期刊文献+
共找到943,930篇文章
< 1 2 250 >
每页显示 20 50 100
一种基于Boosting模型的图像去雾算法 被引量:2
1
作者 张骏 李培华 +1 位作者 章盛 吉涛 《光电子技术》 CAS 北大核心 2019年第1期52-57,共6页
分析了Boosting提升模型,提出一种以去雾后图像均方误差与信息熵比值为选择标准,对多类不同的去雾算法进行排序,并根据设定的阈值,从多类的去雾算法中,选择合适的去雾算法作为"极优增强器",再通过对优化学习率的方法。更新&qu... 分析了Boosting提升模型,提出一种以去雾后图像均方误差与信息熵比值为选择标准,对多类不同的去雾算法进行排序,并根据设定的阈值,从多类的去雾算法中,选择合适的去雾算法作为"极优增强器",再通过对优化学习率的方法。更新"极优增强器"的权重,采取线性组合,构建了最优去雾算法。经实验表明,该算法实现了去雾后图像对比度和图像的信息损失之间的平衡。提升了图像对比度,凸显了图像细节,最大程度的减小了图像信息的损失。 展开更多
关键词 boosting模型 图像增强 极优增强器 学习率
下载PDF
基于PSO-ELM-Boosting模型的底板破坏深度预测 被引量:8
2
作者 邵良杉 周玉 《中国安全科学学报》 CAS CSCD 北大核心 2018年第4期24-29,共6页
为准确预测煤层底板采动破坏深度,在分析底板破坏深度主要影响因素的基础上确定评判指标;以经粒子群优化算法(PSO)优化输入权值和隐层阈值的极限学习机(ELM)为基预测器,以Boosting算法为集成学习框架,构建基于PSO-ELM-Boosting的底... 为准确预测煤层底板采动破坏深度,在分析底板破坏深度主要影响因素的基础上确定评判指标;以经粒子群优化算法(PSO)优化输入权值和隐层阈值的极限学习机(ELM)为基预测器,以Boosting算法为集成学习框架,构建基于PSO-ELM-Boosting的底板破坏深度强预测模型;比较不同ELM隐层节点与基预测器个数组合对模型预测精度的影响,2次筛选确定二者的最优组合,并控制样本权值避免发生"权值扩充"现象;选取64组底板破坏深度实测数据为试验样本,对比分析PSO-ELM-Boosting模型与其他集成学习模型的预测准确率。结果表明:PSO-ELM-Boosting模型具有更好的平均绝对误差百分比(4.54%)、均方误差(0.429 2 m^2)和拟合优度(0.956 5),验证了PSOELM-Boosting模型的有效性。 展开更多
关键词 底板破坏深度 boosting算法 集成学习 极限学习机(ELM) 粒子群优化算法(PSO)
下载PDF
CEO特征与股价崩盘风险预警——基于Gradient-Boosting模型的研究
3
作者 赵甜甜 尉昊 李昊泽 《福建商学院学报》 2022年第5期42-49,共8页
选取2010—2020年沪深A股企业样本,构建梯度提升树模型评估CEO先天特征、人生经历、认知水平与公司组织结构四个特征维度对股价崩盘风险的预警和识别效果。研究发现:CEO特征对于股价崩盘风险预测效果显著;CEO特征与股价崩盘风险之间存... 选取2010—2020年沪深A股企业样本,构建梯度提升树模型评估CEO先天特征、人生经历、认知水平与公司组织结构四个特征维度对股价崩盘风险的预警和识别效果。研究发现:CEO特征对于股价崩盘风险预测效果显著;CEO特征与股价崩盘风险之间存在多重内在预测机制;采用Kmeans聚类算法对CEO类型进行划分,“领导型”与“改革型”CEO对股价崩盘风险的影响与预测效果存在显著差异。应完善高管遴选制度与激励机制设计,提高公司治理水平,促进资本市场健康发展。 展开更多
关键词 CEO特征 股价崩盘风险 梯度提升树模型 Kmeans聚类算法
下载PDF
一种基于改进的XGBoosting算法对婴幼儿奶粉中的脂肪含量的预测模型
4
作者 张文婧 薛河儒 +2 位作者 姜新华 刘江平 黄清 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2024年第5期1464-1471,共8页
