检索结果-维普期刊中文期刊服务平台

基于集成学习算法和Optuna调优的江西省森林碳储量遥感估测被引量：2: 1; 作者王可月王轶夫 +3 位作者陈馨郑峻鹏李杰孙玉军《生态学报》北大核心 2025年第2期685-700,共16页; 了解森林碳储量对于完整、准确地量化碳排放及气候变化背景下的环境监测至关重要,借助遥感数据源是估算区域尺度碳储量的有效方法。以江西省为研究区,基于第七次国家森林资源连续清查样地数据与Landsat-5 TM遥感数据,通过GEE平台对影像... 展开更多; 关键词森林碳储量遥感估测集成学习算法 Optuna超参数调优堆叠集成算法碳密度地理探测器; 在线阅读下载PDF 职称材料

基于堆叠稀疏自编码的滚动轴承故障诊断被引量：12: 2; 作者侯荣涛周子贤 +2 位作者赵晓平谢阳阳王丽华《轴承》北大核心 2018年第3期49-54,60,共7页; 针对机械设备故障数据大容量、多样性的特点,提出一种基于堆叠稀疏自编码(SSAE)的滚动轴承故障智能诊断方法。使用自动编码器(AE)逐层训练网络,从海量数据中自适应地学习各类故障的特征表达,再通过有监督的反向传播算法优化整个网络,最... 展开更多; 关键词滚动轴承深度学习堆叠稀疏自编码算法故障诊断; 在线阅读下载PDF 职称材料

基于多模型Stacking融合的基坑测斜时序预测: 3; 作者胡比澜王洋洋张永强《浙江大学学报(工学版)》北大核心 2025年第4期706-716,共11页; 为了准确预测基坑倾斜变形,提出基于极致梯度提升(XGBoost)、长短期记忆(LSTM)和线性回归(LR)的堆叠多变量预测模型.利用XGBoost集成学习的优越性和双层LSTM算法预测传统基坑变形的准确度,提升模型的预测精度和泛化能力.在数据预处理阶... 展开更多; 关键词时间序列分析基坑测斜双层LSTM 极致梯度提升(XGBoost) 堆叠算法; 在线阅读下载PDF 职称材料

基于黑麂分布模型优化的钱江源园区管控分区合理性评估: 4; 作者李知晓吴承照《生态学报》北大核心 2025年第16期7753-7768,共16页; 黑麂(Muntiacus crinifrons)为国家一级保护野生动物,是钱江源⁃百山祖国家公园候选区钱江源园区(简称钱江源园区)的旗舰物种,科学的管控分区对黑麂种群和栖息地的保护具有重要的意义。为了科学评价黑麂栖息地的适宜性,支撑其种群保护与... 展开更多; 关键词国家公园规划与管理物种分布模型(SDM) 机器学习(ML) 堆叠泛化集成算法(Stacking) 可解释人工智能(XAI); 在线阅读下载PDF 职称材料

基于集成量子神经网络的大地构造环境判别与分析: 5; 作者张佳文李明超 +1 位作者韩帅张敬宜《地学前缘》 EI CAS CSCD 北大核心 2024年第3期511-519,共9页; 量子地球科学是一门崭新的跨学科前缘专业,量子计算和量子机器学习算法为地学大数据的深度挖掘与分析带来了新的契机。其中,量子神经网络是目前最具代表性的研究方向之一,在复杂多源数据处理方面的效率与准确率尤为突出。本文以大地构... 展开更多; 关键词量子地球科学构造环境判别岩石矿物地球化学堆叠集成算法量子神经网络; 在线阅读下载PDF 职称材料

水生萤火虫养殖过程中的水质监测方法: 6; 作者王声亮《新疆农机化》 2023年第5期46-48,共3页; 水生萤火虫是一种独特的生物,对其养殖环境的要求较高,因此需要对水质环境进行精细化监测和调控。本文提出了一种可以基于物联网和web技术的水质监测系统,针对大陆水生萤火虫的幼虫生长过程中的水质环境进行监测,通过主成分分析法对多... 展开更多; 关键词水生萤火虫水质监测主成分分析法多元堆叠长短时记忆网络-差值分析算法; 在线阅读下载PDF 职称材料

