期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到85篇文章
< 1 2 … 5 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于极限梯度提升树的实时P波初至自动拾取方法
1
作者 李山有 高艺萱 +3 位作者 卢建旗 谢志南 马强 谢博楠 《中国铁道科学》 北大核心 2025年第4期199-209,共11页
针对传统P波初至自动拾取方法抗干扰能力弱、拾取精度低的问题,提出1种基于极限梯度提升树(XGBoost)的实时P波初至自动拾取方法。首先,选择有助于区分地震信号与背景噪声的4种特征参数作为模型的输入,以降低模型的复杂度;其次,构建P波... 针对传统P波初至自动拾取方法抗干扰能力弱、拾取精度低的问题,提出1种基于极限梯度提升树(XGBoost)的实时P波初至自动拾取方法。首先,选择有助于区分地震信号与背景噪声的4种特征参数作为模型的输入,以降低模型的复杂度;其次,构建P波初至自动拾取XGBoost模型,并对模型进行训练和测试;最后,通过与目前地震预警中常用的P波初至实时识别方法进行对比,验证模型的有效性。结果表明:所提方法在±0.5 s误差范围内的拾取样本占比为93.3%,优于能量周期双参数(EDP-Picker)方法和短时/长时平均比(STA/LTA)方法,二者拾取样本占比分别为91.9%和83.6%;当误差超出±0.5 s时,XGBoost方法的提前和滞后触发样本占比分别为4.27%和5.26%,而EDP-Picker的相应比例分别为5.03%和6.50%,STA/LTA的相应比例分别为5.39%和1.71%。相较于2种传统方法,XGBoost方法的综合性能显著提升,且具有更高的识别精度和更强的抗干扰能力,能够更稳定地适应复杂场景下的拾取需求。 展开更多
关键词 现地预警 地震紧急处置 P波初至自动识别 极限梯度提升树 机器学习
在线阅读 下载PDF
基于卷积神经网络与轻量级梯度提升树组合模型的电力行业短期以电折碳方法
2
作者 曾金灿 何耿生 +3 位作者 李姚旺 杜尔顺 张宁 朱浩骏 《上海交通大学学报》 北大核心 2025年第6期746-757,共12页
电力行业是碳排放的重点控排行业,准确、实时的电力行业碳排放计量是支撑其降碳减排的基础.目前,电力行业的碳排放计量主要基于实测法或核算法,难以很好地兼顾低计量成本与实时计量能力.为此,充分考虑电力行业良好的电力数据基础,挖掘电... 电力行业是碳排放的重点控排行业,准确、实时的电力行业碳排放计量是支撑其降碳减排的基础.目前,电力行业的碳排放计量主要基于实测法或核算法,难以很好地兼顾低计量成本与实时计量能力.为此,充分考虑电力行业良好的电力数据基础,挖掘电-碳间的相关关系,以电力历史数据为基础,基于机器学习方法提出一种电力行业短期以电折碳方法,实时估算电力行业短期碳排放情况.该方法使用卷积神经网络进行特征提取,并采用轻量级梯度提升树算法开展基于特征提取值的碳排放测算.此外,为了提升模型的泛化能力和鲁棒性,在模型训练中采用K折交叉验证技术,在模型参数优化过程中采用网格搜索技术.最后,为了验证所提模型的有效性,对比所提模型和其他机器学习模型在同等数据集划分条件下分别基于日度数据集与小时数据集中进行训练的效果.结果表明:所提模型在效果评估和测算值与目标值分布分析中均优于其他模型,能够较好地反映电力行业的短期碳排放情况. 展开更多
关键词 以电折碳 卷积神经网络 轻量级梯度提升树算法 碳排放 机器学习 组合模型
在线阅读 下载PDF
基于梯度提升树模型的坡耕地土壤水蚀模拟与分析 被引量：1
3
作者 李潼亮 赵梓鉴 +5 位作者 李斌斌 张风宝 郭正 何琪琳 何庆 杨明义 《水土保持学报》 CSCD 北大核心 2024年第3期54-63,共10页
