期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于梯度增强决策树算法的纸张质量软测量模型
被引量：
9
1
作者
江伦
满奕
+3 位作者
李继庚
洪蒙纳
孟子薇
朱小林
《中国造纸》
CAS
北大核心
2020年第5期37-42,共6页
本研究提出了一种基于梯度增强决策树(GBDT)算法的纸张质量软测量模型,该方法可在线软测量纸张的关键物理指标如抗张强度、柔软度和松厚度。结果表明,采用GBDT进行纸张质量软测量时,抗张强度、柔软度和松厚度的平均相对误差分别为7. 21%...
本研究提出了一种基于梯度增强决策树(GBDT)算法的纸张质量软测量模型,该方法可在线软测量纸张的关键物理指标如抗张强度、柔软度和松厚度。结果表明,采用GBDT进行纸张质量软测量时,抗张强度、柔软度和松厚度的平均相对误差分别为7. 21%、7. 38%和3. 5%;采集新数据验证后,纸张抗张强度、柔软度和松厚度的平均相对误差分别为6. 87%、6. 88%和3. 12%,表明模型对新验证数据的预测结果精度高。
展开更多
关键词
数据模型
纸张质量
软测量
梯度
增强
决策树
(
gbdt
)
算法
在线阅读
下载PDF
职称材料
基于GBDT算法的参考作物蒸散量模型在江苏省的预测
被引量：
14
2
作者
张薇
韦群
+3 位作者
吴天傲
林洁
邵光成
丁鸣鸣
《江苏农业学报》
CSCD
北大核心
2020年第5期1169-1180,共12页
选取江苏省6个气象站点1997-2016年的逐日气象资料,建立了3种基于树型算法的参考作物蒸散量(ET 0)预测模型,包括梯度提升决策树(Gradient boosting decision tree,GBDT)、随机森林(Random forest,RF)和回归树(Regression tree)模型,以FA...
选取江苏省6个气象站点1997-2016年的逐日气象资料,建立了3种基于树型算法的参考作物蒸散量(ET 0)预测模型,包括梯度提升决策树(Gradient boosting decision tree,GBDT)、随机森林(Random forest,RF)和回归树(Regression tree)模型,以FAO-56 Penman-Monteith公式计算所得的ET 0值作为标准值,对GBDT、RF、Regresssion tree模型和3种经验模型(EI-Sebail、Irmak、Hargreaves-Samani模型)的预测结果进行比较分析。结果表明:在相同气象因子输入组合下,GBDT、RF模型能取得较高的模拟精度,且明显高于Regression tree模型和经验模型,其中,气象参数组合为最高气温、最低气温和辐射的GBDT模型具有最高的模拟精度[全局评价指标(GPI)排名第1];通过敏感性分析发现,辐射是对江苏省逐日ET 0影响最为显著的气象因子,其直接通径系数为0.512,对决定系数(R 2)的贡献度为0.740,显著高于其他气象因子;通过可移植性分析发现,气象因子组合为最高气温、最低气温和辐射的GBDT、RF模型在江苏省内6个站点相互交叉验证下仍具有较高的预测精度。因此,可以将GBDT、RF模型应用于江苏省气象资料缺乏时的ET 0预测,为农业灌溉提供可靠依据。
展开更多
关键词
参考作物蒸散量
梯度
提升
决策树
(
gbdt
)
算法
随机森林(RF)
算法
可移植性分析
敏感性分析
在线阅读
下载PDF
职称材料
改进的XGBoost模型在股票预测中的应用
被引量：
68
3
作者
王燕
郭元凯
《计算机工程与应用》
CSCD
北大核心
2019年第20期202-207,共6页
随着时代的不断进步,人民生活水平日益提高。在解决温饱问题之余,有了可供投资的余财。越来越多的人将目光转向股市投资,为股市发展提供了资金条件。然而在纷繁复杂的股票市场,如何寻找最优股成为亟待解决的问题。这不仅是投资者单方面...