婴儿奶粉成分配比中,脂肪有着重要地位。脂肪不仅是婴儿生长发育中的重要成分,同时也为婴儿的生长提供必需的能量,对于婴儿脑发育及神经髓鞘的形成具有重要意义。化学的婴儿奶粉脂肪含量检测如乙醚提取法,方法检测灵敏,但存在破坏样本... 婴儿奶粉成分配比中,脂肪有着重要地位。脂肪不仅是婴儿生长发育中的重要成分,同时也为婴儿的生长提供必需的能量,对于婴儿脑发育及神经髓鞘的形成具有重要意义。化学的婴儿奶粉脂肪含量检测如乙醚提取法,方法检测灵敏,但存在破坏样本和检测周期较长的缺点,因此寻求一种为婴儿奶粉成分的无损检测方法,高光谱成像技术提供了一种可能的途径。以内蒙古地区不同阶段的婴儿奶粉为研究对象,采用多元散射校正(MSC)、标准正态变换(SNV)、平滑滤波算法(Savitzky-Golay)、鲁斯特算法(Roust)等对高光谱数据进行预处理,再利用竞争性自适应重加权算法(CARS)算法从125个特征波长中筛除光谱数据中冗余的波长保留有效波长66个。对极值梯度提升算法(XGBoosting)算法进行了贝叶斯优化(BO),最终构建了基于BO-XGBoosting对婴儿奶粉脂肪含量的预测模型。结果显示,该模型预测效果优于传统的偏最小二乘回归(PLSR)和支持向量回归(SVR)模型,且优于集成算法中Bagging、GrdientBoosting算法。贝叶斯优化极值梯度提升算法BO-XGBoosting模型在测试集实验,得到的决定系数(R^(2))和均方根误差(RMSEP)分别为0.9537和0.5773,比XGBoosting算法的R^(2)和RMSEP分别提高2.91%和降低19.2%。该研究为奶粉中脂肪含量的预测提供了基于BO-XGboosting集成算法的快速无损检测的算法支持和理论依据。 展开更多
关键词 高光谱 贝叶斯优化 XGboosting模型 脂肪含量 无损检测
下载PDF
基于改进Boosting算法的车险理赔额组合模型预测
5
作者 邢铭轩 赵锦艳 《科技与创新》 2024年第9期1-6,共6页
针对车险理赔额预测中单一机器学习方法存在的问题,提出一种基于Optuna调参后的XGBoost(eXtreme Gradient Boosting)-LightGBM(Light Gradient Boosting Machine)组合模型预测方法。首先,分别构建XGBoost与LightGBM单个模型,并使用Optun... 针对车险理赔额预测中单一机器学习方法存在的问题,提出一种基于Optuna调参后的XGBoost(eXtreme Gradient Boosting)-LightGBM(Light Gradient Boosting Machine)组合模型预测方法。首先,分别构建XGBoost与LightGBM单个模型,并使用Optuna框架对模型参数进行优化;其次,将2个优化后的模型预测结果进行加权融合;最后,采用法国第三方责任险的车险保单数对融合模型进行验证。结果表明,与单一的XGBoost和LightGBM模型相比,经过参数优化后的组合模型在预测车险理赔额时展现出更低的均方根误差,从而证明其更高的预测精度。 展开更多
关键词 机器学习 boosting算法 组合模型 Optuna算法
下载PDF
基于随机森林和XGBoost算法构建心脏骤停患者自主循环恢复后神经功能预后不良的风险预测模型 被引量:1
6
作者 桑珍珍 崔杰 +2 位作者 闫寒 王维峰 庞秀艳 《中国急救医学》 CAS CSCD 2024年第7期577-585,共9页
目的 利用机器学习算法构建预测心脏骤停(CA)患者自主循环恢复(ROSC)后神经功能预后不良的预测模型,探索结局相关因子。方法 回顾性收集2016年1月至2024年1月沧州市中心医院收治的CA行心肺复苏(CPR)后ROSC的患者481例为研究对象。收集... 目的 利用机器学习算法构建预测心脏骤停(CA)患者自主循环恢复(ROSC)后神经功能预后不良的预测模型,探索结局相关因子。方法 回顾性收集2016年1月至2024年1月沧州市中心医院收治的CA行心肺复苏(CPR)后ROSC的患者481例为研究对象。收集患者临床资料,根据患者转出重症监护病房(ICU)时的格拉斯哥-匹兹堡脑功能表现分级(CPC)评分,将其分为预后良好组(GNO,n=158)和预后不良组(PNO,n=323)。481例患者按7∶3随机分为训练集(n=338)和测试集(n=143),训练集用于构建模型,测试集用评价模型效能。利用极端梯度提升(XGBoost)和随机森林(RF)两种机器学习算法构建患者神经功能预后不良的预测模型,分别得出影响患者神经功能预后的变量,应用SHAP进行XGBoost模型可解释性分析。