[目的]针对黄土高原坡耕地土壤侵蚀过程复杂、人为干扰强烈且难以量化的特点,利用机器学习定量解析主要影响因素对坡耕地土壤水蚀的作用与贡献,模拟分析坡耕地土壤水蚀特征并探究其机理,为坡耕地土壤侵蚀的预报提供基础支撑。[方法]基... [目的]针对黄土高原坡耕地土壤侵蚀过程复杂、人为干扰强烈且难以量化的特点,利用机器学习定量解析主要影响因素对坡耕地土壤水蚀的作用与贡献,模拟分析坡耕地土壤水蚀特征并探究其机理,为坡耕地土壤侵蚀的预报提供基础支撑。[方法]基于黄土高原子洲试验站坡耕地小区1959—1969年产流产沙观测数据,精细化表征其影响因子,运用梯度提升树模型对侵蚀量和径流深的变化及其影响因素的贡献进行分析。[结果]数据集中次降雨侵蚀量(0~122.72 t/km^(2))、径流深(0.02~17.20 mm)、降雨历时(2~1410 min)及平均雨强(0.02~4.63 mm)属强变异,变异系数均>1,且多数变量呈右偏态;在相同训练集和测试集划分情况下,对侵蚀量模型预测精度(R^(2)=0.81)略优于径流深模型(R^(2)=0.80),但侵蚀量模型的层数(8层)大于径流深模型(5层),表明侵蚀机理相较径流机理更为复杂;通过梯度提升树模型与SHAP算法对自变量重要性进行排序发现,影响侵蚀模型与径流模型的自变量重要性不同。[结论]受特征提取的限制,在侵蚀量与径流深较小时预测结果不理想,未来研究应当通过引入更多自变量组合方式寻找更多相关变量以提高对侵蚀事件的预测。产流和产沙的主要影响因素存在差异,降水本身特征对产流过程起主要作用,侵蚀产沙过程中主要受到降水与地形相关自变量的共同影响。基于数据驱动,为揭示黄土高原坡耕地侵蚀机理提供参考,并为区域坡耕地土壤侵蚀防治提供科学依据。 展开更多
关键词 预报模型 梯度提升树模型 坡耕地 黄土坡面
在线阅读 下载PDF
基于极限梯度提升和探地雷达时频特征的水泥路面脱空识别 被引量：2
4
作者 张军 姜文涛 +3 位作者 张云 罗婷倚 余秋琴 杨哲 《同济大学学报（自然科学版）》 EI CAS CSCD 北大核心 2024年第1期104-114,121,共12页
针对探地雷达(GPR)数据解译依赖于人工经验,存在费时费力和主观偏差的问题,提出了基于极限梯度提升(XGBoost)和GPR时频特征的水泥路面脱空识别方法。采用正演模拟、室内试验和现场试验获得了脱空病害数据源,建立含有标签的脱空GPR数据集... 针对探地雷达(GPR)数据解译依赖于人工经验,存在费时费力和主观偏差的问题,提出了基于极限梯度提升(XGBoost)和GPR时频特征的水泥路面脱空识别方法。采用正演模拟、室内试验和现场试验获得了脱空病害数据源,建立含有标签的脱空GPR数据集;通过重采样方法统一GPR数据采样频率,并对预处理后的GPR数据进行时频域特征提取,建立了包含18个时域和12个频域特征的数据集。以时频域特征为输入,是否存在脱空病害为输出,采用XGBoost算法构建脱空识别模型,并与随机森林(RF)和人工神经网络(ANN)算法进行对比。结果表明,模型的识别准确率排序为XGBoost(98.10%)>ANN(95.10%)>RF(93.17%),XGBoost模型识别精度最高,并能在实际路面上准确定位脱空区域。 展开更多
关键词 道路养护 探地雷达(GPR) 脱空病害 极限梯度提升(xgboost) 时频域特征
在线阅读 下载PDF
基于BO-XGBoost模型的衢州市浅层滑坡易发性评价
5
作者 王凯 邬礼扬 +3 位作者 殷坤龙 曾韬睿 谢小旭 龚泉冰 《安全与环境工程》 北大核心 2025年第3期197-209,共13页
