基于CatBoost-MOEAD的大直径泥水盾构姿态多目标预测与优化

1

作者 吴贤国 刘俊 +1 位作者 王静怡 覃亚伟 《中国安全科学学报》 CAS CSCD 北大核心 2024年第10期50-57,共8页

为避免盾构掘进过程中出现蛇形、轴线偏离等姿态异常问题影响施工安全,提出一种结合类别提升(CatBoost)算法和基于分解的多目标优化算法(MOEAD)的大直径泥水盾构姿态控制方法;构建一个盾构姿态预测模型,该模型包含19个输入参数和6个输... 为避免盾构掘进过程中出现蛇形、轴线偏离等姿态异常问题影响施工安全,提出一种结合类别提升(CatBoost)算法和基于分解的多目标优化算法(MOEAD)的大直径泥水盾构姿态控制方法;构建一个盾构姿态预测模型,该模型包含19个输入参数和6个输出参数,利用CatBoost算法构建输入参数与输出参数之间的非线性映射关系;采用沙普利加性解释法(SHAP)分析输入参数对盾构姿态的影响;结合多目标优化算法构建CatBoost-MOEAD盾构姿态多目标优化模型,将所提模型运用到武汉长江大直径泥水盾构隧道工程中,分析验证所提方法的适用性和有效性。结果表明:CatBoost预测模型能够高效地预测大直径泥水盾构的姿态,其中6个盾构姿态目标的决定系数范围为0.931~0.974,均方根误差范围为0.030~0.880,误差范围为0.039~1.057;对盾构姿态影响较大的施工参数中推进组推力对盾构姿态的影响最为显著;通过研发的CatBoost-MOEAD盾构姿态多目标优化方法,盾构姿态的优化效果显著,优化率可达38.86%。 展开更多

关键词 类别提升(catboost) 基于分解的多目标优化算法(MOEAD) 大直径泥水盾构 盾构姿态 多目标优化 沙普利加性解释法(SHAP)

在线阅读 下载PDF 职称材料

基于CatBoost-NSGA-Ⅲ算法的盾构姿态预测与优化

2

作者 吴贤国 刘俊 +3 位作者 曹源 雷宇 李士范 覃亚伟 《中国安全科学学报》 CAS CSCD 北大核心 2024年第8期69-77,共9页

为解决盾构掘进过程中因盾构前倾变形、蛇形、轴线偏离及纠偏等影响施工安全性与高效性的问题,提出一种将类别型特征梯度提升(CatBoost)与第三代非支配排序遗传算法(NSGA-Ⅲ)相结合的盾构姿态多目标优化方法;以贵阳地铁为例,选取22个影... 为解决盾构掘进过程中因盾构前倾变形、蛇形、轴线偏离及纠偏等影响施工安全性与高效性的问题,提出一种将类别型特征梯度提升(CatBoost)与第三代非支配排序遗传算法(NSGA-Ⅲ)相结合的盾构姿态多目标优化方法;以贵阳地铁为例,选取22个影响因素作为输入参数,利用CatBoost算法建立输入参数与盾构姿态之间的非线性映射函数关系,采用随机森林(RF)算法评价输入参数的重要性;以盾构姿态绝对值最小化为目标,构建CatBoost-NSGA-Ⅲ多目标优化模型,并通过案例分析验证所提方法的适用性和有效性。结果表明:采用CatBoost算法训练工程实测数据得到的预测模型具有较高的精度,5个盾构姿态目标的R^(2)范围为0.916~0.943;所研发的CatBoost-NSGA-Ⅲ盾构姿态多目标优化方法,可使盾构姿态得到显著优化,整体改进的平均值为53.34%。 展开更多

