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169篇文章
< 1 2 … 9 >
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：
基于梯度提升机的中国陆地生态系统土壤异养呼吸预测
1
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
轻梯度提升机算法的发展与应用 被引量：1
2
作者 魏佳妹 袁书娟 +2 位作者 孔闪闪 杨爱民 赵晨颖 《计算机工程与应用》 北大核心 2025年第5期32-42,共11页
轻梯度提升机算法(light gradient boosting machine,LightGBM)是机器学习领域中比较强大的算法之一,LightGBM采用高效的树学习算法,以更快地训练模型,其独特的直方图分桶方法和基于梯度的单边叶子生长技术降低了内存的使用和计算成本。... 轻梯度提升机算法(light gradient boosting machine,LightGBM)是机器学习领域中比较强大的算法之一,LightGBM采用高效的树学习算法,以更快地训练模型,其独特的直方图分桶方法和基于梯度的单边叶子生长技术降低了内存的使用和计算成本。LightGBM被广泛应用于医疗、自然语言处理、金融、工业制造等领域。然而,LightGBM在高维数据处理、类别特征处理、模型解释性等方面仍面临许多挑战。目前,解决这些问题的方法主要集中在特征工程、可视化、模型混合等方面,并取得了很好的效果。介绍了决策树家族的相关算法原理和变体研究;对LightGBM的原理、优缺点进行梳理,归纳出算法所面临的挑战,并指出LightGBM未来的研究热点和难点;对LightGBM的发展进行了总结和展望。 展开更多
关键词 轻梯度提升机算法 决策树 集成学习 机器学习
在线阅读 下载PDF
基于梯度提升回归树的三江源地区植被指数的预测方法研究
3
作者 张国晶 颜青松 +3 位作者 秦文强 张兹予 李希来 黄建强 《草地学报》 北大核心 2025年第5期1655-1668,共14页
为了揭示三江源地区2000—2023年植被时空变化格局及影响因素,并预测气候变化条件下三江源地区植被可能的变化趋势,本研究基于三江源达日、玛多、玉树、曲麻莱四个地区2000—2023年归一化植被指数(Normalized difference vegetation ind... 为了揭示三江源地区2000—2023年植被时空变化格局及影响因素,并预测气候变化条件下三江源地区植被可能的变化趋势,本研究基于三江源达日、玛多、玉树、曲麻莱四个地区2000—2023年归一化植被指数(Normalized difference vegetation index,NDVI)数据,以及温度、降水、风速和气压等气候数据进行分析。研究采用了梯度提升回归树、自适应增强回归、随机森林以及神经网络等机器学习算法建立NDVI预测模型。在此基础上,对所有模型参数进行了精细调优和验证,以提升模型性能和可靠性。最终,筛选出了模拟精度最优模型,进行多情景下植被变化模拟。研究结果表明,温度对NDVI的气象特征值占比最高,达0.6486。梯度提升回归模型在所有研究区综合表现优于其他模型,平均均方误差(Mean squared error,MSE)在0.00045~0.00104之间,拟合系数(Coefficient of determination,R^(2))均超过0.90,显示出强大的拟合能力。梯度提升回归树在预测三江源地区NDVI方面具有较高的准确性和稳定性,并对NDVI数据具有良好拟合效果,为三江源地区NDVI预测提供了科学方法。研究结果有助于预警气候变化条件下植被退化的潜能,为气候变化背景下该区域植被生态保护提供科学依据。 展开更多
关键词 NDVI 机器学习 梯度提升回归树 三江源地区
在线阅读 下载PDF
基于分类梯度提升算法的推移质输沙率计算
4
