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
2
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
基于图像处理和GBRT模型的表土层土壤容重预测
被引量：
9
1
作者
杨玮
兰红
+1 位作者
李民赞
孟超
《农业机械学报》
EI
CAS
CSCD
北大核心
2020年第9期193-200,共8页
针对传统的表土层土壤容重测量方法费时、耗力的问题,利用易获得的土壤物理参数实现农田大范围表土层土壤容重的快速、准确预测。通过分析表土层土壤容重与土壤表面粗糙度、土壤阻力的关系,构建了以土壤表面粗糙度和土壤阻力为输入的GBR...
针对传统的表土层土壤容重测量方法费时、耗力的问题,利用易获得的土壤物理参数实现农田大范围表土层土壤容重的快速、准确预测。通过分析表土层土壤容重与土壤表面粗糙度、土壤阻力的关系,构建了以土壤表面粗糙度和土壤阻力为输入的GBRT模型,土壤表面粗糙度利用图像处理技术获得,土壤阻力使用实验室车载式阻力测量系统获得。使用同态滤波技术对土壤表面图像进行预处理,提取图像灰度直方图的熵、平均值、方差、偏度和峰度表征图像的纹理特征参数,提取图像灰度共生矩阵的能量、熵、对比度和逆方差表征图像的区域特征参数。利用灰度关联分析,从9个表征土壤表面粗糙度的特征参数和土壤阻力中选取与表土层土壤容重关联度大于0.65的变量作为模型输入,将得到的GBRT模型预测结果与环刀法得到的结果进行相关性分析,R2达到0.8782,平均绝对误差达到0.021 g/cm^3。同时在相同的输入参数和运算环境下,与BPNN和SVR模型的预测精度和运算速度进行了对比,验证得到GBRT模型具有更高的预测精度和更短的运算时间。本文研究结果为科学指导农田表土层土壤容重的获取提供了思路。
展开更多
关键词
土壤容重
图像处理
梯度提升决策回归树
模型
预测
土壤表面粗糙度
土壤阻力
在线阅读
下载PDF
职称材料
基于词嵌入与卷积神经网络的建筑能耗预测
被引量：
10
2
作者
季天瑶
王挺韶
《华南理工大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2021年第6期40-48,共9页
在对建筑能耗进行回归预测时需要利用到时序特征与分类特征,而传统模型只能处理其中一种特征。针对该问题,文中提出了一种融合一维卷积与词嵌入的神经网络新构架,其中,一维卷积核能提取连续的时间序列特征,词嵌入模型能对离散的分类特...
在对建筑能耗进行回归预测时需要利用到时序特征与分类特征,而传统模型只能处理其中一种特征。针对该问题,文中提出了一种融合一维卷积与词嵌入的神经网络新构架,其中,一维卷积核能提取连续的时间序列特征,词嵌入模型能对离散的分类特征进行嵌入计算,从而建立能同时处理时序特征与分类特征的建筑能耗预测模型。通过与梯度提升决策回归树和长短时记忆网络的比较,证明所提出的模型在效率与准确率上都有良好的表现。在超参数调节上,采用基于贝叶斯优化的超参数自动优化算法,该算法能在树搜索空间上寻找最优超参数,相比于人工调参,超参数自动寻优算法能在较快的时间内提升模型本身的性能。最后进行了算例仿真,结果表明,文中提出的模型在性能上要优于集成学习模型与长短时记忆网络。
展开更多
关键词
建筑能耗预测
一维卷积网络
词嵌入模型
梯度提升决策回归树
长短时记忆网络
贝叶斯优化
超参数自动优化算法
在线阅读
下载PDF
职称材料
题名
基于图像处理和GBRT模型的表土层土壤容重预测
被引量：
9
1
作者
杨玮
兰红
李民赞
孟超
机构
中国农业大学现代精细农业系统集成研究教育部重点实验室
出处
《农业机械学报》
EI
CAS
CSCD
北大核心
2020年第9期193-200,共8页
基金
国家自然科学基金青年基金项目(31801265)。
文摘
针对传统的表土层土壤容重测量方法费时、耗力的问题,利用易获得的土壤物理参数实现农田大范围表土层土壤容重的快速、准确预测。通过分析表土层土壤容重与土壤表面粗糙度、土壤阻力的关系,构建了以土壤表面粗糙度和土壤阻力为输入的GBRT模型,土壤表面粗糙度利用图像处理技术获得,土壤阻力使用实验室车载式阻力测量系统获得。使用同态滤波技术对土壤表面图像进行预处理,提取图像灰度直方图的熵、平均值、方差、偏度和峰度表征图像的纹理特征参数,提取图像灰度共生矩阵的能量、熵、对比度和逆方差表征图像的区域特征参数。利用灰度关联分析,从9个表征土壤表面粗糙度的特征参数和土壤阻力中选取与表土层土壤容重关联度大于0.65的变量作为模型输入,将得到的GBRT模型预测结果与环刀法得到的结果进行相关性分析,R2达到0.8782,平均绝对误差达到0.021 g/cm^3。同时在相同的输入参数和运算环境下,与BPNN和SVR模型的预测精度和运算速度进行了对比,验证得到GBRT模型具有更高的预测精度和更短的运算时间。本文研究结果为科学指导农田表土层土壤容重的获取提供了思路。
关键词
土壤容重
图像处理
梯度提升决策回归树
模型
预测
土壤表面粗糙度
土壤阻力
Keywords
soil bulk density
image processing
GBRT model
prediction
soil surface roughness
soil resistance
分类号
S152.5 [农业科学—土壤学]
在线阅读
下载PDF
职称材料
题名
基于词嵌入与卷积神经网络的建筑能耗预测
被引量：
10
2
作者
季天瑶
王挺韶
机构
华南理工大学电力学院
出处
《华南理工大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2021年第6期40-48,共9页
基金
广东省自然科学基金项目(2018A030313822)。
文摘
在对建筑能耗进行回归预测时需要利用到时序特征与分类特征,而传统模型只能处理其中一种特征。针对该问题,文中提出了一种融合一维卷积与词嵌入的神经网络新构架,其中,一维卷积核能提取连续的时间序列特征,词嵌入模型能对离散的分类特征进行嵌入计算,从而建立能同时处理时序特征与分类特征的建筑能耗预测模型。通过与梯度提升决策回归树和长短时记忆网络的比较,证明所提出的模型在效率与准确率上都有良好的表现。在超参数调节上,采用基于贝叶斯优化的超参数自动优化算法,该算法能在树搜索空间上寻找最优超参数,相比于人工调参,超参数自动寻优算法能在较快的时间内提升模型本身的性能。最后进行了算例仿真,结果表明,文中提出的模型在性能上要优于集成学习模型与长短时记忆网络。
关键词
建筑能耗预测
一维卷积网络
词嵌入模型
梯度提升决策回归树
长短时记忆网络
贝叶斯优化
超参数自动优化算法
Keywords
building energy consumption prediction
one-dimensional convolutional network
word embedding model
gradient boosting decision regression tree
long short time memory network
Bayesian optimization
automatic hyperparameter optimization algorithm
分类号
TM935 [电气工程—电力电子与电力传动]
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
基于图像处理和GBRT模型的表土层土壤容重预测
杨玮
兰红
李民赞
孟超
《农业机械学报》
EI
CAS
CSCD
北大核心
2020
9
在线阅读
下载PDF
职称材料
2
基于词嵌入与卷积神经网络的建筑能耗预测
季天瑶
王挺韶
《华南理工大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2021
10
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
