基于梯度提升树模型的坡耕地土壤水蚀模拟与分析

[目的]针对黄土高原坡耕地土壤侵蚀过程复杂、人为干扰强烈且难以量化的特点,利用机器学习定量解析主要影响因素对坡耕地土壤水蚀的作用与贡献,模拟分析坡耕地土壤水蚀特征并探究其机理,为坡耕地土壤侵蚀的预报提供基础支撑。[方法]基于黄土高原子洲试验站坡耕地小区1959—1969年产流产沙观测数据,精细化表征其影响因子,运用梯度提升树模型对侵蚀量和径流深的变化及其影响因素的贡献进行分析。[结果]数据集中次降雨侵蚀量(0~122.72 t/km^(2))、径流深(0.02~17.20 mm)、降雨历时(2~1410 min)及平均雨强(0.02~4.63 mm)属强变异,变异系数均>1,且多数变量呈右偏态;在相同训练集和测试集划分情况下,对侵蚀量模型预测精度(R^(2)=0.81)略优于径流深模型(R^(2)=0.80),但侵蚀量模型的层数(8层)大于径流深模型(5层),表明侵蚀机理相较径流机理更为复杂;通过梯度提升树模型与SHAP算法对自变量重要性进行排序发现,影响侵蚀模型与径流模型的自变量重要性不同。[结论]受特征提取的限制,在侵蚀量与径流深较小时预测结果不理想,未来研究应当通过引入更多自变量组合方式寻找更多相关变量以提高对侵蚀事件的预测。产流和产沙的主要影响因素存在差异,降水本身特征对产流过程起主要作用,侵蚀产沙过程中主要受到降水与地形相关自变量的共同影响。基于数据驱动,为揭示黄土高原坡耕地侵蚀机理提供参考,并为区域坡耕地土壤侵蚀防治提供科学依据。

基于提升树模型的中国商品期货期限结构策略研究

以中国商品期货市场作为研究对象,利用各商品期货品种的交易因子、库存因子、供需因子及无风险收益率等数据,用提升树模型对期货期限结构变化的方向加以预测,指导组合构建。研究结果显示,利用提升树模型可以有效提高组合表现,标准期限结构策略自2000年以来年化收益为11.38%,风险指标采用年化波动率为20.8%,从而标准期限结构策略的夏普比为0.451。而利用提升树对期限结构策略进行改良后年化收益率达17.4%,年化波动率为20.4%,改良后策略的夏普比提升至0.754,年化收益率和风险调整后的收益较之于标准策略显著提高。在风险厌恶系数λ取1时,投资者为采用改善后的策略愿意付出5.02%的年化费用率,尝试结合风险平价策略思想,按照波动率倒数分配品种在组合内权重,组合的年化收益为15.55%,夏普比为0.66并无显著改善,原因或与商品价格均值回复特征有关。

利用提升树模型综合Gabor和LPQ特征进行遥感地物识别

为充分融合高光谱遥感图像空间域和频率域的特征信息,提出了一种综合多尺度Gabor和LPQ特征的空谱融合遥感地物识别模型(Ms_GLPQ)。首先,在空间域上利用Gabor滤波器组,提取出遥感图像各类地物多尺度、多方向的空间邻域特征信息,以描述图像的边缘和纹理等空间结构信息;其次,在频率域上将局部相位量化(Local Phase Quantization,LPQ)算子应用于高光谱遥感图像,提取出高光谱图像的多尺度频域纹理特征,获得图像的相位不变特征描述;然后针对其中特征冗余的问题采用主成分分析(PCA)算法进行降维,再将空间域、频率域的特征进行特征融合,获得了能充分描述图像信息的特征向量;最后采用基于提升树的机器学习分类器(XGBoost、CatBoost等)进行识别。在Indian Pines、Salinas和茶树等高光谱遥感数据集上进行学习与分类测试,准确率分别为85.88%、94.42%和92.61%。实验结果表明:与传统方法相比,Ms_GLPQ模型能够提取小比例样本图像中的有效特征,取得了区分性更强的多特征区域描述子,且在采用提升树模型进行分类时效果更优,得到了比常用分类器更高的识别精度。

基于梯度提升回归树的城市道路行程时间预测

为了提高行程时间的预测精度,在考虑时间序列相关性的同时,分析相邻路段的空间相关性对于行程时间的影响,并提出基于梯度提升回归树模型的城市道路行程时间预测方法.对车牌识别设备获取的实际数据进行预处理,并提出相应的补全算法以解决数据缺失问题,建立完整的历史数据集.通过分析各影响因素与行程时间的相关性,构建特征向量.为了能更好地理解模型,通过梯度提升回归树模型输出各变量对于预测结果的重要度.利用实际数据对模型进行评估,预测行程时间的平均绝对误差百分比,约为10.0%.与SVM、ARIMA等方法相比,所提方法具有较高的精度.