作者 王言昕 江雨润 +2 位作者 吴小康 罗铭 黄尔 《水电能源科学》 北大核心 2025年第1期39-42,121,共5页
计算宽级配推移质运动是河流泥沙学科的难点之一。为探寻分类梯度提升算法在预测推移质输沙率方面的效果,筛选了3 060组天然河道输沙数据,将其划分为单一流域和综合流域两组,以此获取算法在这两种情况下的预测结果,并利用3种传统公式进... 计算宽级配推移质运动是河流泥沙学科的难点之一。为探寻分类梯度提升算法在预测推移质输沙率方面的效果,筛选了3 060组天然河道输沙数据,将其划分为单一流域和综合流域两组,以此获取算法在这两种情况下的预测结果,并利用3种传统公式进行对比,最后对单点进行多次重复调参验证调参次数对于算法预测性能的影响。结果表明,分类梯度提升算法对单一流域的预测效果优于综合流域;增加训练集和测试集的划分次数能够减轻划分方式带来的影响;多次重复调参可提高算法的预测性能;分类梯度提升算法相较于传统输沙率公式效果更好。 展开更多
关键词 分类梯度提升算法 推移质输沙率 机器学习 野外数据
在线阅读 下载PDF
基于梯度提升的优化集成机器学习算法对滑坡易发性评价:以雅鲁藏布江与尼洋河两岸为例 被引量：8
5
作者 林琴 郭永刚 +2 位作者 吴升杰 臧烨祺 王国闻 《西北地质》 CSCD 北大核心 2024年第1期12-22,共11页
雅鲁藏布江与尼洋河两岸地质构造活跃,山体滑坡时常发生,滑坡易发性评价能有效的减少因灾害发生所造成的对人类生命和财产的伤害。笔者基于基尼系数的加权随机森林、XGBoost和LightGBM算法在滑坡易发性中的性能。选取188个滑坡样本和7... 雅鲁藏布江与尼洋河两岸地质构造活跃,山体滑坡时常发生,滑坡易发性评价能有效的减少因灾害发生所造成的对人类生命和财产的伤害。笔者基于基尼系数的加权随机森林、XGBoost和LightGBM算法在滑坡易发性中的性能。选取188个滑坡样本和7个影响因素,应用五折交叉验证法训练模型,训练过程中同时考虑特征选择算法、运用贝叶斯方法优化超参数后,采用precision、recall、F1、Accuracy指标对各个级别的预测结果进行分析。结果表明:在高程为32~1544 m与2722~3752 m、坡度为30°~40°、距断裂带、河流与道路200 m以内的区域最容易发生滑坡;滑坡极高与高易发性分布为12.14%和12.41%,低和极低易发性占比分别为26.47%与29.55%,区内一半以上的地区不容易发生滑坡灾害;LightGBM模型在所有模型中表现最好,AUC值为0.8432,准确度为0.8531,F1分数为0.8345;墨脱县的达木乡、帮辛乡,林芝县的丹娘、里龙、扎西饶登乡,朗县的陇村,工布江达的江达乡位于极高易发区,发生滑坡概率极大,在这些地区应采取相应的地质灾害防治措施。 展开更多
关键词 梯度提升 XGBoost lightgbm 机器学习 滑坡易发性
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
6
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
基于极端梯度提升算法的地震同相轴自动识别
7
作者 黄建平 张若枫 +5 位作者 高睿语 李亚林 段文胜 陈飞旭 郭廷超 潘成磊 《中国石油大学学报（自然科学版）》 EI CAS CSCD 北大核心 2024年第3期44-56,共13页
在常规地震同相轴识别方法基础上,通过引入极端梯度提升算法(XGBoost)智能化策略,并结合地震数据相邻道相似性特征,发展一种基于极端梯度提升算法的地震同相轴自动识别技术方法。在编程实现方法的基础上,通过简单层状模型和复杂Marmous... 在常规地震同相轴识别方法基础上,通过引入极端梯度提升算法(XGBoost)智能化策略,并结合地震数据相邻道相似性特征,发展一种基于极端梯度提升算法的地震同相轴自动识别技术方法。在编程实现方法的基础上,通过简单层状模型和复杂Marmousi模型模拟的记录进行测试,验证方法的正确性。对含噪音数据和实际资料中的同相轴进行识别测试,同时进行单道对比定量分析以及不同信噪比情况下算法预测结果精度对比。结果表明:新方法对含噪数据和实际资料均具有较好的适应性;在低信噪比(-6.98 dB)情况下,同相轴的查准率仍可超过90%。 展开更多
