基于改进KNN-RF的信息补全算法

针对室内指纹定位指纹库数据在实际环境中存在数据缺失导致定位误差大的问题,本文提出了一种改进距离公式的K近邻-随机森林的信息补全算法。首先,采用高斯滤波对收集的指纹数据进行预处理,去除干扰数据项,提高数据可靠性。其次,在将指纹数据划分为训练集和测试集的基础上,采用结合欧氏距离和曼哈顿距离的KNN算法获得近邻集合样本,随后用RF算法对近邻集合训练进行优化,再把各个决策树的预测结果取平均值,得到缺失数据的预测值。最后,将改进的补全算法与KNN、改进的KNN、RF和KNN-RF补全算法进行对比。实验结果表明,本文的改进补全算法的预测准确率和精度均优于其他算法,预测的准确率达91.3%。同时本文补全算法的指纹库平均定位误差为1.82 m,相较于其他补全算法的指纹库定位误差降低了1.6%~7.2%,定位性能更好。

基于LSTM-RF的电动钻机绞车齿轮箱故障诊断

针对提高石油电动钻机绞车齿轮箱故障诊断的准确性和效率,提出了一种基于长短期记忆网络(long short-term memory,LSTM)和随机森林(random forest,RF)融合模型。首先,运用LSTM能够从大规模数据中学习复杂特征,将这些特征作为随机森林的输入。然后,通过随机森林处理非线性和高维数据以及对特征的分类,以实现对齿轮不同故障状态的识别。最后,利用电动钻机绞车齿轮箱运行过程中的实时数据,建立了一个包含多种齿轮故障类型的综合数据集。试验结果表明,LSTM齿轮故障诊断准确率为94.67%,RF齿轮故障诊断准确率为94.34%,支持向量机齿轮故障诊断准确率为82.00%,K近邻齿轮故障诊断准确率88.33%,而融合模型LSTM-RF在齿轮故障诊断准确率方面达到了98.33%,克服了单一模型的局限性,提高了诊断准确性。研究表明了融合模型具有更优的电动钻机绞车齿轮箱故障诊断能力。

基于VPNRS-RF的飞机液压系统故障诊断模型

针对飞机液压系统故障诊断特征值冗余难以精准获取和准确率不高的问题,提出一种基于变精度邻域粗糙集(Variable Precision Neighborhood Rough Set,VPNRS)和随机森林(Random Forest,RF)相结合的特征选择算法,并以此为基础建立飞机液压系统故障诊断模型。VPNRS-RF算法主要是利用随机森林算法分别对变精度邻域和模糊熵粗糙集约简后的特征进行重要度排序,再次筛选后确定最优特征子集,使用最优特征子集对在线贯序极限学习机(OSELM)分类模型进行训练,从而提高故障信息获取准确率。最后以飞机起落架收放系统为例进行仿真研究,验证了VPNRS-RFOSELM模型的优越性。

基于RF-SFLA-SVM的装配式建筑高空作业工人不安全行为预警

为有效预警装配式建筑高空作业工人不安全行为的发生趋势或状态,增强对装配式建筑工人不安全行为(PBWUBs)的管控,采用随机森林(RF)-混合蛙跳算法(SFLA)-支持向量机(SVM)模型,开展工人不安全行为预警研究。首先,采用SHEL模型分析处于高空作业危险中的PBWUBs的影响因素,并通过RF确定关键预警指标;然后,采用SFLA对SVM的参数进行寻优改进;最后,利用RF-SFLA-SVM预警高空作业PBWUBs,提出应对措施,并与其他预警模型对比。研究结果表明:基于RF-SFLA-SVM预警高空作业PBWUBs,准确率最高,为91.67%,与其他模型的预警性能相比,最高提升14%。研究结果可为高空作业PBWUBs的防控提供参考。