题名基于集成学习算法和Optuna调优的江西省森林碳储量遥感估测被引量：2: 1; 作者王可月王轶夫陈馨郑峻鹏李杰孙玉军; 机构北京林业大学森林资源和环境管理国家林业和草原重点实验室北京市十三陵林场管理处北京市园林绿化大数据中心; 出处《生态学报》北大核心 2025年第2期685-700,共16页; 基金江西省林业局科技创新专项([202133]) 中央高校基本科研业务费专项资金(BFUKF202404,PTYX202407)。; 文摘了解森林碳储量对于完整、准确地量化碳排放及气候变化背景下的环境监测至关重要,借助遥感数据源是估算区域尺度碳储量的有效方法。以江西省为研究区,基于第七次国家森林资源连续清查样地数据与Landsat-5 TM遥感数据,通过GEE平台对影像进行处理,将递归特征消除(RFE)、Boruta两种特征选择方法与支持向量机(SVR),包括随机森林(RF)、极端梯度提升(XGBoost)和堆叠集成(Stacking)在内的三种集成学习算法相结合,分析不同模型的估测精度。此外,运用Optuna超参数优化框架来确定各模型的超参数。根据最优估测模型来反演江西省森林碳储量并绘制空间分布图,选用地理探测器对碳储量的空间分布格局进行驱动力分析。结果表明:(1)根据特征重要性排名,RFE筛选出30个变量,Boruta筛选出11个变量,合适的特征子集与回归算法相结合能显著提升估测的准确性。(2)基于Optuna对各模型的超参数进行迭代调优,发现不同特征子集与机器学习算法相结合,超参数取值和重要性在模型中差异较大。其中RFE筛选的最优特征子集与Stacking算法结合进行回归拟合时获得了最好的估测效果(R^(2)=0.527,RMSE=15.85Mg/hm^(2),MAE=12.31Mg/hm^(2)),该模型有效利用训练数据,结合多种算法的优点以减少偏差,显著改善森林碳密度高值低估和低值高估的问题。(3)最优估测模型反演得到江西省2006年的森林碳密度平均值为33.356Mg/hm^(2)(2.585—88.943Mg/hm^(2)),森林碳储量总量为321.507Tg。(4)自然环境因子中海拔和坡度是影响碳储量空间分布格局的主要驱动因子;所有因子在交互作用下呈非线性增强和双因子增强,其空间分布格局是自然因素和人为因素协同作用的结果。; 关键词森林碳储量遥感估测集成学习算法 Optuna超参数调优堆叠集成算法碳密度地理探测器; Keywords forest carbon storage remote sensing estimation ensemble learning algorithm Optuna hyperparameter tuning Stacking carbon density Geodectetor; 分类号 TP181 [自动化与计算机技术—控制理论与控制工程] TP79 [自动化与计算机技术—检测技术与自动化装置] S718.5 [农业科学—林学]; 在线阅读下载PDF 职称材料

