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LightGBM-SSA-ELM的新疆羊舍CO_(2)浓度预测
被引量：
18
1
作者
尹航
吕佳威
+3 位作者
陈耀聪
岑红蕾
李景彬
刘双印
《农业机械学报》
EI
CAS
CSCD
北大核心
2022年第1期261-270,共10页
为减少肉羊集约化养殖过程中因环境恶化产生的应激反应,精准调控CO_(2)质量浓度,提出了基于分布式梯度提升框架(LightGBM)、麻雀搜索算法(SSA)融合极限学习机(ELM)的CO_(2)质量浓度预测模型。首先利用LightGBM筛选出与CO_(2)质量浓度相...
为减少肉羊集约化养殖过程中因环境恶化产生的应激反应,精准调控CO_(2)质量浓度,提出了基于分布式梯度提升框架(LightGBM)、麻雀搜索算法(SSA)融合极限学习机(ELM)的CO_(2)质量浓度预测模型。首先利用LightGBM筛选出与CO_(2)质量浓度相关的重要特征,降低预测模型的输入维度;然后选择Sigmoid为激活函数,使用具有较强非线性处理能力的单隐含层ELM神经网络算法构建CO_(2)质量浓度预测模型;最后通过麻雀智能优化算法对ELM模型中所需要的超参数进行优化,并将优化后模型应用于新疆玛纳斯集约化肉羊养殖基地。试验结果表明,该模型预测均方根误差(RMSE)、平均绝对误差(MAE)和决定系数(R^(2))分别为0.0213 mg/L、0.0136 mg/L和0.9886,综合性能指标优于支持向量回归(SVR)、反向传播神经网络(BPNN)、长短记忆神经网络(LSTM)、门限循环单元(GRU)和LightGBM等;CO_(2)质量浓度预测曲线贴近真实曲线,具有良好的预测效果,能有效满足集约化肉羊养殖过程中CO_(2)质量浓度精准预测及调控要求。
展开更多
关键词
羊舍
集约化养殖
CO_(2)质量浓度预测
极限学习机
麻雀搜索算法
分布式
梯度提升框架
在线阅读
下载PDF
职称材料
基于贝叶斯优化LightGBM的大坝变形预测模型
被引量：
13
2
作者
高治鑫
包腾飞
+1 位作者
李扬涛
王一兵
《长江科学院院报》
CSCD
北大核心
2021年第7期46-50,57,共6页
为了解决大坝变形预测模型易陷入局部最优及不适用大规模数据等问题,采用一种快速高效的基于决策树的梯度提升框架LightGBM,并结合全局优化算法——贝叶斯优化进行大坝变形预测。为验证模型适用性,以两座实际混凝土坝工程为例分析,并与...
为了解决大坝变形预测模型易陷入局部最优及不适用大规模数据等问题,采用一种快速高效的基于决策树的梯度提升框架LightGBM,并结合全局优化算法——贝叶斯优化进行大坝变形预测。为验证模型适用性,以两座实际混凝土坝工程为例分析,并与多元线性回归、支持向量回归机和多层神经网络等预测结果进行比较。结果表明,该模型均方根误差(RMSE)和平均绝对误差(MAE)等指标均优于其他方法,验证了该模型的可行性及优越性。LightGBM可对输入参数的重要性进行评估,对影响大坝变形的特征进行筛选,从而确定对大坝变形影响更显著的因素,为后续的安全评估工作提供参考。
展开更多
关键词
大坝变形预测
贝叶斯优化
梯度提升框架
多元线性回归
支持向量回归机
多层神经网络
在线阅读
下载PDF
职称材料
题名
基于LightGBM-SSA-ELM的新疆羊舍CO_(2)浓度预测
被引量：
18
1
作者
尹航
吕佳威
陈耀聪
岑红蕾
李景彬
刘双印
机构
仲恺农业工程学院信息科学与技术学院
北京市农林科学院信息技术研究中心
广东省农产品安全大数据工程技术研究中心
石河子大学机械电气工程学院
仲恺农业工程学院广州市农产品质量安全溯源信息技术重点实验室
出处
《农业机械学报》
EI
CAS
CSCD
北大核心
2022年第1期261-270,共10页
基金
国家自然科学基金项目(61871475)
广东省自然科学基金项目(2021A1515011605)
+3 种基金
现代农业机械兵团重点实验室开放项目(BTNJ2021002)
广州市创新平台建设计划项目(201905010006)