基于DBSCAN-RF洪水分类的洪水预报应用研究

【目的】洪水分类预报能有效提高洪水预报准确性,为防灾减灾工作提供科学依据。【方法】针对分类因子和分类算法优选问题,以海河流域徒骇河宫家闸上游为例进行研究,(1)充分考虑产汇流影响因素与洪水特征,选取洪峰流量、洪水总量、时段洪量、洪水历时、起历时、落历时、峰度、偏度、涨水仰角、落水仰角、C_(s)、C_(v)、前3 d面雨量、前10 d面雨量、累计面雨量及最大面雨量等16维分类因子,使用主成分投影法(Principal Component Analysis,PCA)对分类因子降维提高计算效率;(2)基于密度聚类(Density-Based Spatial Clustering of Applications with Noise,DBSCAN)-随机森林(Random Forest,RF)算法进行洪水分类,减少对分类先验知识的依赖,提高了分类精度;(3)在徒骇河流域进行了方法应用,选择适用于半干旱半湿润地区的超渗-蓄满同时作用的产流模型及单位线汇流模型进行洪水分类预报研究,分别针对各类洪水进行模型率定。【结果】结果表明:轮廓系数为0.7015,表明DBSCAN算法聚类效果理想,基于RF算法的洪水分类准确率为91.67%,分类效果理想;经洪水分类预报,NSE系数均高于0.8,分类预报结果优于直接预报。【结论】结果说明:基于DBSCAN-RF洪水分类的洪水预报能较好地反映研究区域洪水演进过程,为研究区域洪水预报及防灾减灾工作提供依据。

基于RF-RNN模型的DNS隐蔽信道检测方法

为提高检测隐蔽信道的灵敏度,提出一种基于随机森林(Random Forest,RF)和循环神经网络(Recurrent Neural Network,RNN)的域名系统(Domain Name System,DNS)隐蔽信道检测方法。该方法采用域名检测作为主要手段,使用RF模型对域名进行分类,通过深度学习方法挖掘更高阶的特征表示。实验结果表明,与单一模型相比,该方法在检测准确性和健壮性方面均取得了显著提升。

RIS辅助的混合RF/FSO系统物理层安全性能分析

【目的】针对自由空间光(FSO)链路和射频(RF)链路的保密信息容易被外部窃听者窃听的问题,为提升混合RF/FSO通信系统的保密性能,同时考虑到实际工程中FSO链路往往无法满足视距条件且不同天线分支之间会由于收发模块小型化产生相关性,需要对可重构智能表面(RIS)辅助的混合RF/FSO系统的安全性能进行研究,以得到系统安全性能与RIS部署位置和天线相关性程度等参数的关系。【方法】文章考虑单个窃听者,分别针对RF和FSO链路进行窃听,RF链路服从任意相关的Nakagami-m分布,FSO链路服从Gamma-Gamma分布。采用解码转发协议,推导得到了两种窃听场景下通信系统的安全中断概率(SOP)和严格正安全容量概率(SPSC)的闭合表达式,并对SOP进行了渐近分析。此外还利用Matlab软件进行了仿真实验,通过蒙特卡洛仿真来验证所推导公式的准确性。【结果】仿真结果表明,将RIS部署在靠近接收端的位置可以降低系统的SOP,RF主信道的信道质量与窃听信道相比较好时,天线相关性程度的增加会使系统的SOP上升。【结论】RIS辅助的FSO链路相比RF链路具有更好的安全性,虽然多天线分集技术能够有效提高系统的安全性能,但是类似指向误差和大气湍流引起的衰落,天线相关性也会对系统的安全性能造成损害,通过降低天线相关性程度能有效提升系统的安全性。