将XGBoost和RF算法得出的变量取交集,再将交集变量进行多因素Logistic回归分析,得到差异有统计学意义的变量,进而构建决策树模型。在训练集和测试集上利用受试者工作特征(ROC)曲线和曲线下面积(AUC)评估决策树模型的预测性能。结果 通过XGBoost模型得到与神经功能预后不良相关的变量15个,RF模型得到与神经功能预后不良相关的变量14个,两种模型取交集得到11个与神经功能预后不良相关的交集变量[视神经鞘直径(ONSD)变化率、神经元特异性烯醇化酶(NSE)、入ICU第3天ONSD(ONSD day3)、心脏骤停至心肺复苏(CA-CPR)时间、ROSC时间、急性生理学与慢性健康状况评价Ⅱ(APACHEⅡ)评分、血肌酐、白蛋白、住ICU时间、血乳酸及年龄]。将这11个交集变量进行多因素Logistic回归分析,结果显示,PNO组与GNO组ONSD变化率、NSE、ONSD day3、ROSC时间及年龄这5个变量差异有统计学意义(P<0.05)。用这5个重要变量构建决策树模型,得出3个与患者神经功能预后不良最相关的变量(NSE、ROSC时间及ONSD变化率),在训练集上的决策树模型预测CA行CPR后ROSC患者神经功能预后不良的AUC为0.857(95%CI 0.809~0.903,P<0.001),在测试集上的AUC为0.834 (95%CI 0.761~0.906,P<0.001)。结论 基于XGBoost和RF这2种机器学习方法构建的决策树模型能够更准确地评估CA患者ROSC后神经功能的不良预后,且评价指标可能简化为NSE、ROSC时间及ONSD变化率。 展开更多
关键词 心脏骤停 自主循环恢复 神经功能 预测模型 随机森林 极端梯度提升
下载PDF
基于能量模型的临界导通模式Boost变换器软开关方法
7
作者 王议锋 杨绍琪 +2 位作者 马小勇 陶珑 王忠杰 《电工技术学报》 EI CSCD 北大核心 2024年第10期3049-3059,共11页
在变换器高频化发展的趋势中,功率器件的软开关实现对变换效率的影响更加突出。无辅助电路的临界导通工作模式下,Boost变换器主开关管在特定增益下无法实现软开关。为此,该文提出一种能量模型及相应的软开关实现方法。首先,建立死区前... 在变换器高频化发展的趋势中,功率器件的软开关实现对变换效率的影响更加突出。无辅助电路的临界导通工作模式下,Boost变换器主开关管在特定增益下无法实现软开关。为此,该文提出一种能量模型及相应的软开关实现方法。首先,建立死区前后储能元件能量变化的数学模型。然后,结合死区起止时刻的能量平衡方程,研究软开关无法实现的电路机理。在此基础上,考虑开关管输出电容非线性特征,提出软开关实现方法,避免了复杂谐振过程的时域精确建模,提高软开关实现的准确性。最后,搭建500W实验样机进行实验,结果表明,相较于对谐振过程建模的传统时域模型,所提方法将实际开通电压降低47%,使峰值变换效率提升0.4%,进而验证了其有效性。 展开更多
关键词 boost变换器 临界导通模式 能量模型 软开关 开关管输出电容
下载PDF
基于RUN-XGBoost算法的土石坝渗流预测模型 被引量:1
8
作者 马春辉 侯媛媛 +2 位作者 杨杰 袁帅 徐笑颜 《水利水电科技进展》 CSCD 北大核心 2024年第2期72-78,共7页
针对传统土石坝渗流预测模型存在局部最优、抗干扰性差和预测精度低等问题,通过RUN算法优化XGBoost算法得到RUN-XGBoost算法,构建了RUN-XGBoost模型以获得更优的土石坝渗流预测结果。该模型在种群初始化时采用RUN算法对XGBoost算法的3... 针对传统土石坝渗流预测模型存在局部最优、抗干扰性差和预测精度低等问题,通过RUN算法优化XGBoost算法得到RUN-XGBoost算法,构建了RUN-XGBoost模型以获得更优的土石坝渗流预测结果。该模型在种群初始化时采用RUN算法对XGBoost算法的3个主要参数进行改进,使预测结果有较高的有效性;通过自动寻找最优参数增进算法的整体收敛速度和预测精度,同时引入随机解,使算法能够排除局部最小值并继续搜索,从而获得全局最优结果。工程实例验证结果表明,RUN-XGBoost模型具有简洁、高效、预测精度高、鲁棒性强等优点。 展开更多