关键词 类别型特征梯度提升(catboost) 第三代非支配排序遗传算法(NSGA-Ⅲ) 盾构姿态 多目标优化 重要性排序

在线阅读 下载PDF 职称材料

砂泥岩地层岩性智能识别方法与应用——以新疆轮南侏罗系岩层为例 被引量：2

3

作者 蔡明 周庆文 +6 位作者 杨聪 陈枫 伍东 林旺 章成广 张远君 苗雨欣 《煤田地质与勘探》 北大核心 2025年第1期235-244,共10页

【目的】岩性识别是储层精细评价的基础,传统方法一般仅用2~3种测井参数的交互关系进行岩性识别,测井信息利用率低,对于岩性测井响应差异小的地层岩性识别精度低,严重制约了老井复查效果。高效的智能分类算法CatBoost可充分挖掘多源测... 【目的】岩性识别是储层精细评价的基础,传统方法一般仅用2~3种测井参数的交互关系进行岩性识别,测井信息利用率低,对于岩性测井响应差异小的地层岩性识别精度低,严重制约了老井复查效果。高效的智能分类算法CatBoost可充分挖掘多源测井信息与岩性的关联。【方法】以新疆轮南地区侏罗系砂泥岩储层为研究对象,通过敏感性分析选取自然伽马、自然电位、深浅电阻率比值、声波时差和密度5个测井参数,构建基于CatBoost算法的岩性智能识别模型。利用优化的模型处理实际井资料以进行地层岩性识别,通过准确率、精确率和召回率综合评估模型的岩性识别效果,并对比分析了其与随机森林和KNN算法模型的识别效果。【结果和结论】结果表明:轮南侏罗系大类岩性包括泥岩、砂岩和砾岩,细分岩性复杂;根据岩性敏感测井参数利用CatBoost算法建立的岩性智能预测模型对目标储层细分岩性的识别准确率达92.64%,显著高于随机森林模型的82.95%和KNN模型的70.16%,证明该方法能有效解决研究区的岩性识别问题。研究成果不仅为轮南地区老井复查和进一步勘探开发提供了科学依据,还为复杂岩性精细识别方法研究提供重要参考。 展开更多

关键词 测井 岩性识别 人工智能 catboost 梯度提升算法

在线阅读 下载PDF 职称材料

融合nmODE的术后肺部并发症预测模型

4

作者 熊立鹏 徐修远 +2 位作者 牛颢 陈楠 章毅 《智能系统学报》 北大核心 2025年第1期198-205,共8页

为了准确预测病人肺部手术后并发症的发生,提出了一种融合神经记忆常微分方程(neural memory ordinary differential equation,nmODE)的并发症预测模型。首先,利用极限梯度提升(extreme gradient boosting,XGBoost)树结构对数据进行编码... 为了准确预测病人肺部手术后并发症的发生,提出了一种融合神经记忆常微分方程(neural memory ordinary differential equation,nmODE)的并发症预测模型。首先,利用极限梯度提升(extreme gradient boosting,XGBoost)树结构对数据进行编码,并提取其特征重要性。然后,使用长短时记忆神经网络对数据的相关特征依赖性进行分析,并提取处理后的特征。最后,利用nmODE的记忆和学习能力,对提取的特征进行深入分析,并得出最终的预测结果。通过实验评估,在肺部术后并发症数据集中,证明了提出模型的效果优于现有模型,同时可以为预测肺部手术后并发症的发生提供更准确的结果。 展开更多

关键词 疾病预测 异构表格数据 神经记忆常微分方程 极限梯度提升 长短时记忆神经网络 合成少数过采样技术 类别不平衡 病人预后

在线阅读 下载PDF 职称材料

SVM多类别分类方法在客户流失预测中的应用研究 被引量：1

5

作者 李兴国 谢伟 卢光松 《计算机应用与软件》 CSCD 2010年第3期94-96,113,共4页

针对移动客户的多类别特点以及不同类别客户的数据集分布不平衡,把CW-SVM应用于多类别分类,提出了DAG-CWS-VM算法,分别用1-V-R SVM、1-V-1 SVM、DAG-SVM与DAG-CWSVM算法进行分类预测,并用ROC曲线、AUC值、提升度(lift)指标对四种模型进... 针对移动客户的多类别特点以及不同类别客户的数据集分布不平衡,把CW-SVM应用于多类别分类,提出了DAG-CWS-VM算法,分别用1-V-R SVM、1-V-1 SVM、DAG-SVM与DAG-CWSVM算法进行分类预测,并用ROC曲线、AUC值、提升度(lift)指标对四种模型进行评价。实验表明DAG-CWSVM算法不仅能够处理数据多类别分类问题,而且能够有效地解决数据集不平衡对预测结果造成的影响,具有较好的预测效果。 展开更多

