基于Stacking融合模型的PHEV复合储能系统实时能量分配策略

为了解决插电式混合动力汽车单一电池低比功率、无法响应暂态功率需求的问题,设计了电池和超级电容并联式复合储能系统。同时针对采用动态规划法优化负载电流分配时缺乏实时性的问题,利用不同驱动工况下动态规划优化的结果构成训练集进行训练,并综合GRU网络以及XGBoost算法,提出了一种Stacking集成学习框架下多模型融合的能量分配策略。仿真结果表明,与仅使用单一电池的储能系统相比,基于Stacking融合模型的实时能量分配系统在UDDS和US06两种循环工况下,电池峰值电流分别降低了48.7%和50.8%,有效削弱了电池的峰值电流,提升了电池的整体性能。

基于Stacking融合模型的Web攻击检测方法

随着计算机技术与互联网技术的飞速发展,Web应用在人们的生产与生活中扮演着越来越重要的角色。但是在人们的日常生活与工作中带来了更多便捷的同时,却也带来了严重的安全隐患。在开发Web应用的过程中,大量不规范的新技术应用引入了很多的网站漏洞。攻击者可以利用Web应用开发过程中的漏洞发起攻击,当Web应用受到攻击时会造成严重的数据泄露和财产损失等安全问题,因此Web安全问题一直受到学术界和工业界的关注。超文本传输协议(HTTP)是一种在Web应用中广泛使用的应用层协议。随着HTTP协议的大量使用,在HTTP请求数据中包含了大量的实际入侵,针对HTTP请求数据进行Web攻击检测的研究也开始逐渐被研究人员所重视。本文提出了一种基于Stacking融合模型的Web攻击检测方法,针对每一条文本格式的HTTP请求数据,首先进行格式化处理得到既定的格式,结合使用Word2Vec方法和TextCNN模型将其转换成向量化表示形式;然后利用Stacking模型融合方法,将不同的子模型(使用配置不同尺寸过滤器的Text-CNN模型搭配不同的检测算法)进行融合搭建出Web攻击检测模型,与融合之前单独的子模型相比在准确率、召回率、F1值上都有所提升。本文所提出的Web攻击检测模型在公开数据集和真实环境数据上都取得了更加稳定的检测性能。

基于互补集成经验模态分解和Stacking融合的短期风速组合预测模型

针对风电场短期风速预测准确度不高的问题,提出一种基于互补集成经验模态分解和Stacking融合的短期风速组合预测模型。首先,为突出短期风速的局部特征并降低建模难度,通过互补集成经验模态分解算法将短期风速分解为若干个稳定分量。然后,利用信息熵和近似熵来判定各分量的复杂度,高复杂度分量选择最小二乘支持向量机、低复杂度分量选择随机配置网络作为对应的预测模型。利用Stacking算法对每个模型的预测值进行融合,使预测精度得到提升。最后,通过一组实际的短期风速数据作为研究对象,将提出的预测模型应用于其预测。对比结果表明,所提预测模型可提高短期风速的预测精度。

融合Stacking框架的BiGRU-LGB云负载预测模型

随着云计算技术的飞速发展,越来越多的用户将应用部署在云平台上.。平台内集群资源的调度可以提高云平台数据中心的实际利用率,而高效的云平台负载预测是解决集群资源调度问题的关键技术,因此本文建立了一种融合Stacking框架、多层BiGRU网络和LightGBM算法的云负载预测模型。该模型的结构主要包括两种学习器:首先是初级学习器,使用时间编码层处理原始负载序列并利用BiGRU网络参数少、信息学习完整的特点减少模型训练时间和隐藏层数,学习负载序列中的时间维度信息;使用经过特征工程处理的原始负载序列来高效训练LightGBM算法,学习负载序列中的特征维度信息。然后是次级学习器,利用GRU网络整合时间和特征维度的负载信息,完成整个负载预测模型的训练。通过两层学习器的共同学习提高整体负载预测模型的预测精度。在华为云集群数据集上进行实验,结果表明,与传统的单一预测模型BiGRU、LightGBM等以及现有的组合预测模型GRU-LSTM相比,融合Stacking的BiGRU-LGB模型的预测精度提升约13%,训练时间开销得到一定程度的降低。