基于RF-GWO的水利工程地质渗透系数智能反演分析

地质渗透系数是准确分析水利工程渗流的关键参数。针对传统反演方法计算效率低、精度差的问题,采用有限元正演模型和正交试验设计构建渗透系数反演样本集,建立了基于随机森林(RF)算法的渗流计算代理模型;在此基础上,引入灰狼优化(GWO)算法,提出了基于RF-GWO的渗透系数智能反演方法,并以Z抽水蓄能电站为研究案例进行了验证。结果表明:RF模型对各钻孔水位预测结果均接近实测值,性能优于CART和BP模型;GWO可搜寻到地质最佳渗透系数,钻孔水位反演结果合理,相对误差最大为0.42%,精度满足工程要求,计算的天然渗流场分布形态也符合一般山体渗流场分布规律。建立的反演模型能够快速准确地推断工程区地层渗透系数,具有实际工程应用价值。

基于RF-GA的热磨机生产参数优化方法

热磨机是纤维板生产中最重要的设备之一;热磨机的综合能耗在纤维板生产的整体能源消耗中占比显著,优化生产参数以降低热磨机能耗一直是纤维板生产的要求之一。以华北某纤维板企业采集的数据为依据,针对影响比能耗(SEC)和纤维质量(QF)的多个生产参数,用粒子群算法优化的BP神经网络、支持向量机(SVM)和随机森林(RF)建立比能耗和纤维质量预测模型,经对比确定最佳比能耗和纤维质量预测模型;后基于最佳预测模型构建生产参数优化模型,采用遗传算法(GA)对其求解得到最佳生产参数,以此提出基于RF-GA模型的热磨机生产参数优化方法。结果表明,热磨机各生产参数之间存在较强耦合关系,且与比能耗和纤维质量为非线性关联;粒子群算法对机器学习算法中超参数的优化是必要的,可以有效降低机器学习算法误差;选取5组不同纤维质量下的数据,采用建立的热磨机生产参数优化方法优化后,比能耗平均下降6.9kW·h/t、降幅为5.22%。该研究验证了RF-GA热磨机生产参数优化方法的可行性,能够应用于生产参数的优化,有效地实现节能降耗的目标,并为热磨机生产参数的设定提供依据。

多尺度数据条件下基于优化RF算法的工程机械可靠性仿真

工程机械是建筑工程的关键设备,其可靠性的高低直接影响到工程的生产效率,为了给项目工程提供可靠性较高的机械设备,提出多尺度数据条件下基于优化RF算法的工程机械可靠性分析方法。构建工程机械设备等效模型,确定工程机械设备的组成结构与材料,模拟工程机械设备工作流程,确定可靠性影响因素。采集工程机械设备多尺度数据,利用优化RF算法,通过决策树构建、特征提取等步骤,识别工程机械设备工作状态。计算工程机械可靠性指标的具体取值,实现工程机械的可靠性分析。通过仿真测试实验得出结论:与传统分析方法相比,优化设计方法的机械可靠性分析误差降低了0.033,通过可靠性分析方法的应用能够有效提升工程产品的生产合格率,由此证明优化设计方法在分析精度和应用性能方面具有明显优势。

融合改进RF算法的人体姿态识别方法在运动训练领域的应用

对人体姿态识别及现代智能化工程设计成为人机交互领域的重要研究方向进行了研究;在实现更高效、智能的人体姿态识别中,采用了基于DBSCAN-RF算法的分类训练器,同时对RF算法加以改进,引入了HD-SMOTE方法;该方法的技术创新和独特之处在于结合了密度聚类和随机森林的优点,能够有效地处理带有噪声的数据集,并具有较高的计算效率和可扩展性;通过实验测试,DBSCAN-RF算法的识别召回率最高达到了98.64%,相比于传统的RF算法、K-means-RF以及Mean-shift-RF算法,其数值分别增加了6.37%、4.28%、3.95%;同时,DBSCAN-RF算法在跌倒和正常走路的识别召回率分别达到了95.31%和96.48%;此外,DBSCAN-RF算法的测试时间均低于62 ms;经实际应用满足了现代智能化的人体姿态识别工程上的应用,为现代智能化的人体姿态识别提供了可靠的技术支持。