机器学习模型作为评估滑坡易发性的先进工具,其精度的提高是获得高质量易发性区划图的核心。为优化机器学习模型,克服传统模型在预测浅层滑坡方面的不足,提出了一种基于贝叶斯优化(Bayesian optimization,BO)的极端梯度提升树(extreme g... 机器学习模型作为评估滑坡易发性的先进工具,其精度的提高是获得高质量易发性区划图的核心。为优化机器学习模型,克服传统模型在预测浅层滑坡方面的不足,提出了一种基于贝叶斯优化(Bayesian optimization,BO)的极端梯度提升树(extreme gradient boosting,XGBoost)模型,用以评价衢州市的浅层滑坡易发性。首先,基于衢州市682处浅层滑坡的基础数据,选取坡度、坡向等10个指标构建指标因子体系;然后构建XGBoost模型,使用贝叶斯算法进行超参数优化;最后使用受试者工作特征(receiver operating characteristic,ROC)曲线以及统计方式进行精度分析,并与其他的机器学习模型进行对比。结果表明:①BO-XGBoost模型(AUC=0.874)预测精度最高,比XGBoost模型性能提升了4.17%,且根据浅层滑坡在各易发性等级的分布情况,BO-XGBoost模型在极高易发区中浅层滑坡数占比最高,为36.80%,滑坡比率最高,为3.92;②衢州市浅层滑坡极高和高易发区主要分布于北部、南部和中部山区的道路和水系沿线区域;③土地利用类型为草地、居民点距离小于400 m、道路距离与水系距离小于150 m是衢州市浅层滑坡发育的主要影响因素。研究提出的模型显著优于传统方法,提高了滑坡易发性评价的准确性,为东部沿海山区的浅层滑坡易发性评价提供了一种新颖的技术方案。 展开更多
关键词 浅层滑坡 易发性评价 极端梯度提升树(xgboost) 贝叶斯优化(BO)
在线阅读 下载PDF
基于AE-Xgboost的室内火灾温度变化预测模型
6
作者 宋岩升 肖广 +1 位作者 王浩然 董龙威 《沈阳建筑大学学报(自然科学版)》 北大核心 2025年第5期695-704,共10页
使用机器学习算法构建一个预测模型,准确地预测室内火灾中温度的变化,保障个人生命和财产安全。采用AE对合成的温度数据进行降维,然后利用所得参数来构建Xgboost模型(AE-Xgboost),最后通过一个火灾数值模拟案例和一系列火灾测试的数据验... 使用机器学习算法构建一个预测模型,准确地预测室内火灾中温度的变化,保障个人生命和财产安全。采用AE对合成的温度数据进行降维,然后利用所得参数来构建Xgboost模型(AE-Xgboost),最后通过一个火灾数值模拟案例和一系列火灾测试的数据验证AE-Xgboost的预测能力。AE-Xgboost与其他7个预测模型相比,R^(2)具有最大值0.999,均方差MSE具有最小值4.93×10^(-5);AE-Xgboost对11组验证数据进行预测后,所得R^(2)值均高于0.96。AE-Xgboost在预测室内火灾中温度变化方面具有较高的预测精度和较强的泛化能力,且适用于t 2型和缓慢增长类型的火灾。 展开更多
关键词 室内火灾温度 自编码器 极限梯度提升 预测模型
在线阅读 下载PDF
基于半监督高斯混合模型与梯度提升树的砂岩储层相控孔隙度预测 被引量：12
7
作者 魏国华 韩宏伟 +2 位作者 刘浩杰 李明轩 袁三一 《石油地球物理勘探》 EI CSCD 北大核心 2023年第1期46-55,共10页
孔隙度是一种描述储层物性特征的重要参数。考虑砂岩与泥岩的孔隙度存在明显差异,提出了一种基于半监督高斯混合模型与梯度提升树的相控孔隙度预测方法,以实现砂岩储层孔隙度的精细描述。首先利用少量具岩相标签的测井数据确定高斯混合... 孔隙度是一种描述储层物性特征的重要参数。考虑砂岩与泥岩的孔隙度存在明显差异,提出了一种基于半监督高斯混合模型与梯度提升树的相控孔隙度预测方法,以实现砂岩储层孔隙度的精细描述。首先利用少量具岩相标签的测井数据确定高斯混合模型的初始聚类中心及对应的岩相类别;其次利用大量无标签测井数据优化高斯混合模型,实现砂岩与泥岩的准确划分;再次基于地质认识将泥岩孔隙度解释为固定的极小值,从而后续只开展砂岩孔隙度预测;然后将测井曲线拟合方法导出的孔隙度先验信息和测井敏感属性作为梯度提升树算法的多元输入信息,通过学习统计性岩石物理关系建立砂岩孔隙度的计算模型;最终根据岩相结果将砂岩段与泥岩段的孔隙度进行组合得到相控孔隙度。D油田的18口井数据测试结果表明:半监督高斯混合模型的岩相分类效果优于K均值、支持向量机、随机森林等机器学习算法,2口盲井的岩相分类准确率达到94.5%;所构建方法对2口盲井预测的相控孔隙度结果与真实孔隙度具有较高的一致性,平均相关系数达0.805。 展开更多