基于模型融合方法的中文疾病问答文本匹配方法研究

目的中文疾病问答系统中的文本匹配由于中文医学用语的特殊性而存在诸多挑战,本研究旨在探索更好解决中文疾病问答系统中文本匹配的机器学习方法。方法提出了一种基于BERT与提升树模型的模型融合方法,并利用CHIP2019疾病问答迁移学习评测任务中提供的数据集进行验证。结果此方法在评测数据集上比其他BERT衍生模型表现更优,评测指标Macro F1值达到0.90825。同时,实验表明此方法与BERT模型相比在效果上提升了3.83%。结论本研究所提出的模型融合方法可以有效地提升单个模型的性能,在疾病问答迁移学习评测任务中取得了良好的效果。

基于梯度提升树的电力物资在库时长预测

针对电力公司物资库龄长、周转率低等问题,文章通过分析物资周转显性化特征,梳理影响物资周转和积压的因素,引入物资需求偏差、项目施工进度偏差等指标参数,提出一种基于梯度提升树的物资在库时长预测模型,通过多参量构建梯度回归树拟合损失函数得出学习率,在预测模型中进行物资在库时长预测。通过对某电力公司2017—2019年物资数据进行训练和预测,经实验分析,该模型对电力物资在库时长预测准确率为95%。同BP神经网络、L1/2稀疏迭代回归和线性回归算法比对后发现,该模型在方差、误差、准确率方面优于其他算法,证明了该模型的准确性和实用性。

基于GAM和BRT模型的不同渔汛期水温垂直结构对西北太平洋柔鱼CPUE的影响

为探究水温对西北太平洋柔鱼(Ommastrephes bartramii)单位捕捞努力量渔获量(CPUE)的影响,利用2015—2019年间5—11月西北太平洋柔鱼的生产统计数据,结合同时期海洋环境数据,对不同渔汛阶段分别采用广义加性模型(generalized addictive models,GAM)及提升回归树(boosting regression tree,BRT)模型,分析不同水层(0-300 m)温度及垂直温度梯度对CPUE的影响,并采用多次十折交叉验证评估了两种模型的稳定性和准确性。结果表明:渔汛初期(5—7月),GAM模型筛选的关键因子依据偏差解释率大小依次为纬度(Lat)和150 m水层温度(T_(150))、50-100 m水温梯度(G_(50-100))、经度(Lon)和100-150 m水温梯度(G_(100-150)),BRT模型筛选出的关键因子按贡献率大小依次为表层温度(T_(0))、0-50 m水温梯度(G_(0-50))、50 m水层温度(T50)、Lat和G_(50-100);渔汛旺期(8—11月),GAM模型筛选出的关键因子依据偏差解释率大小依次为Lat、Lon、T_(0)、G_(0-50)和G_(50-100),BRT模型筛选出的关键因子按贡献大小率依次为G_(0-50)、Lon、T_(0)、Lat和T50;两种模型比较显示,BRT模型在拟合优度方面优于GAM模型。研究表明,不同渔汛阶段西北太平洋柔鱼CPUE的关键影响因素有所不同,渔汛初期中上层水温对CPUE影响较大,而渔汛旺期浅水层水温对CPUE贡献较大。

基于图像处理和GBRT模型的表土层土壤容重预测

针对传统的表土层土壤容重测量方法费时、耗力的问题,利用易获得的土壤物理参数实现农田大范围表土层土壤容重的快速、准确预测。通过分析表土层土壤容重与土壤表面粗糙度、土壤阻力的关系,构建了以土壤表面粗糙度和土壤阻力为输入的GBRT模型,土壤表面粗糙度利用图像处理技术获得,土壤阻力使用实验室车载式阻力测量系统获得。使用同态滤波技术对土壤表面图像进行预处理,提取图像灰度直方图的熵、平均值、方差、偏度和峰度表征图像的纹理特征参数,提取图像灰度共生矩阵的能量、熵、对比度和逆方差表征图像的区域特征参数。利用灰度关联分析,从9个表征土壤表面粗糙度的特征参数和土壤阻力中选取与表土层土壤容重关联度大于0.65的变量作为模型输入,将得到的GBRT模型预测结果与环刀法得到的结果进行相关性分析,R2达到0.8782,平均绝对误差达到0.021 g/cm^3。同时在相同的输入参数和运算环境下,与BPNN和SVR模型的预测精度和运算速度进行了对比,验证得到GBRT模型具有更高的预测精度和更短的运算时间。本文研究结果为科学指导农田表土层土壤容重的获取提供了思路。

