基于LightGBM和LSTM指纹定位算法的研究

为进一步提高用户室外指纹定位的预测精度,提出了一种基于LightGBM(轻度提升机)算法和LSTM(长短期记忆神经网络)相结合的模型,通过分析比较基站收集到的用户信息,分别利用LightGBM与LSTM算法进行用户位置的预测,对两种方法预测的结果用误差倒数法减小误差同时对权重进行更新,得到结果作为新的预测值,在用户真实数据集上进行测试。测试结果表明,在对基站收集的用户信息进行指纹定位时,与其它模型相比,文章提出的模型在运行时间和预测精度方面均表现出良好的性能。

建成环境对行人交通事故严重程度的非线性影响

为探索建成环境对行人交通事故的影响并为行人事故预防提供理论依据,本文以建成环境“5D”要素为基础,围绕土地利用、城市设计和交通系统这3个维度构建昼夜建成环境指标体系,基于轻度梯度提升机构建昼-夜间行人交通事故严重程度模型,探究城市建成环境对行人交通事故严重程度的影响机制,结合SHAP(Shapley Additive Explanation)归因分析方法揭示两者之间的非线性关系,并以深圳市为例进行实证分析。结果表明:建成环境对行人交通事故的影响效应存在显著的时段异质性;昼间行人交通事故严重程度主要受人行道可达性、地铁站可达性及学校邻近度等因素的影响;夜间行人交通事故严重程度主要受人行道可达性、娱乐兴趣点(POI)指标及道路照明条件等因素的影响。建成环境对行人交通事故严重程度存在显著的非线性影响。昼间时段学校邻近度介于[0,3]km时,地铁站可达性小于1 km时,对行人事故严重程度有较大抬升作用;夜间时段娱乐POI可达性小于0.5 km时,对行人事故严重程度有抬升作用;不论昼夜,人行道可达性对行人事故严重程度均有压降作用,且临街院门密度低的区域行人事故严重程度较高。昼-夜间模型均表现出优秀的效果,分类准确率分别为96.38%和92.08%。

基于DLCEEMDAN-SA-TCN和误差修正的短期风电功率预测

风电功率的精确预测能有效降低并网过程中给电力系统带来的波动,故文章提出一种基于时序分解和误差修正的风电功率预测方法。该方法首先利用最大信息系数法(maximum information coefficient,MIC)选择出与风电功率相关性强的特征,以降低原始数据的复杂度;然后针对风电功率的非平稳特性,采用双层自适应噪声完备集合经验模态分解(double layers complete ensemble empirical mode decomposition with adaptive noise,DLCEEMDAN)将风电功率分解为若干个平稳的子序列;最后利用融合注意力机制的时间卷积网络(temporal convolutional networks,TCN)对风电多变量时间序列进行动态建模;为进一步提高预测精度,引入轻梯度提升机(light gradient boosting machine,LightGBM)对预测值进行误差修正。结合国内某风电场实测数据进行实验,仿真结果表明,所提方法具有较高的短期风电功率预测精度。

山区双车道公路货车移动遮断小客车跟驰风险预测模型

选取典型山区双车道公路弯道和直道为研究对象,基于无人机航拍视频提取的交通轨迹数据,通过轻度提升机算法构建了货车移动遮断下小客车跟驰风险预测模型,采用支持向量机、随机森林验证了模型有效性,分析了模型关键特征参数风险作用机制。实验结果表明:基于轻度提升机算法的风险预测模型准确率达96.9%,具有优越性,速度差、跟驰间距是模型关键特征参数,直道上单因子重要度更大;相比弯道,直道路段危险驾驶行为突出,大幅横向偏移等不稳定跟驰特征明显;由模型解释器结果可知,当速度差小于0.5 m/s、跟驰间距大于40 m时,是较为安全的跟驰状态。

支气管哮喘疗效预测模型构建的研究

目的 利用咳喘停穴位贴敷治疗支气管哮喘(简称“哮喘”)患者的数据,探讨中医药疗效预测模型构建方法及要点。方法 在哮喘慢病管理科研平台上,选择2018—2021年的6—8月于江苏省中医院针灸康复科接受咳喘停穴位贴敷治疗6周的支气管哮喘患者的数据资料,共303例。统计分析使用Python 3.10软件,对影响因素进行初步筛选,将保留的影响因素采用Logistic回归、支持向量机、K-均值聚类算法、贝叶斯算法、随机森林法和轻量梯度提升机算法(LightGBM)分别构建模型,以哮喘控制测试评分(ACT)、第1秒用力呼气量(FEV1)及呼出气一氧化氮(FeNO)是否改善为结局指标,对各模型进行比较分析。然后,采用较优的模型,通过在训练集上建模、在验证集上验证,得到准确率,并筛选出重要的影响因素。结果 LightGBM模型被采用。通过LightGBM模型建立的咳喘停穴位贴敷治疗哮喘的疗效预测模型准确率均超过70%;最终筛选出烟酒嗜好、过敏病史、贴敷时间、治疗前ACT及治疗前FeNO共5个重要的影响因素。重要影响因素的分级分组与因变量关系的分析结果显示,咳喘停穴位贴敷对无过敏史、无烟酒嗜好和治疗前哮喘控制水平很差(ACT 5~15分)人群的ACT改善更明显(P<0.05);对于贴敷时间超过3年的患者FeNO改善较贴敷时间小于等于3年的更明显(P<0.05)。但咳喘停穴位贴敷仅对哮喘控制水平很差(P<0.05)和气道炎症严重(FeNO>50×10^(-9))的少数患者FeNO(P>0.05)起改善作用。结论 穴位贴敷对哮喘控制水平的改善作用较明显,对气道炎症的改善作用有限;利用哮喘慢病管理科研平台的数据进行预测模型构建具有一定可行性;根据本研究的数据所建立的预测模型经过优化和测试后有可能为临床针对性治疗提供有效的测评工具。