关键词 土石坝 渗流监测 RUN-XGboost算法 预测模型
下载PDF
基于BiLSTM-XGBoost混合模型的储层岩性识别 被引量:1
9
作者 杜睿山 黄玉朋 +2 位作者 孟令东 张轶楠 周长坤 《计算机系统应用》 2024年第6期108-116,共9页
储层岩性分类是地质研究基础,基于数据驱动的机器学习模型虽然能较好地识别储层岩性,但由于测井数据是特殊的序列数据,模型很难有效提取数据的空间相关性,造成模型对储层识别仍存在不足.针对此问题,本文结合双向长短期循环神经网络(bidi... 储层岩性分类是地质研究基础,基于数据驱动的机器学习模型虽然能较好地识别储层岩性,但由于测井数据是特殊的序列数据,模型很难有效提取数据的空间相关性,造成模型对储层识别仍存在不足.针对此问题,本文结合双向长短期循环神经网络(bidirectional long short-term memory,BiLSTM)和极端梯度提升决策树(extreme gradient boosting decision tree,XGBoost),提出双向记忆极端梯度提升(BiLSTM-XGBoost,BiXGB)模型预测储层岩性.该模型在传统XGBoost基础上融入了BiLSTM,大大增强了模型对测井数据的特征提取能力.BiXGB模型使用BiLSTM对测井数据进行特征提取,将提取到的特征传递给XGBoost分类模型进行训练和预测.将BiXGB模型应用于储层岩性数据集时,模型预测的总体精度达到了91%.为了进一步验证模型的准确性和稳定性,将模型应用于UCI公开的Occupancy序列数据集,结果显示模型的预测总体精度也高达93%.相较于其他机器学习模型,BiXGB模型能准确地对序列数据进行分类,提高了储层岩性的识别精度,满足了油气勘探的实际需要,为储层岩性识别提供了新的方法. 展开更多
关键词 神经网络 机器学习 测井数据 岩性分类 BiLSTM XGboost
下载PDF
一种基于贝叶斯优化和XGBoost的膏体流变参数预测模型
10
作者 赵艳伟 胡正祥 +4 位作者 乔登攀 姚晋龙 李广涛 杨天雨 王俊 《有色金属(矿山部分)》 2024年第5期118-128,共11页
探究膏体充填料浆流变特性,对矿山合理布置充填管路,高效进行充填作业有重要意义。目的:将繁琐且影响因素众多的膏体流变参数测量试验与先进的机器学习回归预测模型相结合,实现膏体流变参数的准确预测。方法:利用不同物料配合比条件下共... 探究膏体充填料浆流变特性,对矿山合理布置充填管路,高效进行充填作业有重要意义。目的:将繁琐且影响因素众多的膏体流变参数测量试验与先进的机器学习回归预测模型相结合,实现膏体流变参数的准确预测。方法:利用不同物料配合比条件下共128组膏体流变特性试验数据作为模型数据集,选择极度梯度提升回归树(XGBoost)模型,结合贝叶斯算法(BO)对模型进行超参数寻优设置,建立了多目标参数回归预测模型。结果:研究结果表明:经贝叶斯算法优化后的BO-XGBoost模型较XGBoost模型性能显著提升,决定系数R^(2)提高6%。所构建BO-XGBoost模型真实值与预测值在屈服应力数据集上相对误差维持在0.02水平;黏度数据集维持在0.1水平。结论:BO-XGBoost模型可实现膏体流变参数的高效准确预测,创新性地使用了多目标回归模型,为矿山充填作业设计提供参考,具有一定实际工程应用意义。 展开更多
关键词 膏体充填 流变特性 机器学习 贝叶斯优化 极度提升回归树
下载PDF
基于注意力机制的CNN-LSTM-XGBoost台风暴雨电力气象混合预测模型
11
作者 侯慧 吴文杰 +4 位作者 魏瑞增 何浣 王磊 李正天 林湘宁 《智慧电力》 北大核心 2024年第10期96-102,共7页
极端台风暴雨灾害具有非线性、极差大以及多峰值等特点。为使电网及时获取预警信息,提出一种基于注意力机制的CNN-LSTM-XGBoost台风暴雨电力气象混合预测模型。首先,利用基于注意力机制的卷积神经网络(CNN)辨识关键台风暴雨灾害特征;然... 极端台风暴雨灾害具有非线性、极差大以及多峰值等特点。为使电网及时获取预警信息,提出一种基于注意力机制的CNN-LSTM-XGBoost台风暴雨电力气象混合预测模型。首先,利用基于注意力机制的卷积神经网络(CNN)辨识关键台风暴雨灾害特征;然后,利用长短期记忆网络(LSTM)训练时间序列预测模型以挖掘台风暴雨时序特征,使用极限梯度提升算法替换模型输出层以缓解过拟合问题;最后,以2023年台风泰利为例验证所提方法的有效性。算例分析表明,所提模型具有较高的准确性,对预测精度的提升可达40.84%以上。 展开更多
