基于梯度增强决策树算法的纸张质量软测量模型

本研究提出了一种基于梯度增强决策树(GBDT)算法的纸张质量软测量模型,该方法可在线软测量纸张的关键物理指标如抗张强度、柔软度和松厚度。结果表明,采用GBDT进行纸张质量软测量时,抗张强度、柔软度和松厚度的平均相对误差分别为7. 21%、7. 38%和3. 5%;采集新数据验证后,纸张抗张强度、柔软度和松厚度的平均相对误差分别为6. 87%、6. 88%和3. 12%,表明模型对新验证数据的预测结果精度高。

利用无人机激光雷达估算红树林地上生物量

红树林作为热带地区碳储量最高的植被类型之一,面积呈现破碎化、减少趋势,地上生物量(AGB)的空间分布及其动态信息对于温室气体通量、碳储量的估算以及政策制定和实施至关重要。但是常用于AGB估算的光学数据或者SAR数据均存在信号饱和现象,且传统估算红树林生物量的算法对数据要求高、估算精度相对较低。针对该问题,本研究使用无人机激光雷达(UAV-LiDAR)数据对比了4种梯度增强决策树算法对于估算入侵红树林物种无瓣海桑AGB的精度,同时探讨了建模过程中的变量重要性。结果表明:(1)XGBR对于评估红树林AGB具有较高的拟合能力,达到R2=0.8338,RMSE=1.55 Mg/hm^(2);(2)研究区的无瓣海桑预测AGB的值为73.10~190.00 Mg/hm^(2),平均值为109.10 Mg/hm^(2);(3)描述冠层高度特征的激光雷达指标是估计红树林AGB的重要变量。本研究证明了UAV-LiDAR数据与XGBR模型对于估算红树林AGB的可行性,以期为红树林生态系统的蓝碳研究提供数据支撑。

改进的XGBoost模型在股票预测中的应用

随着时代的不断进步,人民生活水平日益提高。在解决温饱问题之余,有了可供投资的余财。越来越多的人将目光转向股市投资,为股市发展提供了资金条件。然而在纷繁复杂的股票市场,如何寻找最优股成为亟待解决的问题。这不仅是投资者单方面的困惑,也是股票预测领域中学者们所关心的重点。通过网格搜索算法对XGBoost 模型进行参数优化构建GS-XGBoost 的金融预测模型,并将该模型运用于股票短期预测中。分别以中国平安、中国建筑、中国中车、科大讯飞和三一重工2005 年4 月至2018 年12 月28 日的每日收盘价作为实验数据。通过实验对比,相较于XGBoost 原模型、GBDT模型以及SVM模型,GS-XGBoost 模型在MSE、RMSE与MAE三个评价指标上都表现出较好的预测结果。从而验证,GS-XGBoost 金融预测模型在股票短期预测中具有更好的拟合性能。

基于动态可重构电池网络的OCV-SOC在线估计

随着大规模储能系统的广泛发展,快速准确地估计锂离子电池的荷电状态(state of charge,SOC)对系统的安全可靠运行至关重要。然而,在传统的固定串并联电池单元/模块拓扑结构中,无法直接测量电池单元/模块的开路电压(open circuit voltage,OCV),也就无法建立OCV-SOC映射关系来准确估计SOC。对此,提出一种基于新型动态可重构电池网络的精准SOC估计方法。该方法可以在1s内测量得到OCV,然后使用梯度增强决策树估计电池单元/模块的准确SOC。实验结果表明该方法的高效率和有效性,为电池状态估计提供了一个范式结构。

基于GBDT+LR分类器的工业过程区域控制性能评价

由于工业过程控制回路之间往往存在着比较强的相关性,面向工业过程区域的控制性能评价更加具有实际意义。提出了一种将梯度增强决策树与逻辑回归算法(GBDT+LR)相结合的分类器,将其用于工业过程区域控制性能评价。该方法分为线下和线上阶段,在线下阶段,首先对工业过程区域的相关历史数据进行处理,综合偏差平方指标和协方差指标对过程区域控制性能的影响,由操作工程师给出“优”、“良”、“差”的区域控制性能评价标签,并训练GBDT+LR分类器;在线上阶段,实时计算区域控制性能指标送入分类器,给出控制性能评价结果。以精馏塔过程实验对所提方法进行了仿真验证,表明了其有效性。

基于电子病历的缺血性脑卒中复发预测方法研究

面向卒中的医疗文本提供了患者完整的健康状况和其他有价值的信息。本研究的目的是确定急性缺血性脑卒中患者1年后复发的危险因素,并构建一个有效的预测模型。在给定脑卒中危险因素变量参数的基础上,构建梯度提升决策树预测模型,确定个体卒中发病概率,以确定危险因素对卒中预测的影响。此外,本研究回顾性地收集了深圳市某三级医院2016年7月至2017年12月这18个月内收治的858例急性缺血性脑卒中患者的病历。为了保证数据质量,本研究对患者的医疗数据进行数据预处理,并使用准确率、召回率、F1分数对模型进行评估。通过模型训练和交叉验证,有效评估了患者的死亡风险,展现了预测模型的实际应用场景。

基于链路质量估计的灾害监测传感网分簇路由

针对灾害监测传感网呈现出典型的间歇性连通和区域性连通特征,导致数据传输不稳定甚至传输失败的问题,提出一种基于链路质量估计的分簇路由算法.构建基于梯度增强决策树(GBDT)的链路质量估计模型,通过接收信号强度指示(RSSI)、链路质量指示器(LQI)和信噪比(SNR)估计链路的数据包接收速率(PRR)值,根据所获得的PRR估计值对网络分簇,实现簇内数据的高效传输.在此基础上,设计综合链路质量、节点剩余能量等指标的自适应功率分簇路由算法,包括单跳算法LQE-PA和多跳算法LQE-PAMH,通过自适应功率传输的方式将低质量链路提升为高质量链路.仿真结果表明该算法在包传输成功率、网络生存周期和网络吞吐量等方面具有明显优势.