基于GBDT算法的吉林省玉米产量预测模型研究

玉米是我国种植面积最广、产量最高、食用最多的3种主要农作物之一,掌握科学预测玉米产量的技术,可以为农业的种植规划、粮食储存加工、市场调控提供技术支持。该文兼顾气象因素和土壤因素,建立BP神经网络模型、RBF径向基神经网络模型、GBDT梯度提升决策树模型,对吉林省各县市玉米产量进行回归分析,对比分析其误差。实验结果中,GBDT模型预测的产量和真实产量间的拟合程度较高,R2达到0.92,可以在吉林省各县市玉米产量预测中表现出较好的效果。结果表明该模型对吉林省40个县市玉米产量进行预测的可行性,数据易于获取,能够帮助政府农业部门制定相关政策和方针指导生产。

基于GBDT的沥青路面抗滑性能感知模型研究

为了克服接触式路面抗滑性能测试方法适用范围局限、稳定性与可重复性较差的缺陷,文章通过非接触式三维激光扫描技术建立沥青路面抗滑性能梯度提升决策树(GBDT)感知模型。研究选取巴通万高速公路上的12个测试站点,收集了216组原始数据,对路面三维纹理数据进行面积分层,并提取宏微观纹理指标。然后将不同面积占比下的宏微观纹理特征指标、测试温度及摩擦系数BPN分别代入模型中,并与决策树、随机森林、线性回归三个模型进行对比分析。研究表明,以40%为最佳切割面,GBDT路面抗滑性能感知模型准确度更高、稳定性更好,测试集R2达到0.8732,能够准确有效地评估沥青路面抗滑性能。GBDT感知模型参数重要性分析结果显示:温度对沥青路面抗滑性能具有显著性影响,针对不同的评价指标,其宏微观纹理特性对路面抗滑性能的影响差异性较大。研究验证通过非接触式路面纹理测试替代现有的接触式路面摩擦测试的可能性,所建立的指标体系和模型以期推动路面抗滑性能测试技术的进步。

基于PSO-GBDT模型的再生混凝土抗压强度预测

该文针对再生混凝土抗压强度预测问题,提出一种基于粒子群优化(PSO)和梯度提升决策树(GBDT)的再生混凝土强度预测模型。以粉煤灰、细骨料、粗骨料、粗骨料取代率、减水剂和水胶比作为输入变量,28 d抗压强度作为输出变量,以决定系数R2、均方根误差(RMSE)、平均绝对误差(MAE)作为评估指标,进行评估。实验结果表明,该文提出的PSO-GBDT模型在再生混凝土强度预测方面具有一定的应用价值且PSO算法优化对模型预测性能具有一定程度的提升。

基于Stacking集成学习的Lasso-GBDT组合房价预测模型研究

房地产行业是我国国民经济的重要组成部分,关乎国计民生。房价预测的准确性与稳定性,对政府、开发商和广大市民均具有重要的现实意义。本文利用网络爬虫方法获取银川市2015年4月至2021年3月安居客房产信息服务平台样本住宅价格数据,分别利用Lasso模型和梯度提升决策树(GBDT)模型对银川市房价进行预测;综合两种预测方法的优点,建构基于Stacking集成学习的Lasso-GBDT组合回归预测模型。通过实例预测结果比较,组合预测模型预测精度均在0.98以上,能有效避免病态数据对拟合程度的影响,较单项预测模型有更高的准确性和稳定性。

基于朴素贝叶斯和GBDT的提前采购决策模型

电子元器件供应链服务中,传统流程无差别地对所有客户订单型号确认客户交易意愿,导致启动采购的时机存在滞后性,增加了交易失败的风险。为了对高可信的交易提前启动采购流程,分别使用朴素贝叶斯和梯度提升决策树(Gradient Boosting Decision Tree,GBDT)两种算法预测最终能进入采购流程的订单型号。结果表明,使用朴素贝叶斯算法的正样本召回率为74.65%,负样本召回率为63.51%,略低于业务负责人的预定目标;而使用GBDT算法的正样本召回率为84.99%,负样本召回率为76.07%,达到了业务负责人的预定目标。

