广州某区PM_(2.5)和气态污染物质量浓度的日变化特征及其相关性分析

本文分析了2015年3月至2016年2月广州某区细颗粒物(PM_(2.5))和气态污染物(SO_2、NO_2、CO、O_3)质量浓度的日变化特征,并对PM_(2.5)和气态污染物之间质量浓度的相关性进行分析,结果表明:PM_(2.5)、SO_2、NO_2、CO、O_3大气污染物存在一定规律的日变化特征。PM_(2.5)与SO_2、NO_2、CO、O_3全年质量浓度的相关系数范围分别为0.184～0.219,0.271～0.436,0.170～0.368和0.051~0.318,存在一定的线性正相关关系。

基于XGBoost农业经济产业结构分析——以广东省中山市为例

通过构建XGBoost模型,以中山市历年种植业、渔业、畜牧业和林业的各产值为自变量,以农业经济总产值为因变量进行回归分析。结果表明:历年种植业产值平均增幅为3.45%,林业产值平均增幅为2.16%,畜牧业产值平均增幅为0.46%,渔业产值平均增幅为9.69%,模型拟合曲线显示各农业产业均推动了中山市农业总经济正增长。从XGBoost模型特征相关性参数分析得出渔业对中山市农业经济总产值贡献占比最大,约占59.8%,种植业约占35.5%,畜牧业占4.2%,林业占0.5%,说明渔业与种植业是中山市农业经济支柱产业。通过与其他模型对比分析,该研究提出的评价指标通过均方根误差、R~2、平均泊松偏差回归损失分别为0.715 5、0.999 9、6.499 1×10~(-6),均优于其他模型,验证了提出的XGBoost模型对于中山市各产业历年产值数据拟合与特征相关性分析具有很高的拟合精度以及鲁棒性,可为我国农业产业提供较好的回归拟合分析模型。

基于多层交叉注意力融合网络模型的人脸图像情感分析

目前大多数人脸图像情感分析方法只单方面关注图像整体或局部来构建视觉情感特征表示,忽略了二者在情感表达上的协同作用。针对此问题,提出了一种多层交叉注意力融合网络情感分析方法。该方法首先利用特征相关性分析实现最大化类的可分性;其次通过多层交叉注意力网络中的多个不重叠的注意力区域来提取整体和局部的信息;然后将整体与局部提取的注意力图进行融合,来共同训练图像情感分类器并进行情感分析。实验结果表明,提出的方法在真实数据集RAFDB上的情感分类准确率达到了88.53%,优于现有其他方法,验证了该方法的有效性与优越性。

基于XGBoost算法融合多特征短期光伏发电量预测

针对目前光伏发电过程中由于"弃光"现象导致能源利用率低和经济性差等问题,提出一种基于XGBoost算法融合多种特征的短期光伏发电量预测的方法。文中介绍了XGBoost算法的基本原理,引入正则化惩罚函数和误差函数来构建光伏预测模型的目标函数;分析了光伏发电量和各特征之间的皮尔森相关系数,同时对特征的异常数据进行预处理。在训练过程中为了避免对模型超参数的影响,采用K折交叉验证(K Fold Cross Validation)对数据的训练集、验证集和测试集进行划分。训练完模型参数后把测试集数据放到光伏预测模型中,预测得到未来三天的光伏发电量。对比实验选择SVM和LSTM两种预测方法进行,实验结果表明XGBoost算法在预测光伏发电中具有较高的准确性和实用性。