基于Stacking集成学习的分频地震属性融合储层预测方法

地震属性蕴含大量储层信息,融合多种地震属性可提高储层预测精度。由于地下地质结构复杂、非均质性强,依据单一的地震属性融合方法难以精细刻画储层特征。为此,提出了一种基于Stacking集成学习的分频地震属性融合储层预测方法。该方法主要包括3个部分:①根据不同厚度储层的振幅与频率关系,利用多个频率的地震信息,降低地震属性的多解性;②联合相关性分析和无监督聚类技术优选地震属性,剔除冗余属性特征;③利用能够综合多个差异化模型优势的Stacking集成学习模型,融合不同频段的地震属性,提高地震属性的解释精度。将该方法用于渤海湾盆地埕岛油田,并使用线性公式定量分析法进一步评估Stacking模型的泛化效果。结果显示:与单类预测模型相比,Stacking模型的综合预测性能和可靠性均有显著提升;对应的地震属性融合结果高值区形态更加清晰,融合属性与砂体厚度的相关系数可达到0.92,这表明该方法具有良好的应用前景。

基于Stacking模型融合的AOD终点碳温预测

为提高AOD不锈钢冶炼终点碳温预测的准确性和可靠性,提出一种基于多个机器学习算法(RF、XGBoost、AdaBoost、KNN、SVR和岭回归)嵌入的Stacking模型融合的AOD终点碳温预测方法。基于理论基础和相关性分析确定了模型的输入特征变量,利用箱线图法对历史数据进行预处理,结合5折交叉验证和贝叶斯优化算法确定了模型的最优参数,通过对上述6种机器学习算法的逐层筛选,构建了RF+XGBoost+KNN—RF二层Stacking多模型融合的终点碳含量预测模型、RF+AdaBoost+KNN—RF+XGBoost+KNN—XGBoost三层Stacking多模型融合的终点温度预测模型。预测结果表明,RF+XGBoost+KNN—RF二层Stacking模型在终点碳质量分数误差为±0.01%的命中率为87.86%,RF+AdaBoost+KNN—RF+XGBoost+KNN—XGBoost三层Stacking模型在终点温度误差为±15℃的命中率为94.22%,相较于单一的机器学习模型,预测精度显著提高。

基于Stacking多模型融合的储能电站电池预制舱消防预警

由于储能电站电池预制舱监测温度由多个传感装置独立组成,导致对高温异常进行消防预警的灵敏度偏低,为此,提出基于Stacking多模型融合的储能电站电池预制舱消防预警方法研究。引入了Stacking集成学习方法,对多元储能电站电池预制舱温度数据进行融合处理,并利用正则系数对融合后数据的偏差进行校正;在消防预警阶段,结合温度参数表现的发展趋势以及消防预警的时间尺度要求,设置了个性化的预警温度,根据融合结果与预警温度之间的关系,判断是否作出预警处理。在测试结果中,设计方法对于不同程度异常温度均实现了有效的预警,具有良好的灵敏度。

数字赋能文旅深度融合的理论逻辑与研究框架

数字赋能文旅深度融合既是数字经济时代文旅发展的重要方式,又是文旅研究的重要课题。文章在阐述文旅深度融合内涵的基础上,探究了数字赋能文旅深度融合的基本逻辑,认为数字技术嵌入支撑文旅数字化,促进文旅信息融合化,带来文旅产业新变革,形成文旅共生体和数字文旅新形态。从理论研究、数字赋能和融合实践3个维度,初步构建了数字赋能文旅深度融合的研究框架,强调要创新性地运用文旅IP理论、融合共生理论、文旅场景理论、产业演化理论、系统动力学等理论,阐释文旅融合学理及其内在逻辑、演化过程和动力机制,深化文旅深度融合主要科学问题研究。文章提出要把握数字赋能文旅融合的关键技术、文旅资源普查与评价、文旅融合场景建构、文旅产业融合创新生态体系、国家文化公园与文旅融合示范区建设、科技创新与数字文旅人才培养等关键问题,推动文旅融合应用实践和学术研究持续创新,更好地服务于新时代中国式现代化建设和文旅高质量发展。