关键词 支持向量机 多类别客户流失预测 AUC 提升度

在线阅读 下载PDF 职称材料

基于个性化联邦学习的异构船舶航行油耗预测 被引量：1

6

作者 韩沛秀 孙卓 +1 位作者 刘忠波 闫椿昕 《计算机集成制造系统》 北大核心 2025年第1期182-196,共15页

船舶航行油耗的精准预测,对保护海洋环境、减少航运业运营成本起关键作用,但航运业船舶的数据私密性、及异构船舶的数据异质性,导致常规机器学习方法的预测效果有限。为此,提出一种基于类别型特征的梯度提升(CatBoost)联合个性化联邦学... 船舶航行油耗的精准预测,对保护海洋环境、减少航运业运营成本起关键作用,但航运业船舶的数据私密性、及异构船舶的数据异质性,导致常规机器学习方法的预测效果有限。为此,提出一种基于类别型特征的梯度提升(CatBoost)联合个性化联邦学习(PFL)预测方法。首先,对本地不同数据源的船舶信息数据及海况数据进行数据融合和清洗过滤,以提高输入数据质量;其次,对本地融合数据用CatBoost进行特征选取,以去除冗余数据;随后,引入带个性化层的联邦学习(FedPer)框架,建立异构船舶航行油耗预测模型,以保证异构船舶的数据私密性;进一步,对基本层权重矩阵采用联邦平均算法(FedAvg)聚合参数并反馈,对个性化层权重矩阵由本地客户端采用深度前馈神经网络(DFNN)进行训练优化,以消除数据异质性的影响,提高预测精度。最后,结合实际异构船舶航行油耗算例进行对比实验,结果表明,相比于其他模型,CatBoost联合个性化联邦学习预测方法的预测精度更高,对降低异构船舶航行油耗具有一定的指导意义。 展开更多

关键词 异构船舶航行油耗预测 个性化联邦学习 基于类别型特征的梯度提升 联邦平均算法 深度前馈神经网络

在线阅读 下载PDF 职称材料

基于机器学习的氢化丁腈橡胶力学性能预测模型

7

作者 丁瀚林 赵骞 +3 位作者 张洁 孙思嘉 陈皓哲 陈鹏 《安徽大学学报(自然科学版)》 北大核心 2025年第3期90-99,共10页

氢化丁腈橡胶(HNBR)力学性能与橡胶配方和加工工艺密切相关.为探究材料配方与工艺对氢化丁腈橡胶力学性能的影响规律,笔者收集了32篇公开报道文献中的313份实验研究数据,提取了各文献中的体系配方、硫化工艺、橡胶拉伸强度数据,设计了... 氢化丁腈橡胶(HNBR)力学性能与橡胶配方和加工工艺密切相关.为探究材料配方与工艺对氢化丁腈橡胶力学性能的影响规律,笔者收集了32篇公开报道文献中的313份实验研究数据,提取了各文献中的体系配方、硫化工艺、橡胶拉伸强度数据,设计了极端梯度提升模型(XGBoost)与类别增强型提升模型(CatBoost)2种机器学习模型.首先对输入特征进行独热编码,之后采用2种机器学习方法进行训练,比较2种模型的预测精度、泛化能力,并进行特征重要性分析.2种模型的预测精度均超过0.92.特征重要性分析表明,炭黑含量和交联剂含量为关键的工艺参数,但2种模型描述的特征重要性比率存在差异.研究结果对研究氢化丁腈橡胶的工艺配方设计和发展机器学习技术在橡胶材料领域的应用具有重要的探索意义. 展开更多

关键词 氢化丁腈橡胶 机器学习 极端梯度提升模型 类别增强型提升模型 力学性能

在线阅读 下载PDF 职称材料

福州市畜禽遗传资源普查经验与思考

8

作者 詹文庆 《中国畜牧业》 2024年第18期54-55,共2页

畜禽遗传资源是生物多样性的重要组成部分,是促进畜牧业转型升级、提升竞争力的重要物质基础,是保障国家食品安全生产、农业经济发展和科学研究创新的重要战略资源。而随着工业化城镇化进程加快、气候环境变化以及畜牧业生产方式转变,... 畜禽遗传资源是生物多样性的重要组成部分,是促进畜牧业转型升级、提升竞争力的重要物质基础,是保障国家食品安全生产、农业经济发展和科学研究创新的重要战略资源。而随着工业化城镇化进程加快、气候环境变化以及畜牧业生产方式转变,畜禽种质资源群体数量和区域分布都发生很大变化,通过资源普查能科学、全面地了解和掌握现有畜禽遗传资源的分布情况、数量规模、品种类别和遗传特性,有助于评估资源的珍贵稀有程度和濒危状况,并通过相应的措施开展有效的保护和利用,进一步推动畜牧业高质量发展,促进生态平衡。 展开更多