CEO特征与股价崩盘风险预警——基于Gradient-Boosting模型的研究

选取2010—2020年沪深A股企业样本,构建梯度提升树模型评估CEO先天特征、人生经历、认知水平与公司组织结构四个特征维度对股价崩盘风险的预警和识别效果。研究发现:CEO特征对于股价崩盘风险预测效果显著;CEO特征与股价崩盘风险之间存在多重内在预测机制;采用Kmeans聚类算法对CEO类型进行划分,“领导型”与“改革型”CEO对股价崩盘风险的影响与预测效果存在显著差异。应完善高管遴选制度与激励机制设计,提高公司治理水平,促进资本市场健康发展。

基于回归树集成学习方法的工业增长预测和分析

本文从众多变量中筛选出59个相关经济指标,分别考查疫情前后传统时间序列模型和几种回归树集成学习模型对中国工业增加值增速的预测效果,并结合Shapley additive explanations(SHAP)方法对相关预测变量的作用进行解释分析.研究发现,随着预测步长的增加和新冠疫情的暴发,传统时间序列模型的预测性能明显减弱,而集成学习模型的预测表现则相对较好,其中梯度提升树模型在较长预测步长中更加稳健和准确.基于SHAP方法的分析发现,作为预测变量的经济指标在不同时期的重要性有所不同,除生产、投资等指标外,金融类变量在高风险时期也具有一定的预测作用,需结合具体时间和预期目标来选择合适的经济指标进行工业增长预测.基于预测的视角可在一定程度上说明新冠疫情冲击可能不会改变工业增长未来走势的基本面.

建成环境与共享单车流率的非线性关系研究

共享单车流率的大小体现了城市空间环境内车辆盈缺的程度,理解其变化及其诱因对于城市单车的调度具有重要意义。由于出行目的和外界环境因素的复杂多变,共享单车流率和建成环境特征之间的关系很难通过具有线性假设的统计学模型来解析。基于此,本研究利用上海市中心城区的共享单车数据,基于极端梯度提升树模型(XG‐Boost)和机器学习的解释性方法部分依赖图(PDP)来探究建成环境对共享单车流率的贡献度和非线性影响,以及流率的非线性模式在工作日和周末的变化。结果显示,特征重要度和非线性机制在两个时段差异化显著。居住人口密度、教育设施密度和住宅设施密度对工作日单车流率的解释度较高,分别为 19.18%、13.16% 和 12.92%,并且具有明显的阈值效应。其中居住人口密度和教育设施密度对于单车净流出率具有正向影响,分别在 11 600 人/km^(2)和 8 个/km^(2)达到最大;住宅设施密度对单车净流出率具有负向影响,对应的阈值为 40 个/km^(2)。各变量对周末单车流率的解释度差异较小,但非线性关系仍不可忽视。具体来说,到市中心的距离和公交线数密度对周末单车净流入率正向影响显著,有效范围为 18~23 km和28~52 条/km^(2);容积率对周末单车净流出率正向影响范围在 0.89~1.41。上述发现表明 XGBoost 模型可以有效弥补传统回归模型(MLR)线性假设的偏见,建成环境特征贡献度和影响范围的揭示也为管理部门针对具有不同建成环境水平地区的单车调度提供决策建议。

机场典型霾过程大气消光特性及能见度预测模型

大气能见度是机场运行的重要指标之一,探究机场低能见度天气形成机理、准确预测能见度变化趋势对保障航空交通安全高效运行至关重要。选取天津机场为研究对象,开展大气光学参数、污染物浓度及气象条件监测,研究了2020年12月08—23日一次典型霾天气过程中机场大气消光特性,并基于广义加性模型(generalized additive model,GAM)和梯度提升回归树模型(gradient boost regression tree,GBRT)分别构建机场能见度预测模型,对比并确定最优模型。结果表明,在天津机场冬季一次典型霾污染引起的低能见度过程中,大气总消光系数Bext为37.4~891.7Mm^(-1),平均值为346.0 Mm^(-1)。其中,B_(sp)、B_(ap)、B_(ag)、B_(sg)对B_(ext)的贡献占比分别为73.7%、11.7%、5.9%和8.7%,气溶胶污染是造成能见度降低的主要因素,GBRT分析显示1μm以下粒子对总消光的相对贡献最大。同时,大气黑碳(BC)和NO_(2)也会通过消光作用降低能见度。利用气象参数和污染物浓度数据,通过GAM和GBRT模型均可以对机场能见度进行较为准确的预测,其中GBRT模型的拟合效果优于GAM模型,表明GBRT模型可在多发的霾天气中提供准确可靠的机场能见度预测。