题名基于堆叠稀疏自编码的滚动轴承故障诊断被引量：12: 2; 作者侯荣涛周子贤赵晓平谢阳阳王丽华; 机构南京信息工程大学计算机与软件学院南京信息工程大学江苏省网络监控中心南京信息工程大学信息与控制学院; 出处《轴承》北大核心 2018年第3期49-54,60,共7页; 基金国家自然科学基金项目(51505234 51405241); 文摘针对机械设备故障数据大容量、多样性的特点,提出一种基于堆叠稀疏自编码(SSAE)的滚动轴承故障智能诊断方法。使用自动编码器(AE)逐层训练网络,从海量数据中自适应地学习各类故障的特征表达,再通过有监督的反向传播算法优化整个网络,最终将特征输入softmax分类器实现滚动轴承健康状况精确诊断。在动力传动故障诊断试验台采集了5类轴承故障数据进行测试。试验结果表明:SSAE算法能够有效地提取故障特征,且故障诊断效果优于传统智能诊断方法。; 关键词滚动轴承深度学习堆叠稀疏自编码算法故障诊断; Keywords rolling bearing deep learning stacked sparse autoencoder algorithm fault diagnosis; 分类号 TH133.33 [机械工程—机械制造及自动化] TN911.7 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名基于多模型Stacking融合的基坑测斜时序预测: 3; 作者胡比澜王洋洋张永强; 机构浙江大学建筑工程学院国家电投集团云南国际电力投资有限公司; 出处《浙江大学学报(工学版)》北大核心 2025年第4期706-716,共11页; 文摘为了准确预测基坑倾斜变形,提出基于极致梯度提升(XGBoost)、长短期记忆(LSTM)和线性回归(LR)的堆叠多变量预测模型.利用XGBoost集成学习的优越性和双层LSTM算法预测传统基坑变形的准确度,提升模型的预测精度和泛化能力.在数据预处理阶段,引入K最近邻(KNN)插补算法增加可有效利用的数据总量,使用深度学习模型Informer的时间信息处理方式,改善传统算法中有监督学习忽略时间序列数据不同时间间隔的问题.以杭州某在建基坑为工程案例,插补616条缺失数据,将时间信息转为3列时间点特征信息,使用所提模型进行基坑变形预测分析.已有实测数据验证表明,所提模型在预测基坑最大测斜位移及该位移点处深度时的训练精度和泛化能力相比双层LSTM模型及XGBoost模型均有较大提升,使用时间点特征的XGBoost模型比LSTM模型更适合预测对时间因素敏感的指标.; 关键词时间序列分析基坑测斜双层LSTM 极致梯度提升(XGBoost) 堆叠算法; Keywords time series analysis foundation pits lateral deformation two-layer LSTM extreme gradient boosting(XGBoost) Stacking algorithm; 分类号 TU433 [建筑科学—岩土工程]; 在线阅读下载PDF 职称材料

题名基于黑麂分布模型优化的钱江源园区管控分区合理性评估: 4; 作者李知晓吴承照; 机构同济大学建筑与城市规划学院国家公园及自然保护地规划研究中心; 出处《生态学报》北大核心 2025年第16期7753-7768,共16页; 基金国家社会科学基金重点项目后续项目(20FGLB014) 国家自然科学基金项目(32071835)。; 文摘黑麂(Muntiacus crinifrons)为国家一级保护野生动物,是钱江源⁃百山祖国家公园候选区钱江源园区(简称钱江源园区)的旗舰物种,科学的管控分区对黑麂种群和栖息地的保护具有重要的意义。为了科学评价黑麂栖息地的适宜性,支撑其种群保护与栖息地恢复,引入堆叠泛化集成算法(Stacked generalization-based ensemble algorithm,Stacking)来优化物种分布模型(Species distribution model,SDM);采用特征重要性分析、夏普雷加性解释(SHapley Additive exPlanations,SHAP)和部分依赖图(Partial dependence plots,PDPs)等可解释人工智能(Explainable artificial intelligence,XAI)方法,来揭示影响黑麂栖息地适宜性的主要因素及其影响机制,提升SDM的透明度;将预测结果与钱江源园区的管控分区、道路和村镇居民点分布叠加分析,从而识别人与黑麂的潜在空间冲突,以评估管控分区在黑麂保护中的合理性。结果显示,钱江源园区的黑麂适宜栖息地集中在南部和西部,约39.49 km^(2),占总面积的15.67%,其中81.29%位于核心保护区,表明管控分区基本合理。核心保护区中适宜栖息地净损失约1.77 km^(2),占适宜栖息地净损失总面积的57.1%。人与黑麂冲突集中在北部的核心保护区,表明就地保护、植被修复或原住民搬迁难以满足保护需求,管控措施亟待优化。降水、温度、海拔和人为干扰是影响黑麂栖息地适宜性的主要因素,在降水量偏高、海拔偏高、气温凉爽、低人为干扰的区域,栖息地的适宜性较高。建议通过加强物种监测与栖息地适宜性评估、实施适应性分区框架、设立缓冲区、构建生态廊道、制定气候变化预警方案等措施,来加强黑麂栖息地的整体保护,推动钱江源园区管理精细化转型。研究可为钱江源园区的黑麂保护和空间治理提供科学依据。; 关键词国家公园规划与管理物种分布模型(SDM) 机器学习(ML) 堆叠泛化集成算法(Stacking) 可解释人工智能(XAI); Keywords national park planning and management species distribution modeling(SDM) machine learning(ML) stacked generalization⁃based ensemble algorithm(Stacking) explainable artificial intelligence(XAI); 分类号 S759.9 [农业科学—森林经理学]; 在线阅读下载PDF 职称材料