关键词 台风灾害 暴雨预测 神经网络 混合模型 电网预警
下载PDF
水库消落带植物多样性空间格局预测模型及环境解释--基于XGBoost-SHAP模型框架
12
作者 刘瑞雪 李佳轩 李云 《生态学报》 CAS CSCD 北大核心 2024年第21期9652-9669,共18页
生物多样性的监测与预测对实现生物多样性保护及其可持续管理至关重要。传统方法通过实地调查来构建环境与生物多样性之间的多变量关系模型。空间大数据技术及机器和深度学习算法的发展为探索环境-生物多样性关系和预测生物多样性空间... 生物多样性的监测与预测对实现生物多样性保护及其可持续管理至关重要。传统方法通过实地调查来构建环境与生物多样性之间的多变量关系模型。空间大数据技术及机器和深度学习算法的发展为探索环境-生物多样性关系和预测生物多样性空间格局提供了新的视角和方法。构建了一种基于XGBoost算法的预测模型,融合实地调查的植物多样性数据和来自多源数据库的环境变量数据,分别构建了气候、地形、土壤、水文和人类活动5类共34个环境变量与植物群落物种丰富度、物种多样性和谱系多样性的关系模型,对丹江口水库消落带的植物多样性空间格局进行预测,同时结合SHAP框架确定关键环境因素;并进一步预测2050年水库消落带的植物多样性空间格局。研究表明,XGBoost算法在预测水库消落带植物多样性方面表现较好,3个多样性指标中谱系多样性的预测模型展现了最优的预测能力,而物种多样性预测模型的预测能力相对较低。结合SHAP分析发现年平均水淹时长、人类足迹与最冷季平均气温是影响消落带植物群落物种丰富度、物种多样性和谱系多样性的关键环境因素,其中年平均水淹时长的影响最为显著,随着年平均水淹时长增加,物种丰富度、物种多样性和谱系多样性降低。本研究构建的可解释预测模型可有效揭示消落带的植物多样性空间格局,为消落带生物多样性的保护和可持续管理提供科学依据,为生物多样性的监测和管理提供了新方法,对评估全球变化对生态系统的影响并促进生物多样性保护有重要意义。 展开更多
关键词 植物多样性 空间格局 预测模型 机器学习 消落带
下载PDF
应用NSGA-Ⅱ-AdaBoost方法结合土壤物理性质对大豆产量预测模型的构建
13
作者 周修理 王开宇 +3 位作者 秦娜 梁冬梅 魏林丁 乔金友 《东北农业大学学报》 CAS CSCD 北大核心 2024年第7期71-82,共12页
为准确评估黑土区大豆产量,以大豆不同生长时期(出苗期、结荚期、成熟期)土壤物理性质(土壤坚实度、土壤容重、土壤含水率)为特征变量,使用自适应增强模型评价特征重要性,通过皮尔逊相关系数作进一步筛选,均选择与产量显著相关的特征构... 为准确评估黑土区大豆产量,以大豆不同生长时期(出苗期、结荚期、成熟期)土壤物理性质(土壤坚实度、土壤容重、土壤含水率)为特征变量,使用自适应增强模型评价特征重要性,通过皮尔逊相关系数作进一步筛选,均选择与产量显著相关的特征构建数据集。采用非支配排序遗传算法Ⅱ优化模型的超参数,建立非支配排序遗传算法Ⅱ优化的自适应增强(NSGA-Ⅱ-AdaBoost)方法作为大豆产量预测模型,与11种主流机器学习算法进行对比。结果表明:成熟期土壤物理性质与大豆产量具有更高的相关性,表层和亚表层土壤物理性质对大豆产量影响较大;11种机器学习算法中AdaBoost表现最佳,四种优化算法中NSGA-Ⅱ表现最佳,经NSGA-Ⅱ对AdaBoost的超参数寻优,在五折交叉验证下决定系数为0.809 2、均方根误差为148.061 kg·hm^(-2)、平均绝对值误差为94.868 8 kg·hm^(-2)、平均绝对百分比误差为0.058 3。研究结果可为黑土区大豆产量预测提供理论和方法参考。 展开更多
关键词 大豆产量预测模型 土壤物理性质 机器学习 NSGA-Ⅱ
下载PDF
基于Prophet-XGBoost组合模型的极端温度事件下负荷预测
14
作者 施骞 陈汉驰 《价值工程》 2024年第11期1-4,共4页