近红外光谱结合Stacking集成学习的猕猴桃糖度检测研究

利用近红外光谱技术Stacking集成学习对猕猴桃糖度的无损检测。以湖北“云海一号”猕猴桃为研究对象,采用红外分析仪获取了280个样本的光谱数据,包含了4000~10000cm^(-1)范围内的1557个波长数据,使用折射仪测量糖度值。通过蒙特卡洛随机采样结合T检验的奇异样本识别算法筛除异常值样本。利用SPXY算法按照4∶1的比例划分训练集和测试集。使用多元散射校正(MSC)、SG平滑滤波(SG)、趋势校正(DT)、矢量归一化(VN)、标准正态变换(SNV)五种方法对数据进行预处理。使用无信息变量消除法(UVE)、竞争性自适应重加权算法(CARS)和区间变量迭代空间收缩特征选择算法(iVISSA)提取特征波长,使用连续投影算法(SPA)进行二次提取,消除共线性变量。由于单一模型的泛化能力有限,为了扩大建模能力,设计了一种基于Stacking算法的集成学习模型。选择贝叶斯岭回归(BRR)、偏最小二乘回归(PLSR)、支持向量机回归(SVR)以及人工神经网络(ANN)作为基学习器,线性回归(LR)作为元学习器建立集成模型,比较不同组合下集成模型的性能。使用Pearson相关系数分析基学习器与集成模型之间的关系。结果表明:在五种预处理方法之中,矢量归一化的效果最佳。对预处理后的光谱进行特征波长提取,结果显示VN-CARS-PLSR模型效果最好,在测试集上的RP2为0.805,RMSEP为0.498。模型提取了177个特征波长,数据量相比于原始光谱减少了88.6%。通过Stacking算法对基学习器进行融合,对比不同的组合方式,发现PLS+SVR+ANN集成模型预测精度最高,RP2达到了0.853,RMSEP下降至0.433。通过Pearson相关系数分析了基学习器对集成模型性能的影响。研究表明,与单一模型相比,Stacking集成模型能够进行更加全面的建模,具有更高的泛化能力,该方法为猕猴桃糖度品质的无损检测提供了技术支持。

基于Stacking与多特征融合的加密恶意流量检测

加密技术保护网络通信安全的同时,大量恶意软件也采用加密协议来隐藏其恶意行为。在现有基于机器学习的TLS加密恶意流量检测模型中,存在单模型检测算法对多粒度特征适用性差和混合流量检测误报率高的问题。提出基于Stacking策略和多特征融合的非解密TLS加密恶意流量检测方法。分析加密恶意流量特征多粒度的特点,提取流量的流特征、连接特征和TLS握手特征。对所提取的特征通过特征工程进行规约处理,从而减少计算开销。对规约处理后的3类特征分别建立随机森林、XGBoost和高斯朴素贝叶斯分类器模型学习隐藏在流量内部的规律。在此基础上,使用流指纹融合处理后的多维特征,利用Stacking策略组合3个分类器,构成DMMFC检测模型来识别网络中的TLS加密恶意流量。基于CTU-13公开数据集对构建的模型进行性能评估,实验结果表明,该方法在二分类实验上识别召回率高达99.93%,恶意流量检测的误报率低于0.10%,能够有效检测非解密的TLS加密恶意流量。