建成环境对轨道站点早高峰步行接驳比例的影响研究

为了分析城市建成环境对轨道交通站点早高峰步行接驳比例的影响,文章提出利用梯度提升决策树(GBDT)模型研究建成环境与步行接驳比例间的非线性关系。以南京地铁为例,获取开放平台POI数据,结合规划路网数据、接驳调查数据等多源数据,选取并计算站点周边半径800 m覆盖范围内的建成环境指标,利用GBDT算法进行回归分析,得到各指标对步行接驳比例的相对重要度和部分依赖图。研究结果表明,就业岗位密度、路网密度、用地混合熵指数、出入口方向覆盖率和公交站点密度对早高峰进出站步行接驳比例有明显的正向影响,步行可达性存在双向的影响,而住户密度和出入口数量的影响是负向的。

在线评论质量有用特征识别:基于GBDT特征贡献度方法

面对海量的在线评论,有用特征识别有助于消费者选择高质量的评论,为合理决策提供支持。该文基于信息采纳模型理论,在数码相机和手机数据集上提取了四类影响评论质量的有用特征集合,以logistic岭回归和基本decision tree模型作为基准模型,并结合递归特征消除(RFE)降维方法,比较检验了GBDT模型对评论质量分类和特征降维上的表现,揭示了各特征项对评论质量分类结果的"贡献度",进而识别关键特征。实验结果表明,基于GBDT模型对评论质量分类效果较好,评论发表时间、评论者排名、关键特征数量、评论字数是影响评论质量的关键特征。

基于GBDT和新型P-GBDT算法的催化裂化装置汽油收率寻优模型的构建与应用

催化裂化装置是一个高度非线性和相互强关联的多变量系统,基于数据挖掘技术的分析方法是优化该工艺过程的一类有力工具。笔者利用某石油化工企业集散控制系统(Distributed control system,DCS)和实验室信息管理系统(Laboratory information management system,LIMS)的工业生产实时数据,分别从指标与汽油收率的正负相关性、工业经验以及模型重要性筛选等方面选取了182个关键影响参数,利用梯度提升决策树(GBDT)算法构建催化裂化汽油收率的预测模型,预测相应的汽油收率。基于GBDT集成学习框架构建了P-GBDT模型,引入了特征扰动和特征权重,增大经验可控参数的权重,解决了普通GBDT模型对特征缺乏偏好、经验可控参数特征的权重较小的问题。结果显示,由P-GBDT算法构建的汽油收率预测模型预测结果的准确率、R^2、均方根误差等指标相比由GBDT算法构建的基准模型的预测结果明显更好,对真实收率的拟合效果更为接近,对优化改进实际可控装置操作条件具有更好的指导意义。

基于Focal Loss改进的GBDT模型对天津强对流灾害的预报

强对流灾害是气象研究的重点,不准确的强对流灾害天气预报往往给人们的安全以及社会经济造成影响。该文利用天津2006-2018年的地面气象观测站点的地面物理场数据,筛选出强对流灾害性天气过程,对天津强对流灾害天气进行研究。首先对地面站点获取的数据通过主成分分析方法进行降维,然后构建基于Focal Loss改进的GBDT模型,最后通过五折交叉验证的方式进行训练与测试。结果表明,该模型对强对流灾害天气预报的命中率、误警率和临界成功指数上都有较好的表现,可为天津强对流天气的预报提供有效的依据。

GRU和GBDT混合模型在早产风险预测中的应用

早产是新生儿死亡及病残的首要原因,且影响新生儿的远期健康.然而早产的准确预测一直是医学上的一个难题.目前医学上早产的早期筛查多基于特殊检查,但因成本核算等问题难以大规模临床应用,而电子病历的普及和人工智能技术的发展,为产科疾病的早期风险评估提供支持.本文利用产科电子病历的诊疗信息,构建GRU和GBDT的混合模型预测早产.混合模型利用GRU在孕妇多次产检信息中探究早产发生的概率,并将结果融入孕前和28周前末次产检数据,最后利用GBDT对孕妇进行更加精确的早产风险预测.实验结果表明,基于GRU和GBDT的早产预测模型在AUC和ROC等评估指标上优于其他单一模型,本研究方法可有效帮助产科医护人员在妊娠早中期判断孕妇是否有早产风险.