关键词 同相轴拾取 机器学习 特征拾取 极端梯度提升算法
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
8
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
面向雕刻任务的机器人技能学习应用研究
9
作者 占宏 黎志毅 杨辰光 《机械设计与制造》 北大核心 2025年第1期272-275,共4页
缺乏自主作业能力是制约机器人在工业制造领域大规模应用的主要因素之一。机器人通过学习操作技能,可有效加强自主作业能力,进一步提升智能化水平。针对雕刻任务,提出了一种机器人技能学习方法以实现高效作业。该方法首先对任意轨迹进... 缺乏自主作业能力是制约机器人在工业制造领域大规模应用的主要因素之一。机器人通过学习操作技能,可有效加强自主作业能力,进一步提升智能化水平。针对雕刻任务,提出了一种机器人技能学习方法以实现高效作业。该方法首先对任意轨迹进行分割和特征提取,利用梯度提升决策树多分类方法进行轨迹分类,并基于改进型动态运动原语模型的技能学习方法生成待雕刻字样轨迹。同时,在所搭建的机器人雕刻实验平台,采用艾力特机械臂完成了雕刻英文任务,实验结果表明雕刻效果良好,实现了机器人雕刻技能学习。该方法效率高,能够适应不同任务需求,在工业制造领域有着广阔应用前景。 展开更多
关键词 机器人 雕刻任务 技能学习 动态运动原语 梯度提升决策树
在线阅读 下载PDF
基于优化负样本采样策略的梯度提升决策树与随机森林的汶川同震滑坡易发性评价 被引量：26
10
作者 郭衍昊 窦杰 +3 位作者 向子林 马豪 董傲男 罗万祺 《地质科技通报》 CAS CSCD 北大核心 2024年第3期251-265,共15页
强震诱发的滑坡具有数量多、分布广、规模大等特点,严重威胁人民生命财产安全。滑坡易发性评价能够快速预测灾害空间分布,对于减轻震后灾害的危险性具有重要意义。在同震滑坡易发性评价研究中,如何选取滑坡负样本并通过耦合机器学习模... 强震诱发的滑坡具有数量多、分布广、规模大等特点,严重威胁人民生命财产安全。滑坡易发性评价能够快速预测灾害空间分布,对于减轻震后灾害的危险性具有重要意义。在同震滑坡易发性评价研究中,如何选取滑坡负样本并通过耦合机器学习模型提高评价精度的对比研究仍需进一步研究。以山区汶川地震诱发的滑坡为研究区,首先选取地形地貌、地质环境、地震参数等10个滑坡评价因子,分析滑坡空间分布规律;其次因子共线性分析检验数据冗余,接下来采用频率比法(FR)选取极低、低易发区滑坡负样本点的采样策略;最后采用基于决策树演化改进的梯度提升决策树(GBDT)、随机森林(RF)和耦合模型(FR-GBD与FR-RF),开展了基于机器学习的同震滑坡易发性区划并进行精度评价。研究结果表明:①滑坡空间分布受到多层级因子控制;②模型预测精度为:FR-RF(AUC=0.943)>FR-GBDT(AUC=0.926)>RF(AUC=0.901)>GBDT(AUC=0.856);③在低易发区选择滑坡负样本可以明显提高易发性精度。研究成果可为滑坡易发性中负样本的选择和评价模型构建提供参考同时也为震后滑坡的防灾减灾提供理论支持。 展开更多
关键词 随机森林(RF) 梯度提升决策树(GBDT) 机器学习 频率比法(FR) 采样策略 同震滑坡 滑坡易发性区划
在线阅读 下载PDF
基于帝王蝶算法的CNN-GRU-LightGBM模型短期风电功率预测 被引量：1
11
作者 向阳 刘亚娟 +2 位作者 孙志伟 张效宁 卢建谋 《太阳能学报》 北大核心 2025年第1期105-114,共10页