基于数据融合的隧道结构安全性能感知体系框架

随着交通基础设施建设持续扩大,大量隧道进入养护维修高峰期,结构安全风险呈滚动式周期性爆发趋势。目前隧道结构健康监测信息化和智能化程度较低,安全性能感知困难,严重影响了隧道的正常运维。本文立足于隧道结构健康监测和决策需求,提出了一种基于数物交互和数据融合的隧道结构安全性能感知体系框架。首先对隧道结构受力状态感知技术及其误差传播规律进行分析,并采用数物空间交互试验对支护结构各构件相互力学关系进行研究,并基于此建立多源数据各监测量之间的数学模型,对隧道整体结构和各构件的安全性能进行评估。结构安全感知体系可为隧道安全防灾和运维管理提供决策依据,对提高隧道工程现代化、信息化、智慧化管理水平具有重要意义。

物流管理专业数字素养框架的构建逻辑:产业·场景·融合

数字素养框架是表达数字素养与数字技能复杂关系的通用方法。专业数字素养框架是在产业数字化过程中,数字要素与职业功能的全面解构,是专业数字技能培养的重要抓手。产业数字化转型升级急需高素质数字技能人才的支撑,数字技能的培养要在科学的专业数字素养框架基础上进行,以物流管理专业为例,应基于“产业所需—场景解构—融合进阶”的形成逻辑,构建专业数字素养框架。

基于Stacking多算法融合模型的数据资源定价方法训练流程如下

[目的/意义]针对现有数据资源定价标准模糊、交易规则缺失、买卖双方信息不对称的问题,提出基于Stacking多算法融合模型的数据资源定价方法。[方法/过程]首先,基于四分位法及Box-Cox方法对样本数据进行预处理,剔除异常数据的同时调整数据分布,并基于Lasso算法以均方根误差最小为目标完成特征筛选;其次,基于Pearson系数选取最优算法组合,构建基于Stacking集成学习融合多种机器学习算法的数据资源价格预测模型;最后,以国信优易数据平台交易数据为样本进行算例分析。[结果/结论]相较于单算法模型及其他集成算法模型,XGBoost、SVR、KNN、MLP融合模型的预测精度及性能均明显提升;实现了数据资源自身和市场的双向反馈平衡,形成闭环的价值链,为数据资源定价提供参考。

融合创新:概念解析、研究框架及未来展望

融合创新在全球范围内迅速兴起,涌现出许多有价值的理论研究成果。作为一个新兴研究领域,现有研究尚未形成一致认可的理论主张和实践模式,导致在概念化和操作化方面缺乏一致性,削弱了融合创新理论的解释力。基于此,本研究从融合和创新两个源头出发,回顾了融合创新的思想演变,重新界定了融合创新概念,厘清了融合创新的三重基本属性,并构建起融合创新的三维类型空间。依托于融合创新的理论分析框架,梳理科学学、管理学和经济学等研究视角中所形成的不同理论解释,整合归纳出融合创新动力、过程和作用三条研究主线。在此基础上,从融合创新的理论体系、演进规律和治理机制三个方面锚定未来研究焦点,为后续研究提供有益参考。

基于多模型融合Stacking集成学习的油田产量预测

基于机器学习前沿理论,提出一种基于多模型融合Stacking集成学习方式的组合预测方法,以国内某特高含水油田区块中多口水驱产油井历年生产历史数据为试验样本,预测其动态产油量。依据不同算法的训练原理,选取极限梯度提升树算法、长短记忆网络(LSTM)、时域卷积网络(TCN)等作为模型的基学习器,采用多元线性回归作为模型的元学习器。结果表明:融合后的Stacking模型充分发挥了各基学习器的优势,相比单一模型,融合后的Stacking模型预测平均误差较小,预测鲁棒性较好。该模型的提出对融合模型在特高含水油藏开发方面具有重要的应用意义。