关键词 相控孔隙度预测 岩相划分 半监督高斯混合模型 梯度提升树 机器学习
在线阅读 下载PDF
基于梯度提升机的中国陆地生态系统土壤异养呼吸预测
8
作者 张金文 王文龙 +4 位作者 倪荣雨 张彬梅 曾爱聪 郭福涛 苏漳文 《浙江农林大学学报》 北大核心 2025年第4期774-783,共10页
【目的】极限梯度提升树(XGBoost)与轻量级梯度提升机(LightGBM)模型在梯度提升决策树框架下各具优势,系统对比两者在土壤异养呼吸估算中的性能差异,有助于深入挖掘梯度提升机在生态系统碳通量预测中的潜力,并推动该类模型在大尺度碳循... 【目的】极限梯度提升树(XGBoost)与轻量级梯度提升机(LightGBM)模型在梯度提升决策树框架下各具优势,系统对比两者在土壤异养呼吸估算中的性能差异,有助于深入挖掘梯度提升机在生态系统碳通量预测中的潜力,并推动该类模型在大尺度碳循环模拟中的优化应用。【方法】基于全球土壤呼吸数据库(SRDB),构建了中国陆地生态系统的土壤异养呼吸及环境因子数据库,利用XGBoost和LightGBM 2种梯度提升机模型对2000—2023年中国陆地生态系统土壤异养呼吸进行估算与对比分析,并进一步探讨中国陆地生态系统土壤异养呼吸的空间分布趋势及其主要影响因素。【结果】①2个模型均展现出较高的预测精度(测试集决定系数均为0.91),XGBoost模型在训练集上表现出较强的拟合能力,LightGBM模型则在测试集上能够更好地控制误差。②在2000—2023年,XGBoost与LightGBM模型估算的中国陆地生态系统土壤异养呼吸年平均值分别为299.57和294.60 g·m^(−2)·a^(−1),年际变化幅度分别为19.51和32.43 g·m^(−2)·a^(−1)。③中国陆地生态系统土壤异养呼吸呈现南高北低的空间分布特征,主要受土壤性质和叶面积指数影响。这一空间异质性反映了土壤异养呼吸对环境变化的不同响应。【结论】梯度提升机模型在大尺度土壤异养呼吸建模与预测中表现出良好的适应性,能够有效捕捉土壤异养呼吸的时空变化特征,展现出较强的预测能力. 展开更多
关键词 土壤异养呼吸估算 陆地生态系统 极限梯度提升树(xgboost)模型 轻量级梯度提升机(LightGBM)模型
在线阅读 下载PDF
融合XGBoost和逻辑回归算法的电信客户流失预测模型
9
作者 吕宁 罗倩 《现代电子技术》 北大核心 2025年第11期136-143,共8页
为应对大规模、高维度且分布不均衡的企业数据环境下客户流失预测难题,文中提出一种融合极端梯度提升树与逻辑回归(XG-LR)的集成学习算法。该方法利用XGBoost算法构建决策树集成,将样本在树结构中的叶节点映射为新特征并输入LR模型,实... 为应对大规模、高维度且分布不均衡的企业数据环境下客户流失预测难题,文中提出一种融合极端梯度提升树与逻辑回归(XG-LR)的集成学习算法。该方法利用XGBoost算法构建决策树集成,将样本在树结构中的叶节点映射为新特征并输入LR模型,实现树模型非线性特征提取能力与LR模型解释性优势的有效结合。实验结果表明,在Teclo电信流失数据集上,XG-LR算法的预测精确率达到94.55%,较传统统计学习方法有显著提升。该模型可为企业客户关系管理提供高精度的流失预警工具,支持数据驱动的客户价值评估与营销策略优化。 展开更多
关键词 客户流失预测 统计学习模型 极端梯度提升树 逻辑回归 特征转换 数据平衡 特征提取
在线阅读 下载PDF
基于WGAN-XGBoost的ADS-B异常数据检测模型
10
作者 李怀谦 陈雨昊 +1 位作者 付宇翔 沈嘉意 《中国安全科学学报》 北大核心 2025年第8期188-195,共8页