大数据背景下基本医疗保险公平性评价——基于boosting算法的实证研究

近年来基本医疗保险参保率不断升高,全民医保目标已基本实现,相关的研究焦点也逐渐从机会公平转向结果公平。利用boosting算法对医疗保险中的记账费用划分等级,同时运用基尼系数、广义熵指数、阿特金森指数,从水平公平与垂直公平两个方面对城镇职工基本医疗保险及城镇居民基本医疗保险进行了评价。结果发现:总体公平性方面,职工医保各费用级别的实际补偿比差距较大;居民医保各费用级别的实际补偿比差距较小,但总体补偿水平远低于职工医保。在水平公平性方面,职工医保与居民医保各费用级别的记账费用分布均处于公平状态,水平公平性较好;而垂直公平性方面,与居民医保相比,职工医保记账费用分布能够更好地体现垂直公平性。

网络流量时延特征数据的识别方法仿真

当前的网络流量时延特征识别方法未能在特征识别过程提升流量梯度,导致识别出现较大偏差,且方法的响应时间较长。为此提出基于朴素贝叶斯的网络流量时延特征识别方法。利用移动蜂窝网络通信链路技术和无线资源控制机制造成的网络流量时延波动完成建模分析,同时结合往返时延计算结果,获取与数据时延相关的网络流量特征。通过特征描述得到不同网络节点接入互联网技术差异导致的时序分布。将极端梯度提升树模型和朴素贝叶斯相结合,构建分类器,完成网络流量时延特征的识别。仿真结果表明,所提方法能够获取高精度的网络流量时延特征识别结果,同时还能够有效缩短响应时间。

近30年中国主要农田土壤pH时空演变及其驱动因素

【目的】研究中国农田土壤pH时空变化特征及其主要的驱动因素,为土壤酸化阻控、土壤质量提升和土地可持续利用提供理论基础。【方法】基于农业农村部布置在全国主要农田区域的耕地质量监测点数据(950个),分析旱地、水旱轮作、水田等不同土地利用类型下土壤pH时空变化特征,并利用提升回归树模型探究影响土壤pH变化的主要驱动因素。【结果】就全国而言,土壤pH及其变异系数表现为旱地(6.74±1.19和17.63%)>水旱轮作(6.54±0.93和14.26%)>水田(5.80±0.81和13.95%),其中华南地区农田土壤pH表现为水田(5.74±0.79)大于水旱轮作(5.47±0.56)和旱地(5.45±0.91)。从监测初期(Ⅰ阶段,1988—2000)到监测中期(Ⅱ阶段,2001—2010),旱地和水田土壤pH整体上随时间呈降低趋势,下降速率分别为0.065和0.054/年(P<0.01),而水旱轮作土壤pH无显著变化;从Ⅱ到Ⅲ阶段(2001—2018),旱地和水旱轮作土壤pH整体上随时间呈上升趋势,上升速率分别为0.022和0.016/年(P<0.05),而水田土壤pH无显著变化。东北、华北、西南、长江中下游地区的旱地土壤pH随时间均呈线性下降趋势(P<0.05),而华南地区从Ⅱ到Ⅲ阶段呈线性上升趋势(P<0.01);西南、长江中游和华南地区水田土壤pH从Ⅰ到Ⅲ阶段呈线性下降趋势(P<0.01),而东北、西南和长江下游地区pH从Ⅱ到Ⅲ阶段呈上升趋势(P<0.01);西南地区水旱轮作土壤pH从Ⅰ到Ⅲ阶段呈线性下降趋势(P<0.01),而华北、长江下游和华南地区pH从Ⅱ到Ⅲ阶段呈上升趋势(P<0.05)。通过Pearson和提升回归树分析发现,年均降雨量是造成土壤pH空间尺度上差异的最主要因素,其次是土壤质地、容重和有机质含量。此外,在旱地土壤上长期的氮肥投入和在水田和水旱轮作土壤上钾肥的投入对pH变化的影响较大。【结论】整体而言,我国旱地和水田土壤pH从监测初期到中期呈快速下降趋势,而旱地和水旱轮作土壤pH从监测中期到2018年呈缓慢增加趋势。东北地区的旱地土壤pH呈持续下降趋势,需要引起重视。氮肥在旱地和钾肥在水田上的施用导致土壤pH的降低,今后应优化水肥运筹,通过改善土壤容重和有机质进而有效调控土壤pH。

