检索结果-维普期刊中文期刊服务平台

基于树结构Parzen估计器优化后两层Stacking模型的岩石脆性指数预测: 1; 作者王芷含温韬《中国石油勘探》北大核心 2025年第2期115-132,共18页; 目前岩石脆性指数的评价方法众多,主要基于矿物组分或岩石力学性质开展评价,但多数评价指标获取费用高昂、耗时长。采用机器学习的手段,提出一种基于Stacking集成学习思想的岩石脆性指数预测方法,并行训练梯度提升决策树模型(GBDT)、随... 展开更多; 关键词岩石脆性指数 Stacking模型集成学习树结构parzen估计器; 在线阅读下载PDF 职称材料

基于树结构Parzen估计器优化集成学习的短期负荷预测方法被引量：2: 2; 作者罗敏杨劲锋 +6 位作者俞蕙赖雨辰郭杨运周尚礼向睿童星陈潇《上海交通大学学报》 EI CAS CSCD 北大核心 2024年第6期819-825,共7页; 短期负荷预测主要用于电力系统实时调度、日前发电计划的制定,对电力系统经济调度、系统的安全运行具有重要意义.国内外在采用智能模型进行短期负荷预测方面开展了大量研究,然而智能预测方法的预测效果较易受到现存方法结构及参数的影响... 展开更多; 关键词短期负荷预测树结构parzen估计器集成学习超参优化; 在线阅读下载PDF 职称材料

基于树状结构Parzen估计器优化长短期记忆神经网络的燃煤机组NO_(x)生成浓度预测被引量：1: 3; 作者陈东升梁中荣 +3 位作者郑国何荣强屈可扬甘云华《中国电机工程学报》北大核心 2025年第7期2710-2718,I0022,共10页; 建立更准确的NO_(x)生成浓度预测模型对于燃煤机组减少NO_(x)排放,降低脱硝成本具有重大意义。搭建NO_(x)生成模型基于机组相关变量,同时依赖模型结构设计,设计模型结构的参数称为超参数。进行合理的数据处理与超参数设定,能够有效提升N... 展开更多; 关键词燃煤锅炉 NO_(x)生成浓度预测树状结构parzen估计器超参数优化长短期记忆神经网络; 在线阅读下载PDF 职称材料

参数估计中最大后验估计器的实现被引量：1: 4; 作者摆玉龙刘昌盛 +1 位作者马胜前梁西银《计算机工程与设计》 CSCD 北大核心 2009年第4期792-794,799,共4页; 简要介绍了贝叶斯参数估计的基本原理,并在选择均匀代价函数的基础上,给出了最大后验(MAP)估计器的实现方法。以223个电阻测量值作为样本,利用Parzen窗法估算出了先验概率密度函数,由此得出了该样本的MAP估计器,并与数据拟合技术进行了... 展开更多; 关键词参数估计贝叶斯估计数据拟合技术 parzen窗法最大后验估计器; 在线阅读下载PDF 职称材料

水平定向钻载荷下天然气管道失效智能预测研究: 5; 作者何婷杨松 +3 位作者张开陈利琼黄坤陈星宇《安全与环境学报》北大核心 2025年第4期1370-1379,共10页; 为研究水平定向钻载荷下埋地天然气管道的失效条件,结合水平定向钻施工特点和天然气管道实际情况,建立了钻头-土体-管道有限元模型,得到包括影响水平定向钻载荷作用的六个关键特征变量的失效数据集。基于该数据集,建立智能失效预测模型... 展开更多; 关键词安全工程天然气管道水平定向钻载荷有限元模拟极端梯度提升树结构parzen估计器优化; 在线阅读下载PDF 职称材料

