期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于变量重要性评分-随机森林的溶解氧预测模型——以深圳湾为例
被引量:
6
1
作者
杨明悦
毛献忠
《中国环境科学》
EI
CAS
CSCD
北大核心
2022年第8期3876-3881,共6页
运用Pearson相关性分析,变量重要性评分和随机森林方法构建了溶解氧(DO)实时预测模型,并以深圳湾为例采用浮标资料预测1,3,6和12h的溶解氧.模型预测结果表明,模型最优的输入条件为pH值,水温,叶绿素a,氧化还原电位和蓝绿藻5个水质指标,1...
运用Pearson相关性分析,变量重要性评分和随机森林方法构建了溶解氧(DO)实时预测模型,并以深圳湾为例采用浮标资料预测1,3,6和12h的溶解氧.模型预测结果表明,模型最优的输入条件为pH值,水温,叶绿素a,氧化还原电位和蓝绿藻5个水质指标,1h预报的相关系数在0.9以上,6h预报结果一定程度上可以满足工程要求,但对低溶解氧事件的预报必须在3h以内.
展开更多
关键词
溶解氧
预测模型
变量重要性评分
随机森林
下载PDF
职称材料
基于Group-Lasso天麻品质形成关键因子的分析
2
作者
王红洁
王科
+1 位作者
余水祥
马云桐
《中草药》
CAS
CSCD
北大核心
2023年第13期4278-4285,共8页
目的为提高人工种植天麻的质量,基于Group-Lasso变量筛选构建随机森林回归模型分析影响天麻品质形成的关键因子。方法基于Group-Lasso法,对2007—2022年天麻质量研究文献中天麻素含量及产地环境变量等数据进行变量筛选,并在筛选出的变...
目的为提高人工种植天麻的质量,基于Group-Lasso变量筛选构建随机森林回归模型分析影响天麻品质形成的关键因子。方法基于Group-Lasso法,对2007—2022年天麻质量研究文献中天麻素含量及产地环境变量等数据进行变量筛选,并在筛选出的变量基础上建立随机森林回归模型及计算变量重要性得分。结果最终选择了产区、生长状况、种质类型、产地气候类型、产地土壤类型、最热月均温、产地年降水量、产地年日照时数和无霜期9个变量,基于被选变量与天麻素含量建立随机森林回归模型,模型的均方误差(mean square error,MSE)和平均绝对百分误差(mean absolute percentage error,MAPE)分别为0.1032和14.08%,特征重要性排序显示天麻素含量的最大影响因素是产地年降水量,其次是产地土壤类型、无霜期和产地年日照时数。结论随机森林回归模型有相对较低的误差和较高的预估精度,更适合用于对天麻种植环境的分析和天麻素含量的估算,为人工种植天麻提供参考。
展开更多
关键词
天麻
天麻素
Group-Lasso
变量
筛选
随机森林回归
变量重要性评分
原文传递
题名
基于变量重要性评分-随机森林的溶解氧预测模型——以深圳湾为例
被引量:
6
1
作者
杨明悦
毛献忠
机构
清华大学深圳国际研究生院海洋工程研究院
出处
《中国环境科学》
EI
CAS
CSCD
北大核心
2022年第8期3876-3881,共6页
基金
国家自然科学基金资助项目(42076150)。
文摘
运用Pearson相关性分析,变量重要性评分和随机森林方法构建了溶解氧(DO)实时预测模型,并以深圳湾为例采用浮标资料预测1,3,6和12h的溶解氧.模型预测结果表明,模型最优的输入条件为pH值,水温,叶绿素a,氧化还原电位和蓝绿藻5个水质指标,1h预报的相关系数在0.9以上,6h预报结果一定程度上可以满足工程要求,但对低溶解氧事件的预报必须在3h以内.
关键词
溶解氧
预测模型
变量重要性评分
随机森林
Keywords
dissolved oxygen
prediction model
variable importance measures
random forest
分类号
X832 [环境科学与工程—环境工程]
下载PDF
职称材料
题名
基于Group-Lasso天麻品质形成关键因子的分析
2
作者
王红洁
王科
余水祥
马云桐
机构
桂林理工大学理学院
成都工业学院大数据与人工智能学院
成都中医药大学药学院
出处
《中草药》
CAS
CSCD
北大核心
2023年第13期4278-4285,共8页
基金
四川省科技厅重点研发项目:川产地道药材大品种精深加工关键技术及产品开发的研究与示范(2020YFN0152)
川产道地药材品质评价关键技术装备研究(2021YFS0045)。
文摘
目的为提高人工种植天麻的质量,基于Group-Lasso变量筛选构建随机森林回归模型分析影响天麻品质形成的关键因子。方法基于Group-Lasso法,对2007—2022年天麻质量研究文献中天麻素含量及产地环境变量等数据进行变量筛选,并在筛选出的变量基础上建立随机森林回归模型及计算变量重要性得分。结果最终选择了产区、生长状况、种质类型、产地气候类型、产地土壤类型、最热月均温、产地年降水量、产地年日照时数和无霜期9个变量,基于被选变量与天麻素含量建立随机森林回归模型,模型的均方误差(mean square error,MSE)和平均绝对百分误差(mean absolute percentage error,MAPE)分别为0.1032和14.08%,特征重要性排序显示天麻素含量的最大影响因素是产地年降水量,其次是产地土壤类型、无霜期和产地年日照时数。结论随机森林回归模型有相对较低的误差和较高的预估精度,更适合用于对天麻种植环境的分析和天麻素含量的估算,为人工种植天麻提供参考。
关键词
天麻
天麻素
Group-Lasso
变量
筛选
随机森林回归
变量重要性评分
Keywords
Gastrodia elata Bl.
gastrodin
Group-Lasso
variable screening
random forest regression
variable importance measures
分类号
R282.2 [医药卫生—中药学]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于变量重要性评分-随机森林的溶解氧预测模型——以深圳湾为例
杨明悦
毛献忠
《中国环境科学》
EI
CAS
CSCD
北大核心
2022
6
下载PDF
职称材料
2
基于Group-Lasso天麻品质形成关键因子的分析
王红洁
王科
余水祥
马云桐
《中草药》
CAS
CSCD
北大核心
2023
0
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部