风电集群大规模并网和跨季节使用产生的不确定性对风电功率预测播报的准确度提出更高的要求。为提高风电功率预测的准确度,提出一种基于帝王蝶优化算法(MBO)的卷积神经网络(CNN)-门控循环单元(GRU)-梯度提升学习(LightGBM)复合风电功率... 风电集群大规模并网和跨季节使用产生的不确定性对风电功率预测播报的准确度提出更高的要求。为提高风电功率预测的准确度,提出一种基于帝王蝶优化算法(MBO)的卷积神经网络(CNN)-门控循环单元(GRU)-梯度提升学习(LightGBM)复合风电功率预测模型。首先,分别建立CNN-GRU和LightGBM的风电功率预测模型,利用方差倒数法将两个模型加权组合为CNN-GRU-LightGBM复合模型;为优化模型中的连续参数,使用MBO对模型进行超参数优化。最后,选取珠海某海上风电场的短期风电功率数据对所提方法与已有预测方法进行对比,实验结果表明,该模型结合了CNN-GRU、LightGBM等模型的优点,预测误差更小,预测精度更高,拥有更强的季节普适性。 展开更多
关键词 风电功率预测 卷积神经网络 门控循环单元 梯度提升学习 帝王蝶算法
在线阅读 下载PDF
基于集成学习的混凝土抗压强度预测模型研究
12
作者 周继发 曾晓辉 +8 位作者 郑振华 涂金根 郭桃明 孙晗凌 谢友均 龙广成 唐卓 郭宏 潘自立 《中南大学学报(自然科学版)》 北大核心 2025年第5期1981-1992,共12页
为准确预测混凝土抗压强度,利用灰狼优化算法(GWO)对轻量级梯度提升机(LGBM)的超参数进行优化。首先,以水胶比、矿渣替代比例、粉煤灰替代比例、高性能减水剂占胶凝材料比例、砂率和龄期为输入,以抗压强度为输出,构建GWO-LGBM预测模型;... 为准确预测混凝土抗压强度,利用灰狼优化算法(GWO)对轻量级梯度提升机(LGBM)的超参数进行优化。首先,以水胶比、矿渣替代比例、粉煤灰替代比例、高性能减水剂占胶凝材料比例、砂率和龄期为输入,以抗压强度为输出,构建GWO-LGBM预测模型;其次,评估模型在训练集和测试集上的效果,验证GWO对LGBM超参数优化的有效性;第三,将模型应用于全新数据,检验其泛化能力;最后,基于GWO-LGBM模型分析各输入参数对抗压强度的影响,验证模型的预测合理性。研究结果表明:GWOLGBM模型在训练集和测试集中混凝土抗压强度预测的均方根误差分别为1.68 MPa和3.49 MPa,预测值与实际值的拟合度分别达到0.99和0.95,解决了LGBM易陷入局部最优的问题;模型迁移到全新数据集时,83%的数据预测相对误差小于10%,展现出较强的泛化能力。水胶比增大会降低混凝土抗压强度;矿渣和粉煤灰掺量增加会降低混凝土早期强度,对后期强度影响较小;当水胶比一定时,存在一个最佳砂率使抗压强度最大;模型捕获结果与影响抗压强度的理论结果一致,验证了其预测结果的合理性。 展开更多
关键词 混凝土 抗压强度 集成学习 轻量级梯度提升机 灰狼优化算法
在线阅读 下载PDF
基于机器学习算法模型的焊接接头疲劳寿命预测
13
作者 徐梦悦 齐红宇 +2 位作者 李少林 石多奇 杨晓光 《航空发动机》 北大核心 2025年第1期96-102,共7页
焊接接头具有非均匀的微观组织和梯度过渡的力学性能及随机分布的焊接缺陷等特征,相较于其他结构更容易产生疲劳断裂,特别是焊接接头的疲劳载荷下的强度和寿命问题已成为工程界和学术界的研究热点。为了研究焊接接头的疲劳行为,开展了... 焊接接头具有非均匀的微观组织和梯度过渡的力学性能及随机分布的焊接缺陷等特征,相较于其他结构更容易产生疲劳断裂,特别是焊接接头的疲劳载荷下的强度和寿命问题已成为工程界和学术界的研究热点。为了研究焊接接头的疲劳行为,开展了基于随机森林(RF)模型的焊接接头疲劳寿命预测模型的全新研究。通过采用RF和轻梯度提升机(LightGBM)2种不同的机器学习算法模型对焊接接头的疲劳数据集进行分析和预测,从中选择预测性能更优的机器学习模型;通过比较在不同几何形状下疲劳寿命的预测结果,评估几何形状对机器学习模型预测性能的影响;利用RF算法对输入条件进行重要度排序,分析焊接接头疲劳寿命的影响因素;通过计算模型在不同材料下的疲劳寿命结果验证机器学习模型的泛化能力。结果表明:机器学习模型对不同几何形状的焊接接头疲劳寿命的预测效果较好,且可用于预测在不同材料下的焊接接头疲劳寿命。研究结果对焊接结构的强度设计与焊接工艺参数优化等具有重要意义。 展开更多