为保障航空运行安全、提升空域管理效率并增强系统对欺骗与干扰的防御能力,提出一种融合Wasserstein生成对抗网络(WGAN)和极限梯度提升(XGBoost)算法的异常数据检测模型。首先,通过WGAN学习预处理后ADS-B数据的内在分布特征,生成异常数... 为保障航空运行安全、提升空域管理效率并增强系统对欺骗与干扰的防御能力,提出一种融合Wasserstein生成对抗网络(WGAN)和极限梯度提升(XGBoost)算法的异常数据检测模型。首先,通过WGAN学习预处理后ADS-B数据的内在分布特征,生成异常数据,将其与原始数据融合作为训练数据集;其次,基于XGBoost算法训练混合数据集,构建异常分类检测器;最后,通过试验与朴素贝叶斯、逻辑回归、感知机等基准模型开展性能对比。结果表明:与其他机器学习异常数据检测器相比,XGBoost异常数据检测器在准确率、精确率、召回率、F_(1)分数等6项指标上均表现更优,其中准确率和精确率均超过0.999;模型检测243792条数据的总耗时为2.0702 s,平均每条数据检测耗时0.0085 ms,在检测性能与时间成本间实现最优平衡,且经真实异常事件验证,具备良好的实用性与适用性。 展开更多
关键词 Wasserstein生成对抗网络(WGAN) 极限梯度提升(xgboost) 广播式自动相关监视(ADS-B) 异常数据检测 朴素贝叶斯
在线阅读 下载PDF
变分模态分解与极限梯度提升树融合的高速轴向柱塞泵空化等级识别 被引量：3
11
作者 王立尧 王远航 +4 位作者 孟苓辉 李小兵 潮群 陶建峰 刘成良 《液压与气动》 北大核心 2021年第5期62-67,共6页
针对高速轴向柱塞泵在不同空化程度下故障特征不明显导致识别准确率低的问题,提出了一种变分模态分解和极限梯度提升树融合的识别方法。在不同空化等级下进行高速轴向柱塞泵空化试验,采集壳体的振动加速度信号,对信号采用变分模态分解... 针对高速轴向柱塞泵在不同空化程度下故障特征不明显导致识别准确率低的问题,提出了一种变分模态分解和极限梯度提升树融合的识别方法。在不同空化等级下进行高速轴向柱塞泵空化试验,采集壳体的振动加速度信号,对信号采用变分模态分解方法并从中提取故障特征以构造特征数据集,最后利用极限梯度提升树进行空化等级的识别。为证明所提方法的抗噪性能,在测试集中加入了随机高斯白噪声。结果表明,加入不同信噪比的噪声后,该识别模型仍能准确地识别出高速轴向柱塞泵的空化等级。 展开更多
关键词 高速轴向柱塞泵 空化等级识别 变分模态分解 极限梯度提升树
在线阅读 下载PDF
同步压缩小波与极限梯度提升树融合的柴油机失火故障诊断 被引量：11
12
作者 李卫星 陶建峰 +1 位作者 覃程锦 刘成良 《西安交通大学学报》 EI CAS CSCD 北大核心 2019年第2期47-54,169,共9页
针对柴油机失火故障诊断特征提取分辨率较低和分类评估容易出现过拟合的问题,提出了一种同步压缩小波变换和极限梯度提升树融合的诊断方法。在不同转速下进行柴油机失火性能试验,采集缸盖振动信号,对信号利用时域统计、同步压缩小波提... 针对柴油机失火故障诊断特征提取分辨率较低和分类评估容易出现过拟合的问题,提出了一种同步压缩小波变换和极限梯度提升树融合的诊断方法。在不同转速下进行柴油机失火性能试验,采集缸盖振动信号,对信号利用时域统计、同步压缩小波提取特征,再采用局部线性嵌入方法进行特征降维,最后利用极限梯度提升树进行失火评估分类。不同工况与评估方法下的对比实验结果表明,所提方法的分类准确率最高可达99.828%,相比小波包特征提取的评估方法提升至少10%。在低模型复杂度下,所提方法具有最小的模型预测均方根误差,证明了方法的鲁棒性和抑制模型过拟合的能力。 展开更多
关键词 失火故障诊断 同步压缩小波变换 极限梯度提升树 局部线性嵌入
在线阅读 下载PDF
基于梯度提升树算法的玉米施肥模型构建 被引量：5
13
作者 卓越 严海军 《水资源与水工程学报》 CSCD 2020年第4期223-228,237,共7页