基于AT86RF231的无线扩频语音通信方案

随着无线通信技术的发展,适配多种应用场景的短距离无线通信技术应运而生。ZigBee技术是一种近距离、低复杂度、低功耗、低数据速率、低成本的双向无线通信技术。由于传输的时延不固定,ZigBee不适合实时语音通信。为改善时延问题,文章设计了一种以ZigBee芯片AT86RF231为通信芯片的语音对讲系统,使用芯片的MAC层和物理层,通过FPGA控制收发时序,实现了实时无线语音通信,满足了某系统的无线语音通信要求。

CHAID-RF:基于CHAID决策树的集成学习方法

针对卡方自动交互诊断(CHAID)决策树易过拟合的问题,提出CHAID随机森林方法(CHAID Random Forest,CHAID-RF)。该方法采用随机采样、随机选择特征以及集成的策略,将CHAID决策树作为基分类器,形成CHAID-RF。为了验证CHAID-RF的有效性,选取CART、CHAID、SVM、RF作为对比算法,以准确率、加权查准率、加权查全率、加权F值作为分类模型评价指标,以均方根误差作为回归模型评价指标,采用10个分类数据集和7个回归数据集进行验证。实验结果表明CHAID-RF可行有效。

无线传感网络中一种基于RF-GAN模型的入侵检测算法

针对现有无线传感网络入侵检测算法存在的效率低、精度差等问题,提出基于RFGAN模型的无线传感网络入侵检测算法。首先,采集无线传感网络运行数据,通过去噪、缺失补偿等步骤,完成对原始数据的预处理;然后,利用RF-GAN模型提取无线传感网络运行特征;最后,通过提取特征与检测标准的匹配,得出网络入侵检测结果。理论分析及实验结果表明:优化设计方法的入侵类型误检率明显更低,入侵数据量检测误差为0.015GB,相较于现有检测算法具有一定优势。

多场耦合下RF组件的焊点信号完整性

随着集成电路和5G技术的迅猛发展,射频(RF)组件作为关键设备被广泛使用。RF组件需要在复杂多变的工作环境下服役,而焊点作为RF组件封装中相对脆弱的部分,其稳定性和可靠性尤为重要。介绍了焊点在多场耦合下的性能表现。RF组件焊点需要有效传输高频信号,从电气性能和信号完整性两方面对其进行概述,对多场耦合下的焊点信号完整性进行了总结,探讨了在高频条件下对焊点的机械性能和信号完整性进行综合研究和优化的必要性。

基于混合式SMOTE和RF模型的小额贷款公司客户信用风险研究

小额借贷中的个人信用风险问题持续制约着小额贷款行业的健康可持续发展。针对小贷公司在进行信用风险评估时对高违约风险客户识别准确率较低的难题,运用混合式SMOTE、RF算法来同时处理业务数据中高维、非均衡两个问题。本文借助江苏J小贷公司的实例数据,依次构建随机森林(Random Forest, RF)模型、SMOTE-RF模型以及Borderline-SMOTE-RF模型并进行模型测试;再选用SVM算法进行对比实验以此衡量模型的信用风险评价精度。随后基于模型对于指标重要性的评分筛选出6项指标作为影响个人信用风险的关键指标。实验证明基于Borderline-SMOTE-RF算法对于小额贷款个人信用风险评价模型的分类性能最佳;在筛选关键指标时,为避免人工合成虚拟样本对指标重要性影响,需要结合三类模型评分进行综合选择。

