道腐蚀特点,采用两轮内检测数据计算管道的局部腐蚀速率。以局部腐蚀速率为依据,采用分类与回归树(CART)将管道划分为若干单元,利用熵权法建立腐蚀状态评估模型,并结合工程实例分析了管道腐蚀状态的相对等级。结果表明:平均预估维修比(ERF)对该管道腐蚀状态的影响最大,该模型确定了腐蚀最严重的管段为44、38、45、37单元,便于业主对这些管段进行重点监测和维修;基于CART-熵权法的腐蚀状态评估模型能够很好地用于管道腐蚀状态评估工作,为业主制定检维修策略提供科学合理的依据。

基于CART决策树与BP神经网络算法探析蒋小敏教授治疗骨痹的辨证规律

目的基于CART(分类回归树)决策树与BP(反向传播)神经网络算法探讨蒋小敏教授治疗骨痹的中医辨证规律。方法收集蒋小敏教授2013年1月-2021年9月于江西中医药大学附属医院国医堂的门诊医案数据,通过Microsoft Excel 2019建立蒋小敏治疗骨痹的临床医案数据库。采用R 4.1.2软件rpart函数实现CART决策树模型的构建。采用SPSS Modeler 18.0软件,建立BP神经网络的中医诊断模型。结果共建立了气滞血瘀证、湿热阻络证和肝肾亏虚证3个中医辨证模型。CART决策树算法建模结果显示:气滞血瘀证、湿热阻络证和肝肾亏虚证的预测准确率分别为73.54%、84.56%、84.98%,各模型的曲线下面积(ACU)值分别为0.738、0.795、0.748。BP神经网络算法建模结果显示:气滞血瘀证、湿热阻络证和肝肾亏虚证的预测准确率分别为75.13%、87.69%、83.77%,AUC值分别为0.764、0.829、0.817。结论CART决策树和BP神经网络2种不同的算法在中医诊断建模上均具有一定的可行性,能够优势互补。基于真实世界临床医案,挖掘出骨痹症状与证型之间的关系特点,并初步预测了蒋小敏教授的辨证思路,对骨痹的辨证提供了科学依据。

基于CART决策树模型的北京市春季气传花粉浓度与植被空间结构关系研究

【目的】开展气传花粉浓度与植被空间结构关系的研究,归纳总结不同花粉浓度阈值下植被空间结构,将其应用于植物群落设计及提升过程中,为北京市城市绿地设计、建造及改造提供数据支撑,对城市绿地空间环境的营造具有实际指导意义。【方法】研究应用Durham花粉采集器于2021年04月03日−04月09日对北京市内92个采样点的气传花粉浓度进行监测,通过CART决策树算法对不同花粉浓度的植被空间进行分类,最终归纳总结出高、中、低3个花粉浓度阈值所对应的植被空间结构模式图。【结果】(1)乔木盖度是区别不同植被空间花粉浓度的主要控制指标,其与花粉浓度的关系并非单一线性,而是呈现一定波动性。当0.698<乔木盖度≤0.777时,花粉浓度最小,预测值为74粒/(103 mm2);当乔木盖度>0.777时,花粉浓度最大,预测值为285粒/(103 mm2);当0.600<乔木盖度≤0.698时,花粉浓度预测值为207粒/(103 mm2);当乔木盖度≤0.600时,花粉浓度预测值为133粒/(103 mm2)。(2)除乔木盖度外,区别不同植被空间花粉浓度的控制指标还有灌木平均高度、乔木平均高度、地被平均高度和乔木平均枝下高等高度指标,以及群落结构类型、乔木占比和地被三维绿量等指标。(3)低花粉浓度的植被空间结构主要表现为上层高大、中下层低矮,植被类型主要为分支点高的大型乔木;高花粉浓度的植被空间结构主要有两种情况,一种是上层乔木覆盖程度较低时,中下层植被茂密,另一种是上层乔木覆盖程度极高,植物群落整体浓密,植被类型主要为常绿乔木和树冠浓密的落叶乔木,以及枝杈丰富的灌木。【结论】本研究为气传花粉致敏植物的栽植与优化改造提供科学依据,对于新建城市绿地,致敏植物尽量应用于与高花粉浓度的植被空间结构类似的群落内部;对于已建成包含气传花粉致敏植物的群落,可通过增加植物将原本为低花粉浓度的植被空间改造为高花粉浓度的植被空间,尽可能将花粉在植被空间内部滞留沉降,减少分散到城市内部的花粉量,缓解气传花粉致敏植物对过敏人群的健康威胁。