基于灰色模型的工程造价指数组合预测模型构建

随着大数据及人工智能的发展,构建合理的工程造价指数是工程造价发展的必然趋势。研究基于灰色预测模型和梯度提升决策树(Gradient Boosted Decision Tree,GBDT)预测模型,结合Stacking策略进行模型的组合,得到GM-GBDT工程造价指数组合预测模型。对模型的性能进行分析,发现三种模型中预测性能从高到低依次是GM-GBDT集成预测模型、GBDT预测模型、GM(1,N)预测模型,GM-GBDT集成预测模型对2020年1-12月工程造价指数的真实值和预测值的相对误差为3.86%-1.05%,平均相对误差为2.60%。实证分析结果表明,GM-GBDT联合模型,具有更好的整体预测能力,能够在GM(1,N)和GM的基础上,进一步提升预测准确率。

基于GBDT算法的柴油机性能预测

柴油机作为一种多输入多输出的高复杂度与耦合度系统,难以用精确的物理与化学模型准确描述。通过空间填充设计采集训练数据集,采用GBDT(Gradient Boosting Decision Tree,梯度提升决策树)算法构建了柴油机有效燃油消耗率(BSFC)、NO_(x)和CO预测模型,并对模型进行了验证。结果表明:预测模型收敛速度较快;BSFC,NO_(x),CO拟合程度R^(2)分别为0.981,0.993,0.992;预测值平均相对误差为0.81%,3.68%,2.95%;模型生成的BSFC,NO_(x),CO响应与真实柴油机趋势具有一致性;预测模型有较高的精确度和稳定性。梯度提升决策树算法对柴油机建模有较高的适应度,能够有效解决多特征高维非线性柴油机系统问题,为柴油机性能预测建模提供了一种行之有效的方法。

基于GBDT的轨道不平顺状态评价模型研究

基于轨道几何动态检测数据和车载式线路检查仪(晃车仪)数据,通过随机森林模型分析轨道几何特征与水平、垂直晃车相关性,并结合车辆动态响应利用迭代决策树(Gradient Boosting Decision Tree,GBDT)算法建立轨道不平顺状态评价模型,利用该模型对一客运专线实测轨道几何数据和晃车仪数据进行数据训练和预测。结果表明,模型能够识别超出现有幅值评判标准对车辆运行有显著影响的轨道病害区段,有益于完善轨道几何不平顺评价体系及工务设备养护维修。

一种基于GBDT算法的语音模型聚类方法

在基于HMM的Trainable TTS的语音生成后端,文章引入决策树聚类算法(Gradient boost decision tree,GBDT),分别应用在频谱、基频、时长三个维度的语音参数上。通过实验发现,该方法应用在基频模型和音素时长模型的聚类上,系统的主观听感的改善并不明显,而应用在LSF频谱模型聚类上,系统的主观倾向性得分提高了15.6%,这说明从主观感受来说,系统效果提升比较明显。

基于人工智能的Lasso-GBDT信用卡风险评级方法

在信贷信息不对称现状下,构建可靠的个人信用评分模型等信用评级方法评估贷款人的信用违约风险水平具有重要的现实意义。论文将具有互补性的Lasso-GBDT模型组合引入个人信用评级,发现Lasso-GBDT组合模型能够准确地筛选出重要变量;通过对商业银行个人信用评级进行实证分析发现,相较于Lasso-RF模型,LassoGBDT模型更能在抓住信用风险关键因素的基础上准确预测信用卡违约状况。