气候变化对城市的影响日益加剧,频发的极端温度事件导致城市电力系统供需不平衡问题凸显,精确的需求侧电力负荷预测成为提升电力系统适应性从而支持城市功能稳定性的关键。本文开发了一种适用于极端温度事件下负荷预测的组合模型,结合... 气候变化对城市的影响日益加剧,频发的极端温度事件导致城市电力系统供需不平衡问题凸显,精确的需求侧电力负荷预测成为提升电力系统适应性从而支持城市功能稳定性的关键。本文开发了一种适用于极端温度事件下负荷预测的组合模型,结合时间序列模型Prophet和机器学习模型XGBoost,有效表征极端温度影响下的电力负荷波动趋势。实验结果表明,相比传统单一模型,组合模型显著提高了极端温度事件下的电力负荷预测精度,在增强城市电力系统对气候变化适应性方面具有较强的有效性,从而为电力调度等电力系统应急管理工作提供了更可靠的支持。 展开更多
关键词 极端温度 电力负荷预测 Prophet模型 XGboost模型
下载PDF
基于XGBoost-SVR组合模型的高速公路建造碳排放量预测方法研究
15
作者 林宇亮 熊锦江 +1 位作者 邢浩 宁曦 《中南大学学报(自然科学版)》 EI CAS CSCD 北大核心 2024年第7期2588-2599,共12页
开展高速公路碳排放量预测是实现交通领域节能减排的重要内容之一。选取高速公路建设中影响碳排放的路基长度、路面面积、桥梁长度、隧道长度等14个参数,采用生命周期评价法(LCA)对高速公路建造碳排放量进行核算,获得80个高速公路碳排... 开展高速公路碳排放量预测是实现交通领域节能减排的重要内容之一。选取高速公路建设中影响碳排放的路基长度、路面面积、桥梁长度、隧道长度等14个参数,采用生命周期评价法(LCA)对高速公路建造碳排放量进行核算,获得80个高速公路碳排放样本,并对碳排放量影响参数的重要性进行分析。通过等值赋权、残差赋权和自适应赋权3种赋权组合方式,建立XGBoost-SVR机器学习组合模型。结合高速公路碳排放样本,通过XGBoost-SVR组合模型训练得到碳排放量预测结果。基于误差和相关指数分析,对3种赋权方式的组合模型预测结果进行评判,并与单机器学习模型结果进行对比。研究结果表明:XGBoostSVR组合模型融合了XGBoost和SVR模型的优点,其预测效果明显优于单机器学习模型的预测效果;对比等值赋权、残差赋权和自适应赋权,基于自适应赋权的XGBoost-SVR模型预测精度最高,建议应用于高速公路建造碳排放量预测。 展开更多
关键词 高速公路 碳排放量预测 组合模型 自适应赋权
下载PDF
基于FOA-BP-AdaBoost的大坝变形预测模型及应用
16
作者 王凯 李鸳承 +3 位作者 范亚军 何广焕 蒙金龙 赵磊 《红水河》 2024年第2期1-5,共5页
为提升大坝变形监测预测精度,解决变形量受多因素影响等问题,笔者提出了基于果蝇优化算法(FOA)、BP神经网络的AdaBoost强预测组合模型(FOA-BP-AdaBoost),并与BP神经网络模型、FOA-BP神经网络模型应用于工程实例中的预测精度进行多方位... 为提升大坝变形监测预测精度,解决变形量受多因素影响等问题,笔者提出了基于果蝇优化算法(FOA)、BP神经网络的AdaBoost强预测组合模型(FOA-BP-AdaBoost),并与BP神经网络模型、FOA-BP神经网络模型应用于工程实例中的预测精度进行多方位量化对比。结果表明:强预测模型集齐了果蝇算法全局优化、BP神经网络局部寻优和AdaBoost“优中选优”的特点,最大程度优化了预测效果;实例应用证实了FOA-BP-AdaBoost模型在大坝变形预测领域的准确性和有效性。该模型已成功应用于工程实例,可为类似工程提供参考。 展开更多
关键词 大坝 变形监测 FOA-BP-Adaboost模型 强预测模型 果蝇优化算法 BP神经网络
下载PDF
基于遗传算法优化XGBoost模型的地铁乘客出站走行时间预测
17
作者 郭凯旋 肖梅 +1 位作者 刘宇 张皓 《科学技术与工程》 北大核心 2024年第18期7851-7858,共8页