基于面向对象CART决策树的土地利用分类研究

面向对象的CART决策树分类方法可解决目前流行的监督分类、非监督分类以及模糊分类方法中“同物异谱、异物同谱”引发的漏分、错分问题。该方法融入了形状和纹理特征进行分类,同时运用二级分类体系解决了相似地物因光谱、纹理不同而导致的地物错分问题,分类效果较好。利用楚雄市鹿城镇2013年GF-1号遥感影像进行土地利用分类。结果表明:(1)基于光谱、形状和纹理信息选取的19个特征变量开展面向对象的CART决策树分类,总体精度可达90.22%,其中林地分类的效果最好;(2)二级分类体系解决了耕地、裸地因光谱、纹理特征多样而产生的地物错分问题,总体精度提高了7.06%,Kappa系数提高了8.17%。

考虑颜色特征最优组合的CART决策树火灾图像识别方法

针对火灾图像识别过程中颜色特征数量多、特征间相关性复杂、难以在多维特征融合过程中有效融合图像颜色特征等问题,提出1种考虑颜色特征最优组合的CART决策树火灾图像识别方法。首先,在Lab、RGB、HSV 3种色彩模式下基于图像颜色特征提取火灾图像特征序列;其次,分别在3种色彩模式下基于精细决策树与特征随机排列组合方法提取颜色特征中最优组合特征;最后,将提取的火灾图像最优组合特征序列作为CART决策树输入进行模型训练,并通过测试样本以及其他机器学习方法进行模型泛化能力的分析。研究结果表明:本文方法寻找出识别火灾图像的最优颜色特征组合为“Kb1+Var1+Kg+Kb2+Var2+Kh+Ks+Kv”;CART决策树方法对于火灾图像识别的测试准确度可达84.5%,其分类效果明显优于其他决策树类与集成树类方法;9折为最佳交叉验证折数,其测试准确度可达86.47%,与5折交叉验证相比明显提升14.77%。研究结果可为火灾图像识别提供方法基础。

牛卵泡颗粒细胞CART与候选受体的分子对接及其功能

通过同源建模预测牛卵泡颗粒细胞(GCs)可卡因-苯丙胺转录肽(CART)与候选受体ZMPSTE24的三维结构,运用分子对接技术分析二者的结合模式,探究其分子互作关系;选取3头健康成年母牛,分离GCs,转染TEDDM1、CMKLR1、AGTR2、ZMPSTE24沉默序列,提取总RNA,并采用q RT-PCR检测TEDDM1、AGTR2、CMKLR1、ZMPSTE24等4个候选受体沉默后m RNA的相对表达量;采用CCK-8法测定各试验组和对照组GCs增殖情况;采用ELISA法检测各组培养液中雌激素(E2)的质量浓度,研究此4个候选受体在牛卵泡GCs中的功能。结果表明:ZMPSTE24与CART存在1个结合位点、9个盐桥、17个氢键;4个候选受体试验组的m RNA相对表达量均极显著(P<0.01)低于si NC组和空白组的,表明TEDDM1、CMKLR1、AGTR2、ZMPSTE24在GCs中沉默效果良好;TEDDM1、CMKLR1、AGTR2、ZMPSTE24沉默后,各试验组的细胞增殖率和培养液中E2质量浓度均极显著(P<0.01)低于阳性对照组(不加CART)的。可见,4个候选受体基因沉默后,CART对GCs增殖和E2分泌仍具有抑制作用。

CART基因启动子双荧光素酶重组载体构建

可卡因—苯丙胺调节转录肽(cocaine-and amphetamine regulated transcript peptides,CART)是一种内源性神经肽,广泛分布于中枢神经和外周神经系统。CART具有多种不同的生理功能,在牛繁殖机能研究中发现,CART还可以通过影响雌激素分泌抑制卵泡发育。这一发现为深入分析牛卵泡闭锁以及提高母畜繁殖率提供理论依据。然而%CART%基因转录调控机制尚不明确。研究利用pGL3系列萤火虫荧光素酶表达载体,%Mlu%I、%Xho%I双酶切割牛%CART%基因启动子-475 bp~+22 bp区域,成功构建重组质粒,转染293T细胞,检测相对荧光活性,为后续筛选%CART%基因核心启动子活性片段创造条件,进而为%CART%转录调控分子机制的探究奠定基础。