题名基于集成量子神经网络的大地构造环境判别与分析: 5; 作者张佳文李明超韩帅张敬宜; 机构天津大学水利工程智能建设与运维全国重点实验室香港理工大学建筑与房地产学系; 出处《地学前缘》 EI CAS CSCD 北大核心 2024年第3期511-519,共9页; 基金天津市杰出青年科学基金项目(17JCJQJC44000)。; 文摘量子地球科学是一门崭新的跨学科前缘专业,量子计算和量子机器学习算法为地学大数据的深度挖掘与分析带来了新的契机。其中,量子神经网络是目前最具代表性的研究方向之一,在复杂多源数据处理方面的效率与准确率尤为突出。本文以大地构造环境判别这一关键问题为切入点,利用堆叠集成算法对量子神经网络(Stacking Quantum Neural Network,S-QNN)进行了改进,并分别实现了玄武岩、辉长岩和尖晶石的构造环境智能判别;同时与四种传统算法(SVM、RF、KNN和NB)、经典神经网络(ANN)和传统量子神经网络(QNN)进行对比。结果表明,集成后的S-QNN模型在3类情况下的准确率较最优的传统算法分别提升5.67%、6.19%和13.34%,较普通的QNN模型提升3.11%、4.99%和3.84%,且更具鲁棒性和通用性。该研究反映了所提出的S-QNN在数据处理中的优势,更证实了量子机器学习算法在地球科学研究中的适用性与潜力,为量子科学与地球科学的交叉融合提供了新思路。; 关键词量子地球科学构造环境判别岩石矿物地球化学堆叠集成算法量子神经网络; Keywords quantum geoscience tectonic settings discrimination rock and mineral geochemistry stack integration algorithm stacking quantum neural network(S-QNN); 分类号 P541 [天文地球—构造地质学] O413 [理学—理论物理] TP183 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名水生萤火虫养殖过程中的水质监测方法: 6; 作者王声亮; 机构浙江农林大学; 出处《新疆农机化》 2023年第5期46-48,共3页; 文摘水生萤火虫是一种独特的生物,对其养殖环境的要求较高,因此需要对水质环境进行精细化监测和调控。本文提出了一种可以基于物联网和web技术的水质监测系统,针对大陆水生萤火虫的幼虫生长过程中的水质环境进行监测,通过主成分分析法对多变量时间序列进行筛选,降低模型输入数据维度,运用多元堆叠长短时记忆网络-差值分析算法(MSLSTM-DA)建立有关水质监测和预警模型,为今后的养殖提供预测和相应的决策参考。本文的研究在一定程度上填补了国内关于水生萤火虫养殖环境自动化监测和预警方面研究的空白,具有较高的实用社会价值和经济效益。; 关键词水生萤火虫水质监测主成分分析法多元堆叠长短时记忆网络-差值分析算法; Keywords Aquatic firefly Water quality monitoring Principal Component Analysis Multi-Stack Long Short-Term Memory Network-Difference Analysis algorithm; 分类号 X832 [环境科学与工程—环境工程]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于集成学习算法和Optuna调优的江西省森林碳储量遥感估测	王可月王轶夫陈馨郑峻鹏李杰孙玉军	《生态学报》北大核心	2025	2	在线阅读下载PDF 职称材料
2	基于堆叠稀疏自编码的滚动轴承故障诊断	侯荣涛周子贤赵晓平谢阳阳王丽华	《轴承》北大核心	2018	12	在线阅读下载PDF 职称材料
3	基于多模型Stacking融合的基坑测斜时序预测	胡比澜王洋洋张永强	《浙江大学学报(工学版)》北大核心	2025	0	在线阅读下载PDF 职称材料
4	基于黑麂分布模型优化的钱江源园区管控分区合理性评估	李知晓吴承照	《生态学报》北大核心	2025	0	在线阅读下载PDF 职称材料
5	基于集成量子神经网络的大地构造环境判别与分析	张佳文李明超韩帅张敬宜	《地学前缘》 EI CAS CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
6	水生萤火虫养殖过程中的水质监测方法	王声亮	《新疆农机化》	2023	0	在线阅读下载PDF 职称材料