地铁乘客出站走行时间的预测是城市交通运行和管理的重要依据,对其进行准确预测有助于缓解地铁拥堵、优化地铁服务和提高乘客满意度。为了准确预测地铁乘客出站走行时间,首先,基于视频分析软件从监控视频中提取了乘客出站时的走行时间... 地铁乘客出站走行时间的预测是城市交通运行和管理的重要依据,对其进行准确预测有助于缓解地铁拥堵、优化地铁服务和提高乘客满意度。为了准确预测地铁乘客出站走行时间,首先,基于视频分析软件从监控视频中提取了乘客出站时的走行时间和若干特征变量。其次,为了筛选出对走行时间有显著影响的因素,采用相关性分析和最优尺度回归模型进行影响因素分析,并使用遗传算法进行最优特征组合的提取。最终,将提取出的特征作为输入向量,使用极端梯度提升模型(extreme gradient boosting,XGBoost)进行走行时间的预测,并以平均绝对误差等作为评价指标。实验结果表明,本文提出的方法在地铁乘客出站行为预测方面具有较好的效果,平均绝对误差为1.55 s,低于未优化的极端梯度提升模型(1.87 s)、支持向量机(2.03 s)和随机森林(1.96 s)等模型。 展开更多
关键词 遗传算法 极端梯度提升模型 走行时间预测 特征提取
下载PDF
Stress-assisted corrosion mechanism of 3Ni steel by using gradient boosting decision tree machining learning method 被引量:2
18
作者 Xiaojia Yang Jinghuan Jia +5 位作者 Qing Li Renzheng Zhu Jike Yang Zhiyong Liu Xuequn Cheng Xiaogang Li 《International Journal of Minerals,Metallurgy and Materials》 SCIE EI CAS CSCD 2024年第6期1311-1321,共11页
Traditional 3Ni weathering steel cannot completely meet the requirements for offshore engineering development,resulting in the design of novel 3Ni steel with the addition of microalloy elements such as Mn or Nb for st... Traditional 3Ni weathering steel cannot completely meet the requirements for offshore engineering development,resulting in the design of novel 3Ni steel with the addition of microalloy elements such as Mn or Nb for strength enhancement becoming a trend.The stress-assisted corrosion behavior of a novel designed high-strength 3Ni steel was investigated in the current study using the corrosion big data method.The information on the corrosion process was recorded using the galvanic corrosion current monitoring method.The gradi-ent boosting decision tree(GBDT)machine learning method was used to mine the corrosion mechanism,and the importance of the struc-ture factor was investigated.Field exposure tests were conducted to verify the calculated results using the GBDT method.Results indic-ated that the GBDT method can be effectively used to study the influence of structural factors on the corrosion process of 3Ni steel.Dif-ferent mechanisms for