为了模拟作物的土壤养分含量、施肥量与产量之间的非线性关系,利用玉米"3414"试验数据进行插值,以土壤养分含量和施肥量作为输入量,产量作为输出量,使用梯度提升树(GBDT)算法建立施肥模型,并与BP神经网络(BPNN)、支持向量回归... 为了模拟作物的土壤养分含量、施肥量与产量之间的非线性关系,利用玉米"3414"试验数据进行插值,以土壤养分含量和施肥量作为输入量,产量作为输出量,使用梯度提升树(GBDT)算法建立施肥模型,并与BP神经网络(BPNN)、支持向量回归(SVR)、随机森林(RF)算法建立的施肥模型进行对比。结果表明:应用构建的GBDT模型得到的玉米产量平均相对误差、平均绝对误差和均方根误差分别为0.46%、48.7和62.2 kg/hm^2,优于其他3种算法。基于GBDT算法的施肥模型在模拟土壤养分含量、施肥量与产量之间关系时具有较高精度,对于指导精准施肥具有较强的应用价值。 展开更多
关键词 施肥模型 梯度提升树算法 施肥量 产量 玉米
在线阅读 下载PDF
基于梯度提升回归树的城市道路行程时间预测 被引量：28
14
作者 龚越 罗小芹 +1 位作者 王殿海 杨少辉 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2018年第3期453-460,共8页
为了提高行程时间的预测精度,在考虑时间序列相关性的同时,分析相邻路段的空间相关性对于行程时间的影响,并提出基于梯度提升回归树模型的城市道路行程时间预测方法.对车牌识别设备获取的实际数据进行预处理,并提出相应的补全算法以解... 为了提高行程时间的预测精度,在考虑时间序列相关性的同时,分析相邻路段的空间相关性对于行程时间的影响,并提出基于梯度提升回归树模型的城市道路行程时间预测方法.对车牌识别设备获取的实际数据进行预处理,并提出相应的补全算法以解决数据缺失问题,建立完整的历史数据集.通过分析各影响因素与行程时间的相关性,构建特征向量.为了能更好地理解模型,通过梯度提升回归树模型输出各变量对于预测结果的重要度.利用实际数据对模型进行评估,预测行程时间的平均绝对误差百分比,约为10.0%.与SVM、ARIMA等方法相比,所提方法具有较高的精度. 展开更多
关键词 交通工程 短时交通流预测 梯度提升回归树模型(GBRT) 城市道路行程时间 车牌识别数据
在线阅读 下载PDF
采用极限梯度提升算法的电力系统电压稳定裕度预测 被引量：9
15
作者 王慧芳 张晨宇 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2020年第3期606-613,共8页
将极限梯度提升树(XGBoost)算法应用于电力系统电压稳定评估问题.根据电压稳定问题特点,提出能够反映电力系统运行状态的特征集;把电压稳定裕度绝对值作为映射目标,并介绍生成样本集的方法.在介绍XGBoost算法基本原理的基础上,研究该算... 将极限梯度提升树(XGBoost)算法应用于电力系统电压稳定评估问题.根据电压稳定问题特点,提出能够反映电力系统运行状态的特征集;把电压稳定裕度绝对值作为映射目标,并介绍生成样本集的方法.在介绍XGBoost算法基本原理的基础上,研究该算法的技术细节.在IEEE-39节点系统上进行验证,结果表明,XGBoost算法在R方值和平均绝对百分误差2项回归指标上均优于其他几类机器学习算法,且模型的计算速度最快,可以满足在线应用要求.同时,XGBoost算法具有良好的数值错误和数值缺失容错性,并可以针对预测偏差较大的样本进行数据补充,实现模型的更新,使得模型表现趋于稳定. 展开更多
关键词 电力系统 电压稳定性 机器学习 人工智能 极限梯度提升树(xgboost)算法
在线阅读 下载PDF
基于WOA-XGBoost的膜下滴灌棉花蒸散量预测模型 被引量：3
16
作者 曹缘 王振华 +3 位作者 张继红 刘宁宁 李文昊 张金珠 《排灌机械工程学报》 CSCD 北大核心 2024年第12期1280-1286,共7页