内容语言融合学习理念的4C框架对我国外语教学改革的启示

内容语言融合学习是一种外语教学创新理念,其4C框架强调对学生学科知识、认知能力、跨文化意识和语言沟通能力的全面培养。多年来,我国高校外语教育所取得的成绩不容忽视,但在新的发展时期,高校外语原有的课程定位和发展模式已经不能满足国家对外语人才的需求。我们可以从这一教学理念中寻求借鉴,营造政策环境、优化课程设置、创新教学内容,拓宽教师发展路径,促进外语人才培养的可持续发展。

基于Stacking的套损预测方法研究

根据油气生产过程中的套管损坏影响因素众多、数据复杂等特点,通过数据预处理、随机森林重要性分析等技术对现场数据进行分析与整合,采用特征工程的方法处理缺失值并选取特征参数。针对传统机器学习模型对套损预测不佳的问题,提出采用双层Stacking模式集成学习预测模型;该模型采用随机森林、支持向量机、梯度提升决策树和K近邻算法为基模型,逻辑回归为元模型,以此构建泛化能力更强的套损预测模型。结果表明,该模型较于单一的机器学习模型准确率与F1值均有提升,该模型最终的准确率达到89.21%。

乡村产业融合对集体行动响应的影响——基于社会生态系统(SES)框架的研究

基于社会生态系统(SES)框架,利用2022年中国土地经济调查(CLES)数据,采用OLS模型和中介效应模型,实证分析乡村产业融合对村庄集体行动响应的影响和作用机制。结果表明:乡村产业融合对集体行动响应具有显著正向影响;在进行内生性和稳健性检验后,研究结论依然成立。机制分析表明,乡村产业融合主要通过提高收入水平、重塑社会资本和增加政策感知等路径破解集体行动困境。同时,受利益联结机制驱动,乡村产业融合的影响在原生型组织模式下更为显著。据此,建议进一步加快促进乡村产业融合发展,持续优化乡村产业融合达成集体行动的良好生态,创新紧密型联结机制的实现形式,进而促进集体行动达成。

“三维度创新”驱动区域城乡深度融合的机制与路径——一个基于安徽视角的分析框架

为了理清新发展阶段下城乡高质量融合发展的关键影响因素和核心作用机制,采用规范分析和定性分析的研究方法,基于长三角地区同时具有三个东部发达省份或直辖市和一个中部省份的现实,从安徽视角研究“三维度创新”作为核心因素如何影响区域城乡融合,构建一个以“三维度创新”为关键因素的分析框架。结果表明,以制度创新、技术创新和合作模式创新等为内容的“三维度创新”,将通过协同机制、集聚机制与合作机制提升跨省域层面上的城乡一体化程度;其分析框架是由“安徽城乡现实评价——城乡融合主体能力——城乡融合共生机制——城乡融合实现路径(对策建议)”四个研究内容为支撑;“三维度创新”既是激发城乡发展潜力的原始动力,又是激励内需、构筑“双循环”新发展格局的重要手段。

基于多因子融合和Stacking集成学习的大坝变形组合预测模型

变形是反映大坝服役形态变化的直观表征,构建高效准确的变形预测模型对于大坝结构安全控制十分重要。传统单因子及单算法变形预测模型存在泛化能力不足、鲁棒性差等问题,易出现预测偏差甚至误判。针对这一问题,本文选取不同变形解释因子及回归算法,构建多种单因子单算法预测模型,结合Stacking集成学习思想,对上述模型进行组合,提出了大坝变形组合预测模型。该组合模型以Stacking集成学习为核心,采用高斯过程回归作为元学习器,从算法、因子两方面对单因子单算法预测模型进行集成,并通过k折交叉验证减小模型过拟合风险。以某混凝土拱坝变形监测数据为例,通过多模型构建与性能比较,对所提出模型的准确性与有效性进行评估。结果表明:单因子单算法预测模型具备准确性和多样性的特征;通过算法、因子集成,组合模型的预测精度和鲁棒性得到了显著提高,在水位波动期的预测能力得到了有效增强。综上,大坝变形组合预测模型具备出色的非线性信息挖掘与建模预测能力,可为大坝安全监测提供可靠依据。