随着时代的不断进步,人民生活水平日益提高。在解决温饱问题之余,有了可供投资的余财。越来越多的人将目光转向股市投资,为股市发展提供了资金条件。然而在纷繁复杂的股票市场,如何寻找最优股成为亟待解决的问题。这不仅是投资者单方面的困惑,也是股票预测领域中学者们所关心的重点。通过网格搜索算法对XGBoost 模型进行参数优化构建GS-XGBoost 的金融预测模型,并将该模型运用于股票短期预测中。分别以中国平安、中国建筑、中国中车、科大讯飞和三一重工2005 年4 月至2018 年12 月28 日的每日收盘价作为实验数据。通过实验对比,相较于XGBoost 原模型、GBDT模型以及SVM模型,GS-XGBoost 模型在MSE、RMSE与MAE三个评价指标上都表现出较好的预测结果。从而验证,GS-XGBoost 金融预测模型在股票短期预测中具有更好的拟合性能。
展开更多
关键词
XGBoost
网格搜索
梯度
增强
决策树
(
gbdt
)
支持向量机(SVM)
股价预测
在线阅读
下载PDF
职称材料
题名
基于梯度增强决策树算法的纸张质量软测量模型
被引量：
9
1
作者
江伦
满奕
李继庚
洪蒙纳
孟子薇
朱小林
机构
华南理工大学制浆造纸工程国家重点实验室
深圳新益昌科技股份有限公司
出处
《中国造纸》
CAS
北大核心
2020年第5期37-42,共6页
文摘
本研究提出了一种基于梯度增强决策树(GBDT)算法的纸张质量软测量模型,该方法可在线软测量纸张的关键物理指标如抗张强度、柔软度和松厚度。结果表明,采用GBDT进行纸张质量软测量时,抗张强度、柔软度和松厚度的平均相对误差分别为7. 21%、7. 38%和3. 5%;采集新数据验证后,纸张抗张强度、柔软度和松厚度的平均相对误差分别为6. 87%、6. 88%和3. 12%,表明模型对新验证数据的预测结果精度高。
关键词
数据模型
纸张质量
软测量
梯度
增强
决策树
(
gbdt
)
算法
Keywords
data model
paper quality
soft measurement
gradient boosting decision tree algorithm
分类号
TS752 [轻工技术与工程—制浆造纸工程]
在线阅读
下载PDF
职称材料
题名
基于GBDT算法的参考作物蒸散量模型在江苏省的预测
被引量：
14
2
作者
张薇
韦群
吴天傲
林洁
邵光成
丁鸣鸣
机构
河海大学农业科学与工程学院
南京市浦口区水务局
南京市江宁区水务局
南京市水务局
出处
《江苏农业学报》
CSCD
北大核心
2020年第5期1169-1180,共12页
基金
国家自然科学基金项目(51879072)
江苏省研究生科研与实践创新计划项目(SJKY19_0523)
+1 种基金
中央高校基本科研业务费专项资金项目(2019B68014)
江苏省水利科技项目(2015087)。
文摘
选取江苏省6个气象站点1997-2016年的逐日气象资料,建立了3种基于树型算法的参考作物蒸散量(ET 0)预测模型,包括梯度提升决策树(Gradient boosting decision tree,GBDT)、随机森林(Random forest,RF)和回归树(Regression tree)模型,以FAO-56 Penman-Monteith公式计算所得的ET 0值作为标准值,对GBDT、RF、Regresssion tree模型和3种经验模型(EI-Sebail、Irmak、Hargreaves-Samani模型)的预测结果进行比较分析。结果表明:在相同气象因子输入组合下,GBDT、RF模型能取得较高的模拟精度,且明显高于Regression tree模型和经验模型,其中,气象参数组合为最高气温、最低气温和辐射的GBDT模型具有最高的模拟精度[全局评价指标(GPI)排名第1];通过敏感性分析发现,辐射是对江苏省逐日ET 0影响最为显著的气象因子,其直接通径系数为0.512,对决定系数(R 2)的贡献度为0.740,显著高于其他气象因子;通过可移植性分析发现,气象因子组合为最高气温、最低气温和辐射的GBDT、RF模型在江苏省内6个站点相互交叉验证下仍具有较高的预测精度。因此,可以将GBDT、RF模型应用于江苏省气象资料缺乏时的ET 0预测,为农业灌溉提供可靠依据。
关键词
参考作物蒸散量
梯度
提升
决策树
(
gbdt
)
算法
随机森林(RF)
算法
可移植性分析
敏感性分析
Keywords
reference crop evapotranspiration
gradient boosting decision tree(
gbdt
)algorithm
random forest(RF)algorithm
portability analysis
sensitivity analysis
分类号
S16 [农业科学—农业气象学]
在线阅读
下载PDF
职称材料
题名
改进的XGBoost模型在股票预测中的应用
被引量：
68
3
作者
王燕
郭元凯
机构
兰州理工大学计算机与通信学院
出处
《计算机工程与应用》
CSCD
北大核心
2019年第20期202-207,共6页
文摘
随着时代的不断进步,人民生活水平日益提高。在解决温饱问题之余,有了可供投资的余财。越来越多的人将目光转向股市投资,为股市发展提供了资金条件。然而在纷繁复杂的股票市场,如何寻找最优股成为亟待解决的问题。这不仅是投资者单方面的困惑,也是股票预测领域中学者们所关心的重点。通过网格搜索算法对XGBoost 模型进行参数优化构建GS-XGBoost 的金融预测模型,并将该模型运用于股票短期预测中。分别以中国平安、中国建筑、中国中车、科大讯飞和三一重工2005 年4 月至2018 年12 月28 日的每日收盘价作为实验数据。通过实验对比,相较于XGBoost 原模型、GBDT模型以及SVM模型,GS-XGBoost 模型在MSE、RMSE与MAE三个评价指标上都表现出较好的预测结果。从而验证,GS-XGBoost 金融预测模型在股票短期预测中具有更好的拟合性能。
关键词
XGBoost
网格搜索
梯度
增强
决策树
(
gbdt
)
支持向量机(SVM)
股价预测
Keywords
XGBoost
grid search
Gradient Boosting Decision Tree(
gbdt
)
Support Vector Machine(SVM)
stock price forecast
分类号
TP181 [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
作者
出处
发文年
被引量
操作
1
基于梯度增强决策树算法的纸张质量软测量模型
江伦
满奕
李继庚
洪蒙纳
孟子薇
朱小林
《中国造纸》
CAS
北大核心
2020
9
在线阅读
下载PDF
职称材料
2
基于GBDT算法的参考作物蒸散量模型在江苏省的预测
张薇
韦群
吴天傲
林洁
邵光成
丁鸣鸣
《江苏农业学报》
CSCD
北大核心
2020
14
在线阅读
下载PDF
职称材料
3
改进的XGBoost模型在股票预测中的应用
王燕
郭元凯
《计算机工程与应用》
CSCD
北大核心
2019
68
在线阅读
下载PDF
职称材料
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
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