关键词 机器学习 随机森林算法 轻梯度提升机算法 焊接接头 疲劳寿命 几何形状 预测模型
在线阅读 下载PDF
基于机器学习的三通管液压成形实时预测
14
作者 郭海晶 孙凌燕 +4 位作者 程亮 张志远 杨超 孙峰 李金山 《塑性工程学报》 北大核心 2025年第2期17-27,共11页
为了满足三通管液压成形过程的监测和过程控制的需求,构建了一个基于有限元数据驱动的机器学习框架用于多物理场的实时预测,包括:数据生成模型构建,建立能够准确描述塑性成形过程的有限元模型;数据集生成,结合成形工艺特点和成形设备参... 为了满足三通管液压成形过程的监测和过程控制的需求,构建了一个基于有限元数据驱动的机器学习框架用于多物理场的实时预测,包括:数据生成模型构建,建立能够准确描述塑性成形过程的有限元模型;数据集生成,结合成形工艺特点和成形设备参数范围要求进行实验设计,同时通过有限元模拟创建数据集,用于机器学习模型的训练;模型训练,选择机器学习算法就有限元模拟生成的数据集进行学习,建立边界位移与材料内部位移场的映射;多物理场计算,基于预测位移场推导材料内部应变、应力以及厚度场等的分布。采用该框架构建了基于CPB06屈服准则的纯钛三通管液压成形有限元模型,在此基础上通过加载路径全因子模拟实验生成了机器学习数据集,并采用随机森林和梯度提升算法实现了材料内部位移的实时预测,计算出了等效应变、等效应力和管材壁厚的分布。将上述预测模型用于全新工况的三通管液压成形,结果表明,预测误差不超过5%,说明构建的集成有限元方法的机器学习框架可以解决有限元模型无法在线分析的问题,实现对塑性加工过程中多物理场的实时预测。 展开更多
关键词 三通管 有限元 机器学习 随机森林 梯度提升
在线阅读 下载PDF
蝴蝶搜索与动态反向学习柯西变异的白鲸优化算法 被引量：2
15
作者 张莉 张小庆 +3 位作者 孙民民 李娜 宋一佳 曾竣哲 《计算机工程与应用》 北大核心 2025年第10期96-110,共15页
针对白鲸优化算法(beluga whale optimization,BWO)收敛速度慢、无法跳出局部最优位置的不足,提出了一种基于蝴蝶搜索与动态反向学习柯西变异的改进白鲸优化算法(MY beluga whale optimization,MYBWO)。引入非线性平衡因子,更好地平衡... 针对白鲸优化算法(beluga whale optimization,BWO)收敛速度慢、无法跳出局部最优位置的不足,提出了一种基于蝴蝶搜索与动态反向学习柯西变异的改进白鲸优化算法(MY beluga whale optimization,MYBWO)。引入非线性平衡因子,更好地平衡算法的全局勘探和局部开发能力;在全局勘探阶段引入蝴蝶搜索机制,丰富种群多样性,提高最优解的搜索概率;在局部开发阶段融合动态反向学习和柯西变异策略,在扩大种群搜索范围的同时增强算法跳出局部最优的能力。通过选取寻优特征各异的CEC2005和CEC2019测试函数进行仿真实验,结果表明:与选取的几种对比算法相比,MYBWO算法寻优精度更高,收敛更快,有效解决了算法易停滞于局部最优的不足。为了验证改进算法的实用性,将MYBWO算法应用于优化LightGBM模型,建立新的空气质量预测模型,实验结果证明该模型的预测精度和稳定性得到了稳步提升。 展开更多
关键词 白鲸优化算法(BWO) 蝴蝶算法 柯西变异 动态反向学习 轻量梯度提升机(lightgbm)
在线阅读 下载PDF
基于机器学习模型的河道水位预测方法及其应用
16
作者 陈国灿 卢建强 +5 位作者 邱超 赵兰兰 孙逸群 宋波 徐丹丹 石朋 《水电能源科学》 北大核心 2025年第6期15-18,共4页