基于用户会话的TF-Ranking推荐方法

基于用户会话日志,提出了一种融合XGBoost和门控循环单元网络的TF-Ranking推荐方法。该方法利用门控循环单元学习用户行为。首先,利用XGBoost进行特征提取,克服了传统方法中数据模型复杂的缺陷,使数据模型在保持原始属性的基础上大大降低了复杂度;其次,利用改进后的Dropout网络对数据进行处理,使得召回率提高了1.32%;最后,基于Learning to Rank与Pairwise方法训练用户会话数据,尽可能为用户提供一个与查询内容相关性较强的正向排序推荐清单。实验在Trivago RecSys Challenge 2019数据集上进行。结果表明,所提出的推荐算法在召回率和平均倒数排名上均有提高,而且可以应用于大规模数据推荐。

基于机器学习的场外配资识别算法设计与应用

场外配资是一种高风险的融资手段,对可疑的场外配资行为进行及时的识别与监控,有利于维护投资者的合法权益与证券市场的稳定。为此提出一种基于改进XGBoost机器学习算法的配资账户识别方法。通过分析场外配资的业务逻辑,构建了与识别算法强相关的特征指标体系,并结合场外配资行为特性采用召回率作为关键度量指标。通过对所构建识别算法的对比分析,所提出的基于XGBoost的场外配资识别模型得到了更加准确的识别效果,并且通过市场交易行为分析能够更加灵活快速适应市场环境变化,从而更好地用于证券市场的场外配资监控。

GAM模型和BRT模型在长江口鱼类群落多样性预测中的比较

长江口为西太平洋最大的河口,评估其鱼类群落多样性分布能够为长江口生态系统的修复和管理提供科学依据.本研究基于2012—2014年长江口渔业监测数据,分别使用GAM模型和BRT模型建立各站点水域鱼类群落多样性指数与环境和时空因子之间的关系.结合线性回归方程,采用交叉验证的方式对模型的预测能力和拟合效果进行评价,并绘制了2014年长江口鱼类群落多样性指数和丰富度指数的空间分布图.结果表明:盐度、p H和叶绿素a对多样性指数贡献最高,p H、溶解氧和叶绿素a是对丰富度指数贡献率最高的环境因子.BRT模型对于多样性指数和丰富度指数的拟合和预测结果均优于GAM模型.空间分布预测显示,相较于GAM模型,BRT模型能够对长江口小面积水域间的鱼类群落多样性作更好的区分,河口外侧水域的鱼类群落多样性明显高于河口内侧水域,而北支水域的多样性高于南支水域.

基于GBRT算法的地层孔隙压力预测研究

本文提出了一种基于梯度提升回归模型的地层孔隙压力预测新方法。实际应用表明:新方法预测精度更高、适用范围更广泛,证明该模型可有效预测地层孔隙压力,具有良好的实用性。

哈尔滨街区PM_(2.5)分布与街区形态耦合机制及预测研究

城市污染物扩散受城市空间形态影响。选取典型寒地城市哈尔滨城区内10.1 km^(2)区域进行长期实测,实测内容包括不同城市空间形态下的PM_(2.5)浓度与城市微气候数据,发现相同时间内不同测点之间PM_(2.5)浓度的最大差异可达69.03μg/m^(3)。结合地理信息系统(GIS)提取并筛选合理缓冲半径下的城市空间形态数据,开展PM_(2.5)浓度预测实验,建立梯度提升回归树(GBRT)预测模型,分别与随机森林(RF)、决策树(DT)和多元线性回归(MLR)模型进行对比,结果表明:GBRT模型精度最高,R~2达到0.981;对城市空间形态要素进行影响程度排序,影响程度最高的是建筑密度(57%)和平均建筑高度(49%)。研究成果在揭示PM_(2.5)分布与街区形态耦合机制的同时也肯定了GBRT模型用于街区尺度PM_(2.5)浓度预测的合理性。