为了科学准确地预测膜下滴灌棉花蒸散量,基于鲸鱼优化算法(whale optimization algorithm,WOA)和极端梯度提升树(XGBoost),提出了WOA-XGBoost棉花蒸散量预测模型.采用最大互信息系数(maximal information coefficient,MIC)筛选影响棉花... 为了科学准确地预测膜下滴灌棉花蒸散量,基于鲸鱼优化算法(whale optimization algorithm,WOA)和极端梯度提升树(XGBoost),提出了WOA-XGBoost棉花蒸散量预测模型.采用最大互信息系数(maximal information coefficient,MIC)筛选影响棉花蒸散量的关键因素,依据相关系数排序构建输入组合,代入WOA-XGBoost模型进行模拟.并与XGBoost,SVM,WOA-SVM和PSO-XGBoost预测结果进行对比验证.结果表明:太阳辐射、最低气温、最高气温、相对湿度、风速和土壤温度与棉花蒸散量相关性较大,其MIC值分别为0.722,0.546,0.496,0.475,0.379和0.219,基于上述6个因素构建的WOA-XGBoost模型综合性能最优,R^(2),MAE,RMSE和MAPE分别为0.922,0.038 mm/h,0.064 mm/h和0.221,预测精度均优于相同输入参数下的其他4种模型.因此,推荐使用WOA-XGBoost模型模拟相关因素与膜下滴灌棉花蒸散量之间的非线性关系.研究可为精确计算膜下滴灌棉花蒸散量提供科学依据,为灌溉决策优化提供参考. 展开更多
关键词 蒸散量 棉花 极端梯度提升树模型 鲸鱼优化算法 预测模型
在线阅读 下载PDF
比较多种机器学习模型预测肺移植术后受者生存
17
作者 史灵芝 刘亚灵 +7 位作者 严浩吉 喻赠玮 侯森林 刘明昭 杨航 吴波 田东 陈静瑜 《器官移植》 北大核心 2025年第2期264-271,共8页
目的 比较不同机器学习算法构建的预后模型在预测肺移植(LTx)受者生存期方面的性能和表现。方法 回顾性收集483例行LTx手术的受者资料,所有受者按7∶3的比例分为训练集和验证集,将收集到的24个变量基于变量重要性(VIMP)进行筛选,利用随... 目的 比较不同机器学习算法构建的预后模型在预测肺移植(LTx)受者生存期方面的性能和表现。方法 回顾性收集483例行LTx手术的受者资料,所有受者按7∶3的比例分为训练集和验证集,将收集到的24个变量基于变量重要性(VIMP)进行筛选,利用随机生存森林(RSF)和极端梯度提升树(XGBoost)构建预后模型,使用综合曲线下面积(iAUC)和时间依赖曲线下面积(t AUC)进行模型性能评估。结果 训练集和验证集的各变量差异均无统计学意义。基于VIMP筛选排名前15的变量用于建模并确定重症监护室(ICU)住院时间为最重要的因素。与XGBoost模型相比,RSF模型在预测受者生存期方面表现出更好的性能(i AUC0.773比0.723)。在预测受者6个月生存期(tAUC6个月0.884比0.809,P=0.009)和1年生存期(tAUC1年0.896比0.825,P=0.013)方面,RSF模型也表现出更好的性能。基于两种算法的预测截断值,将LTx术后受者分为高风险组和低风险组,两种模型的生存分析结果均显示高风险组受者的生存率低于低风险组(P<0.001)。结论 与XGBoost相比,基于RSF算法开发的机器学习预后模型可以更好地预测LTx受者的生存期。 展开更多
关键词 肺移植 机器学习 预测模型 随机生存森林 极端梯度提升树 生存期 比例风险回归模型 重症监护室
在线阅读 下载PDF
融合SHAP和TSO-XGBoost模型的水路货运量预测 被引量：1
18
作者 温泉 余玉欢 +1 位作者 庄尚德 牟军敏 《水利水运工程学报》 CSCD 北大核心 2024年第6期86-96,共11页