鉴于准确的洪水预报结果对于降低洪涝灾害影响具有重要作用,以钱塘江下游曹娥江流域为例,构建了基于长短时记忆网络(LSTM)和梯度提升决策树(GBDT)的水位预测方法,利用23场实测降雨径流洪水数据进行方法训练及验证,并在此基础上分析了训... 鉴于准确的洪水预报结果对于降低洪涝灾害影响具有重要作用,以钱塘江下游曹娥江流域为例,构建了基于长短时记忆网络(LSTM)和梯度提升决策树(GBDT)的水位预测方法,利用23场实测降雨径流洪水数据进行方法训练及验证,并在此基础上分析了训练洪水场次对方法效果的影响。结果表明,构建的2种水位预测方法均具有较高的预测精度,当分别使用80%、20%数据进行训练和测试时(18场洪水训练,5场洪水测试),LSTM模型和GBDT模型在测试期和训练期的Nash-Sutcliffe系数(NNSE)均超过0.9,LSTM模型总体表现更好;用于训练模型的洪水场次显著影响实际水位预测效果,2种方法的预测效果均随着训练数据量的增加而增加,其中GBDT模型的测试期表现更好,可见GBDT更适用于数据有限的实际河道水位预测作业。 展开更多
关键词 机器学习 水位预测 长短期记忆神经网络 梯度提升决策树 曹娥江流域
在线阅读 下载PDF
基于增量学习的储气库井底压力快速计算方法 被引量：2
17
作者 郭海伟 《断块油气田》 北大核心 2025年第2期292-299,共8页
针对储气库井底压力预测的效率和精度问题,文中创新地提出了一种基于增量学习的井底压力快速计算方法。该方法首先构建垂直管流方程,深入分析注气、采气和关井3种不同工况下决定井底压力计算准确性的关键因素。随后,运用极致梯度提升(XG... 针对储气库井底压力预测的效率和精度问题,文中创新地提出了一种基于增量学习的井底压力快速计算方法。该方法首先构建垂直管流方程,深入分析注气、采气和关井3种不同工况下决定井底压力计算准确性的关键因素。随后,运用极致梯度提升(XGBoost)模型融合了这3种状态下的传统理论计算方法,形成了一个综合性的机器学习模型。通过增量学习策略,并结合实际测量的井底压力数据对模型进行了优化。该方法在计算速度上远超传统技术,能够实时处理井口压力和流量数据,模拟了一个虚拟的井下永久压力计,大幅减少了测压成本。在中原油田卫11储气库的注采井中进行了验证。该方法成功构建了一个融合数据和传统理论的井底压力综合计算代理模型,显著提升了预测的效率和精确度。 展开更多
关键词 增量学习 垂直管流 井底压力 储气库 极致梯度提升
在线阅读 下载PDF
多种变量组合方案下的机器学习模型在PM_(2.5)浓度估算中的性能对比——以陕西关中地区为例
18
作者 徐翠玲 胡雪 +2 位作者 袁兵 郭灿 赵丽华 《地球科学与环境学报》 北大核心 2025年第4期829-843,共15页
获取高分辨率、高精度连续PM_(2.5)浓度,有利于揭示空气质量分布规律,对环境治理、大气污染防治及经济的可持续发展具有重要意义。基于2020~2022年陕西关中地区PM_(2.5)地面监测数据、气溶胶光学厚度(AOD)数据、气象数据、地理数据和协... 获取高分辨率、高精度连续PM_(2.5)浓度,有利于揭示空气质量分布规律,对环境治理、大气污染防治及经济的可持续发展具有重要意义。基于2020~2022年陕西关中地区PM_(2.5)地面监测数据、气溶胶光学厚度(AOD)数据、气象数据、地理数据和协同监测污染物数据等,依据其性质进行分类,设计11种变量组合方案,分别构建随机森林(RF)模型、梯度提升树(GBT)模型和轻量梯度提升机(LightGBM)模型估算关中地区PM_(2.5)浓度,并对不同方案下的模型估算精度进行对比分析。结果表明:(1)3种模型在两两变量组合方案下的估算效果优于在单一变量组合方案下,在多变量组合方案下的估算效果则最优;(2)在同一方案下,LightGBM模型表现最佳,而且多变量组合方案下的LightGBM模型拟合结果在11种变量组合方案中是最优的,其决定系数(R2)为0.94,均方根误差(RMSE)为9.31μg·m-3,平均绝对误差(MAE)为6.27μg·m-3;(3)与ChinaHighPM_(2.5)数据集、VANPM_(2.5)数据集相比,多变量组合方案下的LightGBM模型估算结果不仅在空间分布上与两个数据集中同区域、同时期数据具有较高的一致性,而且在细节刻画和估算精度上更具优势,提升了精度与可靠性。 展开更多