基于RF-RFE算法的地铁车站洪涝灾害预测研究

地铁车站形式以地下段为主,进入雨期时受到洪涝灾害的威胁,易发生雨水倒灌现象,严重影响居民出行和地铁安全运营。为进一步提高地铁车站洪涝灾害预测的效果,提出基于RF-RFE和DNN神经网络的地铁车站洪涝灾害预测方法。首先,通过收集并分析已发生地铁车站洪涝灾害的案例,采用文献综述结合专家访谈的方法,构建地铁车站洪涝灾害初始变量集;然后,利用随机森林—递归特征消除(RF-RFE)算法,计算初始变量重要性并完成变量分类正确率排序,从初始变量集中筛选出重要变量;最后,建立DNN神经网络预测模型,并以筛选出的重要变量作为输入样本,训练DNN神经网络,完成对地铁车站洪涝灾害的预测。研究结果表明:(1)变量选择可提高预测模型精度,与初始变量集的DNN神经网络预测模型相比,数据筛选后的DNN神经网络预测模型准确率提高了4.36%;(2)RF-RFE和DNN神经网络算法结合具有良好的效果,预测模型准确率为88.1%,F1分数为0.9。

基于RF和MLR的土壤重金属影响因素分析及生物有效性预测

为探究影响土壤中重金属累积和生物有效性的因素,以桂北地区某铅锌矿流域为研究对象,综合运用单因子指数法、风险评价编码法(RAC)、多元线性回归模型(MLR)和随机森林模型(RF)进行土壤重金属(Pb、Zn、Cu和Cr)累积影响因素分析及生物有效性预测。结果表明:研究区Cr含量无超标且空间分布相对均匀(变异系数为0.51);Cu、Pb和Zn的含量均值(分别为52.58、280.31 mg·kg^(-1)和654.71 mg·kg^(-1))均大于广西西江流域土壤重金属背景值,在思的河山前和地下河入口处全量和生物有效性均较大,对土壤生态环境具有一定风险;对于重金属全量分布和生物有效态的影响因素,阳离子交换量(CEC)、黏粒(Clay)、土壤有机质(SOM)和铁铝氧化物对Cr影响较大,SOM、Clay、pH和铁铝氧化物对Cu影响较大,pH、电导率(EC)和Clay对Pb影响较大,CEC、pH、土壤质地和铁铝氧化物对Zn影响较大;生物有效性预测结果显示RF和MLR均可较好地预测土壤重金属的全量与次生相,其中RF预测的R2区间为0.44~0.93,MLR预测的R2区间为0.30~0.72,RF预测结果表现更为准确。

一种L~U波段RF MEMS单刀十掷开关的设计

论文提出了一种适用于1GHz~60GHz频段的RF MEMS单刀十掷开关。该开关采用三角形上电极结构,以减小悬臂梁等效弹性系数和闭合接触面积,达到低驱动电压、高隔离度的目的。通过渐进传输线结构,改善阶跃补偿引起的信号损耗问题。仿真结果显示:该单刀十掷开关的驱动电压为13V,在1GHz~60GHz频段范围内,输入端两侧输出端口的插入损耗<2dB,其余八个端口插入损耗≤0.59dB,所有端口隔离度均>30dB。此开关可适用于无线通信系统、雷达系统和仪器测量系统等对射频性能要求高的领域内。

基于RF建立的双层桥墩矢量式损伤极限状态能力模型

为了确定双层桥墩的抗震能力,基于随机森林(RF)算法构建了双层桥墩的矢量式损伤极限状态能力模型.将地震动激励角视作为一个符合均匀分布的随机变量,通过大量推倒(Pushover)分析构建双层桥墩的能力样本数据库,以训练其能力值预测模型,并利用SHAP进行特征重要性分析.结果表明:双层桥墩的能力阈值不服从对数正态分布,且分布参数明显不同于以往研究的建议值;矢量式损伤极限状态能力模型能有效识别双层桥墩能力的分层现象,决定系数R^(2)>0.95,具有良好的预测性;地震动激励角显著影响双层桥墩的抗震能力.相比于上层墩柱,双层桥墩严重损伤极限状态的目标值更容易受到下层墩柱特征参数的影响,可适当关注下层墩柱属性以增强双层桥墩整体的抗震性能.