-
题名无土栽培技术在蔬菜生产中的应用研究
- 1
-
-
作者
罗来娟
-
机构
安徽省六安市舒城县农业科学研究所
-
出处
《上海蔬菜》
2025年第5期98-103,共6页
-
文摘
传统蔬菜栽培土壤盐碱化和连作障碍严重,而无土栽培技术能有效地克服连作障碍、扩大蔬菜种植范围。该文围绕无土栽培技术在蔬菜生产中的应用开展研究,系统梳理了无土栽培技术的国内外发展现状(包括技术起源、发展崛起至规模化推广的历程),重点分析了我国无土栽培技术的发展现状与前景,探讨了该技术在蔬菜生产中的应用场景及技术特点,对比了无土栽培技术与传统土壤栽培模式在蔬菜生产中的优劣势,最后提出了无土栽培技术发展面临的挑战及推广建议。
-
关键词
无土栽培技术
蔬菜
应用研究
发展现状
应用前景
-
分类号
S63
[农业科学—蔬菜学]
-
-
题名基于机器学习的车险索赔频率预测
被引量：15
- 2
-
-
作者
曾宇哲
吴嫒博
郑宏远
罗来娟
-
机构
中国人民大学统计学院
-
出处
《统计与信息论坛》
CSSCI
北大核心
2019年第5期69-78,共10页
-
基金
教育部人文社会科学重点研究基地重大项目<基于大数据的精算统计模型与风险管理问题研究>(16JJD910001)
中国人民大学2018年度中央高校建设世界一流大学(学科)和特色发展引导专项资金
-
文摘
近年来,广义线性模型已被广泛用于车险定价,而一些研究结果显示机器学习在某些方面优于广义线性模型,但这些结果都只是基于某个单一数据集。为了更全面地比较广义线性模型与机器学习方法在车险索赔频率预测问题上的效果,对7个车险数据集进行了比较测试,包括深度学习、随机森林、支持向量机、XGboost等机器学习方法;基于相同的训练集,建立不同的广义线性模型预测索赔频率,根据最小信息准则(AIC)选取最优的广义线性模型;通过交叉验证调参获得机器学习最佳参数和模型。研究结果显示:在所有的数据集上XGboost的预测效果一致地优于广义线性模型;对于某些自变量较多、变量间相关性强的数据集,神经网络、深度学习和随机森林的预测效果比广义线性模型更好。
-
关键词
汽车保险
索赔频率
机器学习
梯度提升
深度学习
神经网络
-
Keywords
auto insurance
claim frequency
machine learning
gradient promotion
neural network
deep neural network
-
分类号
F222.3
[经济管理—国民经济]
-