题名基于树结构Parzen估计器优化后两层Stacking模型的岩石脆性指数预测: 1; 作者王芷含温韬; 机构长江大学地球科学学院湖北长大科技开发有限公司加查县分公司; 出处《中国石油勘探》北大核心 2025年第2期115-132,共18页; 基金国家自然科学基金“冻融循环作用下藏东南高海拔山区岩质滑坡解锁力学机制与启滑判据”(42477174) 西藏自治区重大科技专项“西藏重大自然灾害风险预判与防治关键技术及示范应用”(XZ202402ZD0001) +1 种基金青海省基础研究计划项目“河湟谷地多灾种山地灾害形成机制及预判预警研究”(2024-ZJ-904)。; 文摘目前岩石脆性指数的评价方法众多,主要基于矿物组分或岩石力学性质开展评价,但多数评价指标获取费用高昂、耗时长。采用机器学习的手段,提出一种基于Stacking集成学习思想的岩石脆性指数预测方法,并行训练梯度提升决策树模型(GBDT)、随机森林模型(RF)、朴素决策树模型(DT)、支持向量回归模型(SVR)以及LightGBM模型等,并加以树结构Parzen估计器对各模型进行超参数调优后,串行使用XGBoost模型对基模型训练结果进行融合,从而实现各参数的快速寻优和岩石脆性指数的预测。结果表明,基于树结构Parzen估计器优化后的两层Stacking模型预测结果与使用的基模型预测结果相比具有明显优势,其可释方差得分(EVS)最高达到0.97,决定系数(R2)最高达到0.967,在同样的数据集表现中,该模型平均绝对误差(MAE)和均方根误差(RMSE)均最小,表明该模型能够在有监督学习的技术背景下较好地拟合岩石脆性指数的变化规律,验证了其在预测岩石脆性指数方面具有一定的实用价值。; 关键词岩石脆性指数 Stacking模型集成学习树结构parzen估计器; Keywords rock brittleness index Stacking model ensemble learning tree-structured parzen estimator; 分类号 P631.9 [天文地球—地质矿产勘探]; 在线阅读下载PDF 职称材料

题名基于树结构Parzen估计器优化集成学习的短期负荷预测方法被引量：2: 2; 作者罗敏杨劲锋俞蕙赖雨辰郭杨运周尚礼向睿童星陈潇; 机构南方电网数字电网研究院有限公司中国南方电网有限责任公司深圳市橙智科技有限公司; 出处《上海交通大学学报》 EI CAS CSCD 北大核心 2024年第6期819-825,共7页; 基金南方电网数字电网研究研究院(670000KK52210036)资助项目。; 文摘短期负荷预测主要用于电力系统实时调度、日前发电计划的制定,对电力系统经济调度、系统的安全运行具有重要意义.国内外在采用智能模型进行短期负荷预测方面开展了大量研究,然而智能预测方法的预测效果较易受到现存方法结构及参数的影响,以及预测对象自身个性差异使得参数难以复用,如何精准快速地获取方法结构与参数成为短期负荷预测的关键难题.对此,提出基于树结构Parzen估计器优化集成学习的短期负荷预测方法,可对方法结构与参数进行快速寻优.将该方法应用于中国南方某省短期负荷预测,以实际算例验证了其对预测精度的有效提升.; 关键词短期负荷预测树结构parzen估计器集成学习超参优化; Keywords short-term load forecasting tree-structured parzen estimator(TPE) ensemble learning hyperparameter optimization; 分类号 TM712 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

题名基于树状结构Parzen估计器优化长短期记忆神经网络的燃煤机组NO_(x)生成浓度预测被引量：1: 3; 作者陈东升梁中荣郑国何荣强屈可扬甘云华; 机构华南理工大学电力学院湛江电力有限公司; 出处《中国电机工程学报》北大核心 2025年第7期2710-2718,I0022,共10页; 基金国家自然科学基金项目(52376108) 广东省省级科技计划项目(2022A0505050004)。; 文摘建立更准确的NO_(x)生成浓度预测模型对于燃煤机组减少NO_(x)排放,降低脱硝成本具有重大意义。搭建NO_(x)生成模型基于机组相关变量,同时依赖模型结构设计,设计模型结构的参数称为超参数。进行合理的数据处理与超参数设定,能够有效提升NO_(x)预测模型精度与泛化性。该文提出一种基于树状结构Parzen估计器优化长短期记忆(tree-structure parzen estimator optimized long short-term memory neural network,TPE-LSTM)神经网络的NO_(x)生成浓度预测模型。基于某330 MW燃煤机组的历史运行数据,获取NO_(x)生成相关变量参数,将模型结构参数与NO_(x)相关变量参数的时间序列窗口长度以及主成分数量相互耦合,组成一类新的超参数;通过优化改进后的超参数取值,构建基于长短期记忆(long short-term memory,LSTM)神经网络的NO_(x)生成浓度预测模型;将所提出的超参数优化后的NO_(x)预测模型与基于未优化的LSTM模型、采用粒子群优化的LSTM(particle swarm optimization optimized LSTM,PSO-LSTM)模型对比,预测结果表明,TPE-LSTM预测模型具有较好的模型精度与泛化能力。; 关键词燃煤锅炉 NO_(x)生成浓度预测树状结构parzen估计器超参数优化长短期记忆神经网络; Keywords coal-fired boiler NO_(x)generation tree-structure parzen estimator hyperparameters optimized long short-term memory(LSTM)neural network; 分类号 TK224 [动力工程及工程热物理—动力机械及工程]; 在线阅读下载PDF 职称材料