关键词 大气环境 PM_(2.5)浓度 随机森林模型 梯度提升树模型 轻量梯度提升机模型 多变量组合 机器学习 陕西
在线阅读 下载PDF
基于BO-LightGBM算法的XLPE配电电缆绝缘状态评估
19
作者 罗正均 叶刚 +3 位作者 周箩鱼 李涛 陈楠 张志熙 《绝缘材料》 北大核心 2025年第3期131-140,共10页
为提升电缆绝缘状态评估的精度,本文提出了一种基于贝叶斯优化(BO)算法与轻量级梯度提升机(LightGBM)算法的电缆绝缘状态评估方法。首先将数据集中所有特征进行组合,形成不同的特征子集,通过遍历所有的特征子集,找到五折交叉验证的准确... 为提升电缆绝缘状态评估的精度,本文提出了一种基于贝叶斯优化(BO)算法与轻量级梯度提升机(LightGBM)算法的电缆绝缘状态评估方法。首先将数据集中所有特征进行组合,形成不同的特征子集,通过遍历所有的特征子集,找到五折交叉验证的准确率最高所对应的特征组合,完成对输入特征的筛选。然后使用BO算法对LightGBM中的7个超参数进行寻优。最后利用本文所提出的BO-LightGBM算法完成对电缆绝缘状态的评估。结果表明:本文提出的特征子集法与主成分分析法和互信息筛选法相比能更好地提升模型表现;经过BO算法优化后,LightGBM模型的精度能得到进一步的提升,与粒子群优化算法(PSO)和遗传算法优化(GA)相比,BO算法的计算效率能在几乎相同的精度下分别提升约80%和86.9%;与其他常用机器学习算法进行对比,本文模型的相关性能指标均为最优。 展开更多
关键词 XLPE电缆 状态评估 机器学习 贝叶斯优化算法 轻量级梯度提升机算法
在线阅读 下载PDF
集成学习框架下的城市轨道交通事故后果预测研究
20
作者 刘杰 刘尉艺 +2 位作者 王宇浩 石庄彬 何明卫 《安全与环境学报》 北大核心 2025年第7期2700-2708,共9页
轨道交通事故会对轨道运营产生严重影响,准确预测事故后果对于有效制定应急响应预案和减轻事故危害具有重要作用。针对这一问题,提出了一种基于堆叠方法(Stacking)的极端梯度提升(eXtreme Gradient Boosting,XGBoost)树和全连接神经网络... 轨道交通事故会对轨道运营产生严重影响,准确预测事故后果对于有效制定应急响应预案和减轻事故危害具有重要作用。针对这一问题,提出了一种基于堆叠方法(Stacking)的极端梯度提升(eXtreme Gradient Boosting,XGBoost)树和全连接神经网络(Full Connect Neural Network,FCNN)集成学习模型(简称XGBoost-NNS),模型可提高事故后果分类的准确性和鲁棒性。该模型以XGBoost和FCNN为基础学习器,采用逻辑回归(Logistic Regression,LR)作为元模型来集成它们的预测结果。此外,通过合成少数类过采样技术(Synthetic Minority Oversampling Technique,SMOTE)和随机欠采样相结合的重采样策略,有效解决了数据集中的类别不平衡问题,提升了对少数类样本的识别能力。结果表明,提出的XGBoost-NNS模型可实现约0.87的准确率,相比基学习器模型提高约0.06,比其他单一模型提高约0.14,召回率、F_(1)分数等指标也均在0.7以上,可准确预测轨道交通的事故后果。 展开更多
关键词 安全工程 轨道交通 事故预测 极端梯度提升树 全连接神经网络 集成学习
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 … 9 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