广州市重点研发计划项目(20210300003)
广东省科技厅重点领域研发计划项目(2020B0202080002)。
文摘
为减少肉羊集约化养殖过程中因环境恶化产生的应激反应,精准调控CO_(2)质量浓度,提出了基于分布式梯度提升框架(LightGBM)、麻雀搜索算法(SSA)融合极限学习机(ELM)的CO_(2)质量浓度预测模型。首先利用LightGBM筛选出与CO_(2)质量浓度相关的重要特征,降低预测模型的输入维度;然后选择Sigmoid为激活函数,使用具有较强非线性处理能力的单隐含层ELM神经网络算法构建CO_(2)质量浓度预测模型;最后通过麻雀智能优化算法对ELM模型中所需要的超参数进行优化,并将优化后模型应用于新疆玛纳斯集约化肉羊养殖基地。试验结果表明,该模型预测均方根误差(RMSE)、平均绝对误差(MAE)和决定系数(R^(2))分别为0.0213 mg/L、0.0136 mg/L和0.9886,综合性能指标优于支持向量回归(SVR)、反向传播神经网络(BPNN)、长短记忆神经网络(LSTM)、门限循环单元(GRU)和LightGBM等;CO_(2)质量浓度预测曲线贴近真实曲线,具有良好的预测效果,能有效满足集约化肉羊养殖过程中CO_(2)质量浓度精准预测及调控要求。
关键词
羊舍
集约化养殖
CO_(2)质量浓度预测
极限学习机
麻雀搜索算法
分布式
梯度提升框架
Keywords
sheep house
intensive culture
CO_(2)concentration prediction
extreme learning machine
sparrow search algorithm
light gradient boosting machine
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于贝叶斯优化LightGBM的大坝变形预测模型
被引量：
13
2
作者
高治鑫
包腾飞
李扬涛
王一兵
机构
河海大学水利水电学院
河海大学水文水资源与水利工程科学国家重点实验室
三峡大学水利与环境学院
出处
《长江科学院院报》
CSCD
北大核心
2021年第7期46-50,57,共6页
基金
国家重点研发计划项目(2018YFC1508603)
国家自然科学基金项目(51739003)。
文摘
为了解决大坝变形预测模型易陷入局部最优及不适用大规模数据等问题,采用一种快速高效的基于决策树的梯度提升框架LightGBM,并结合全局优化算法——贝叶斯优化进行大坝变形预测。为验证模型适用性,以两座实际混凝土坝工程为例分析,并与多元线性回归、支持向量回归机和多层神经网络等预测结果进行比较。结果表明,该模型均方根误差(RMSE)和平均绝对误差(MAE)等指标均优于其他方法,验证了该模型的可行性及优越性。LightGBM可对输入参数的重要性进行评估,对影响大坝变形的特征进行筛选,从而确定对大坝变形影响更显著的因素,为后续的安全评估工作提供参考。
关键词
大坝变形预测
贝叶斯优化
梯度提升框架
多元线性回归
支持向量回归机
多层神经网络
Keywords
dam deformation prediction
Bayesian optimization
LightGBM
multiple linear regression
support vector regression
multi-layer perceptron
分类号
TV698.1 [水利工程—水利水电工程]
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LightGBM-SSA-ELM的新疆羊舍CO_(2)浓度预测
尹航
吕佳威
陈耀聪
岑红蕾
李景彬
刘双印
《农业机械学报》
EI
CAS
CSCD
北大核心
2022
18
在线阅读
下载PDF
职称材料
2
基于贝叶斯优化LightGBM的大坝变形预测模型
高治鑫
包腾飞
李扬涛
王一兵
《长江科学院院报》
CSCD
北大核心
2021
13
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