the addition of Mn and Cu to the stress-assisted corrosion of 3Ni steel suggested that Mn and Cu have no obvious effect on the corrosion rate of non-stressed 3Ni steel during the early stage of corrosion.When the corrosion reached a stable state,the in-crease in Mn element content increased the corrosion rate of 3Ni steel,while Cu reduced this rate.In the presence of stress,the increase in Mn element content and Cu addition can inhibit the corrosion process.The corrosion law of outdoor-exposed 3Ni steel is consistent with the law based on corrosion big data technology,verifying the reliability of the big data evaluation method and data prediction model selection. 展开更多
关键词 weathering steel stress-assisted corrosion gradient boosting decision tree machining learning
下载PDF
一种快速Boosting算法在标准图片识别中的应用
19
作者 尹静 盛彦斌 +3 位作者 孟欣 智婷 陈晓婷 刘栋材 《佳木斯大学学报(自然科学版)》 CAS 2024年第10期62-65,共4页
随着各种职业资格考试参加人数逐渐扩大,在大量照片文件中自动提取和识别标准证件照成为迫切需要解决的问题。针对这一问题比较了Haar特征和LBP特征两种特征识别模型在Adaboost算法下的时间效率,并通过实验确定了LBP特征下的Adaboost算... 随着各种职业资格考试参加人数逐渐扩大,在大量照片文件中自动提取和识别标准证件照成为迫切需要解决的问题。针对这一问题比较了Haar特征和LBP特征两种特征识别模型在Adaboost算法下的时间效率,并通过实验确定了LBP特征下的Adaboost算法在样本训练过程中所需的最优参数,提出了一种利用LBP特征在普通个人电脑平台下进行快速分类器训练的算法,并利用训练后得到的分类器实现了从大量考生上传照片中标准证件照图片的分类和处理。 展开更多
关键词 LBP 标准图片识别 boosting训练 快速分类器
下载PDF
基于XGBoost模型的路段交通流量短时预测 被引量:1
20
作者 蒋源 陈小鸿 胡松华 《武汉理工大学学报(交通科学与工程版)》 2024年第1期25-30,36,共7页
文中利用上海杨浦区雷达设备采集的城市道路流量数据,基于XGBoost模型对路段流量进行预测.考虑城市道路交通流量的复杂性与随机性,选用包括整体特征、时间相关特征、空间相关特征等31个特征变量,并通过格网搜索对模型主要参数进行调整.... 文中利用上海杨浦区雷达设备采集的城市道路流量数据,基于XGBoost模型对路段流量进行预测.考虑城市道路交通流量的复杂性与随机性,选用包括整体特征、时间相关特征、空间相关特征等31个特征变量,并通过格网搜索对模型主要参数进行调整.结果显示:在不同时间粒度上,XGBoost模型的RMSE精度皆优于其余五个对比模型,且在效率上也具有优势.以5 min为时间粒度时,RMSE值为14.22,MAPE值为0.153,耗时23.84 s.此外,XGBoost具有较高可解释性.通过对不同特征变量的组合预测及特征变量重要度分析发现,以时间粒度为单元,1、2、3阶滞后流量及彼此间的差值可明显提高模型预测精度,随时间粒度增大,流周期性增强,随机性减弱. 展开更多
关键词 路段流量 短时预测 机器学习 XGboost模型
下载PDF
上一页 1 2 250 下一页 到第
使用帮助 返回顶部