建成环境对城市交通事故严重程度影响研究

针对城市交通事故分析中缺少建成环境因素的系统考虑,以密度、多样性、交通设计、可达性及公共交通临近度等5个维度表征建成环境,同时考虑个体行为、道路情况、事故类型及自然环境4个方面,运用机器学习算法建立融入建成环境因素对城市道路交通事故严重程度影响分析模型;并以重庆市某区的事故数据进行实证分析。研究结果表明:建成环境变量对事故严重程度有较大影响;从变量重要度排序来看,土地利用混合度(14.29%)、快速路及主干路密度(12.43%)、次干路及支路密度(11.54%)、人口密度(11.35%)与可达性(10.96%)的影响程度较高,累计重要度达60.57%;同时各变量与事故严重程度呈现出非线性关系。

基于GBDT的船舶油耗预测模型设计

建立准确的船舶油耗预测模型是实现船舶节能减排的基础。文中以某一远洋船舶作为研究对象,对船舶的实际运营数据进行分析和预处理,结合GBDT算法构建船舶油耗的预测模型。将模型在测试数据集上的预测值与实测数据进行对比,结果表明预测误差低于6.98%,优于随机森林和决策树的预测结果。该文验证了基于GBDT所建立的油耗预测模型的准确性和实用性,对于后续船舶航行优化措施具有重要意义。

基于GBDT-LR融合算法的胎儿窘迫预诊模型研究

为了解决传统胎儿窘迫诊断过程中存在主观性强和误诊率高的问题,应用梯度提升决策树(GBDT)和逻辑回归(LR)融合的方法设计了胎儿窘迫预诊断模型。首先,利用Borderline-SMOTE算法对正类样本进行过采样,使得数据集中正负类样本平衡;然后,利用GBDT模型从平衡后的数据中获得组合特征,再将组合特征与原始特征合并后提供给逻辑回归模型进行训练;最后,用十折交叉验证评价GBDT-LR模型与其他单模型的分类性能。利用GBDT-LR融合模型对胎儿窘迫进行预测,其特异度为84.2%,灵敏度为89.6%,受试者工作特征曲线(ROC)下方面积为94.2%。GBDT-LR融合模型的分类效果相比其他单个模型更好,可以辅助产科医生对宫内胎儿窘迫程度作出更有效的评估。

用于医药经济精准营销的GBDT-Logistic回归融合模型的研究

针对药品经济的精准营销问题,提出一种基于GBDT-Logistic算法的回归融合模型。构建该模型突出了GBDT模型和Logistic算法的优势,并将其紧密结合,构成新的药品经济营销回归融合模型,用于对亚健康目标的药品推荐。将所提出的算法与其他推荐方法进行直接对比,实验结果证明,无论是理论环境预测还是线下销售推荐,所提出的方式均优于其他的方式,证明所提出模型的有效性,可以用于指导药品企业的精准营销。

环境正义视阈下城市公园绿地时空可达性及其影响因素

从环境正义视阈出发,重点关注选择步行和私家车出行的居民群体,采用高斯两步移动搜索(2SFCA)模型和基尼系数测度2000—2018年武汉市中心城区公园绿地可达性和公平性的时空差异,并运用梯度提升决策树(GBDT)模型进一步探析交通因素、用地因素和社会经济因素对公园绿地可达性的非线性影响及其阈值效应,以期为公平导向下的城市绿地规划提供相关参考。结果表明:(1)研究时段内公园绿地供给与需求均呈现较快的增长,居民出行成本在逐渐降低;(2)居民选择两种交通方式出行的公园绿地可达性高值区域均呈现扩大趋势,主要分布在长江两岸、湖泊和大型风景区周围,但是不同时期步行方式可达性低值区域均多于车行;同时,基尼系数显示研究时段内两种交通出行的居民享受公园绿地服务的机会均不公平,且步行可达不公平程度远大于车行;(3)用地结构和社会经济因素对不同时期公园绿地服务可达性存在协同性影响,而交通因素是不同交通方式出行可达性存在差异的主要原因;(4)非线性关系图显示关键变量的阈值效应能够为城市绿地精细化规划与管理提供量化参考。