题名参数估计中最大后验估计器的实现被引量：1: 4; 作者摆玉龙刘昌盛马胜前梁西银; 机构西北师范大学物理与电子工程学院; 出处《计算机工程与设计》 CSCD 北大核心 2009年第4期792-794,799,共4页; 基金西北师范大学科研骨干培育基金项目(nwnu-kjcxgc-03-54); 文摘简要介绍了贝叶斯参数估计的基本原理,并在选择均匀代价函数的基础上,给出了最大后验(MAP)估计器的实现方法。以223个电阻测量值作为样本,利用Parzen窗法估算出了先验概率密度函数,由此得出了该样本的MAP估计器,并与数据拟合技术进行了比较,验证了该方法的可行性与优越性,从而为此技术的广泛应用提供了依据。; 关键词参数估计贝叶斯估计数据拟合技术 parzen窗法最大后验估计器; Keywords parameter estimation Bayesestimation data-fittingtechnique parzen window estimation maximum a posterior estimator; 分类号 TP301.6 [自动化与计算机技术—计算机系统结构] O212.8 [理学—概率论与数理统计]; 在线阅读下载PDF 职称材料

题名水平定向钻载荷下天然气管道失效智能预测研究: 5; 作者何婷杨松张开陈利琼黄坤陈星宇; 机构西南石油大学石油与天然气工程学院中国石油运输有限公司四川分公司; 出处《安全与环境学报》北大核心 2025年第4期1370-1379,共10页; 文摘为研究水平定向钻载荷下埋地天然气管道的失效条件,结合水平定向钻施工特点和天然气管道实际情况,建立了钻头-土体-管道有限元模型,得到包括影响水平定向钻载荷作用的六个关键特征变量的失效数据集。基于该数据集,建立智能失效预测模型,通过树结构Parzen估计器(Tree-structured Parzen Estimator,TPE)优化极端梯度提升(Extreme Gradient Boosting,XGBoost)模型性能。结果表明,与支持向量积、随机森林、贝叶斯回归等算法相比,XGBoost-TPE算法性能最好,平均绝对误差(Mean Absolute Error,MAE)为7.8127 MPa,均方根误差(Root Mean Square Error,RMSE)为11.3256 MPa,决定系数(R2)为0.9891。研究可为天然气管道交叉工程及周边工程水平定向钻施工风险定量评价及安全管理提供理论支撑。; 关键词安全工程天然气管道水平定向钻载荷有限元模拟极端梯度提升树结构parzen估计器优化; Keywords safety engineering gas pipelines horizontal directional drilling loads finite element simulation extreme gradient boosting tree-structured parzen estimator optimization; 分类号 X937 [环境科学与工程—安全科学]; 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	基于树结构Parzen估计器优化后两层Stacking模型的岩石脆性指数预测	王芷含温韬	《中国石油勘探》北大核心	2025	0	在线阅读下载PDF 职称材料
2	基于树结构Parzen估计器优化集成学习的短期负荷预测方法	罗敏杨劲锋俞蕙赖雨辰郭杨运周尚礼向睿童星陈潇	《上海交通大学学报》 EI CAS CSCD 北大核心	2024	2	在线阅读下载PDF 职称材料
3	基于树状结构Parzen估计器优化长短期记忆神经网络的燃煤机组NO_(x)生成浓度预测	陈东升梁中荣郑国何荣强屈可扬甘云华	《中国电机工程学报》北大核心	2025	1	在线阅读下载PDF 职称材料
4	参数估计中最大后验估计器的实现	摆玉龙刘昌盛马胜前梁西银	《计算机工程与设计》 CSCD 北大核心	2009	1	在线阅读下载PDF 职称材料
5	水平定向钻载荷下天然气管道失效智能预测研究	何婷杨松张开陈利琼黄坤陈星宇	《安全与环境学报》北大核心	2025	0	在线阅读下载PDF 职称材料