水路货运量需求受诸多因素影响,长江干线中游“645”工程实施后,航道通航条件得到了明显改善,为了更好分析工程实施后货运量变化趋势,提出一种新的水路货运量预测模型。首先,采用二次插值法和KNN反距离权重插值法解决高维面板数据中时... 水路货运量需求受诸多因素影响,长江干线中游“645”工程实施后,航道通航条件得到了明显改善,为了更好分析工程实施后货运量变化趋势,提出一种新的水路货运量预测模型。首先,采用二次插值法和KNN反距离权重插值法解决高维面板数据中时间粒度不统一与缺失问题,利用层次聚类和SHAP值的可解释性综合筛选关键影响因素特征序列,降低预测模型输入数据的维度和规模,引入Halton低差异序列和准反射学习策略(QRBL)大幅提升金枪鱼群优化算法(TSO)的寻优效能,增强TSO算法对极限梯度提升(XGBoost)模型中决策树数量、决策树的深度、学习速率等决定模型拟合能力的超参组合寻优效果。结果表明,新模型预测精度显著优于对比模型,可更好地适用于多特征影响因素下的水路货运量预测研究。 展开更多
关键词 金枪鱼群优化算法(TSO) 极限梯度提升(xgboost) 水路货运量
在线阅读 下载PDF
基于XGBoost和SHAP的海滩波浪爬高预测研究 被引量：1
19
作者 张建 丁佩 +1 位作者 刘楷操 路川藤 《海洋预报》 北大核心 2025年第2期1-8,共8页
海滩波浪爬高预测是海岸侵蚀防护和防灾减灾的关键技术支撑。针对现有经验公式在精确度、泛化性等方面的不足,将极限梯度提升模型XGBoost引入到波浪爬高预测中,利用1400多个来自实验室和现场观测的海滩波浪爬高数据,通过贝叶斯优化进行... 海滩波浪爬高预测是海岸侵蚀防护和防灾减灾的关键技术支撑。针对现有经验公式在精确度、泛化性等方面的不足,将极限梯度提升模型XGBoost引入到波浪爬高预测中,利用1400多个来自实验室和现场观测的海滩波浪爬高数据,通过贝叶斯优化进行超参数调整,建立基于XGBoost的海滩波浪爬高预测模型。此外,还将可解释机器学习框架SHAP与XGBoost模型结合,以挖掘波浪爬高预测结果的关键特征。评估结果表明:XGBoost模型的决定系数为0.957,均方根误差为0.384 m,显著优于其他经验公式,整体预测可靠稳定;SHAP分析也表明XGBoost模型的预测趋势符合真实走向,且Iribarren数在海滩波浪爬高预测中起着关键作用。 展开更多
关键词 机器学习 波浪爬高 极限梯度提升模型 贝叶斯优化 可解释机器学习框架
在线阅读 下载PDF
考虑季节特性与数据窗口的短期光伏功率预测组合模型 被引量：4
20
作者 张静 熊国江 《电力工程技术》 北大核心 2025年第1期183-192,共10页
光伏功率的间歇性和随机性因季节变化呈现出不同的特点,考虑季节特性对提高光伏功率预测精度具有重要意义。因此,文中提出一种考虑季节特性和数据窗口的短期光伏功率预测组合模型。首先,通过皮尔逊相关系数法确定对光伏功率贡献度高的... 光伏功率的间歇性和随机性因季节变化呈现出不同的特点,考虑季节特性对提高光伏功率预测精度具有重要意义。因此,文中提出一种考虑季节特性和数据窗口的短期光伏功率预测组合模型。首先,通过皮尔逊相关系数法确定对光伏功率贡献度高的气象因素,降低预测模型的输入特征维数。其次,对比不同季节下不同模型的光伏功率预测精度,选择光伏功率预测误差最小且相关性最低的2个模型构建组合模型,即门控循环单元(gated recurrent unit,GRU)模型和极限梯度提升(extreme gradient boosting,XGboost)模型。然后,分析历史气象数据中不同输入窗口对GRU-XGboost模型预测精度的影响,确定最优数据窗口。最后,在此基础上分别采用GRU和XGboost对光伏功率进行预测,将2个预测结果加权组合得到最终预测结果。结果表明,与其他模型相比,所提模型具有更强的适应性和更高的预测精度。 展开更多
关键词 短期光伏功率预测 季节特性 数据窗口 门控循环单元(GRU) 极限梯度提升(xgboost) 组合模型
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 5 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部