关键词 提升竞争力 畜禽遗传资源 农业经济发展 食品安全生产 资源普查 品种类别 群体数量 遗传特性

在线阅读 下载PDF 职称材料

特征融合和集成学习在大学生助学金预测中的应用 被引量：2

9

作者 孙瑜 李占利 李学文 《西安科技大学学报》 CAS 北大核心 2020年第4期744-750,共7页

随着数字化校园的推行,利用大数据和机器学习算法识别真正困难的大学生,实现助学金公平发放,可为高校资助问题提供技术支持和辅助决策。首先,提出了一种利用多特征融合和集成学习的助学金预测方法,对消费、成绩、出入宿舍、图书借阅等... 随着数字化校园的推行,利用大数据和机器学习算法识别真正困难的大学生,实现助学金公平发放,可为高校资助问题提供技术支持和辅助决策。首先,提出了一种利用多特征融合和集成学习的助学金预测方法,对消费、成绩、出入宿舍、图书借阅等大学生日常行为数据进行预处理和特征提取,分析特征的重要性,并进行特征融合,构造了一个21维特征向量。然后,利用集成学习方法对梯度提升决策树,随机森林,AdaBoost,SVM等分类器进行集成,采用过采样和交叉验证的方法,利用不同组合策略对大学生助学金进行分类预测。通过对10885位大学生日常行为数据进行实验,结果表明,在3种性能指标(F1、召回率、精确度)上进行测试,平均精确度达到0.9545,为大学生助学金发放提供了一种辅助决策手段。 展开更多

关键词 集成学习 多类别分类 梯度提升决策树 大学生助学金

在线阅读 下载PDF 职称材料

基于Sentinel数据的临海市森林地上生物量估测 被引量：1

10

作者 曹依林 吴达胜 方陆明 《浙江林业科技》 2022年第5期40-49,共10页

为探究多源数据融合以及机器学习方法在森林地上生物量(Above-ground Biomass,AGB)的估测潜力,分析影响不同林分AGB的主要因素,以浙江省台州市临海市为研究区,提取Sentinel-2光学遥感影像的光谱信息、植被指数、纹理特征因子和Sentinel-... 为探究多源数据融合以及机器学习方法在森林地上生物量(Above-ground Biomass,AGB)的估测潜力,分析影响不同林分AGB的主要因素,以浙江省台州市临海市为研究区,提取Sentinel-2光学遥感影像的光谱信息、植被指数、纹理特征因子和Sentinel-1 SAR的后向散射系数,融合森林资源二类调查数据和数字高程模型数据,基于递归特征消除的特征选择方法筛选主要特征,基于随机森林(Random Forest,RF)、自适应提升(AdaBoost)法和类别提升(CatBoost)法三种方法建立不同林分AGB估测模型,以决定系数(R-squared,R^(2))、均方根误差(Root Mean Square Error,RMSE)来评估模型性能。结果表明,从特征组合来看,集成光学遥感、雷达遥感、地形因子及二类调查数据能够更全面地利用多源数据的信息,有效提高森林AGB的估测精度;递归特征消除法降低了模型的复杂度,消除了自变量之间的共线性,能在保持甚至提高模型估测精度的前提下,加快模型训练速度;从6种林分的AGB的估测结果来看,6种林分的AGB的主要影响因素与个数不尽相同,这也缘于不同树种有不同生物学和生态学特点,当然有3个因子是共同的,即年龄、郁闭度和海拔;3种算法中,CatBoost优于RF,RF优于AdaBoost,CatBoost方法的性能指标为:阔叶混交林R^(2)=0.78,RMSE=7.26 t·hm^(-2);针阔混交林R^(2)=0.72,RMSE=11.94 t·hm^(-2);针叶混交林R^(2)=0.60,RMSE=12.65 t·hm^(-2);其他硬阔林R^(2)=0.82,RMSE=9.22 t·hm^(-2);马尾松林R^(2)=0.74,RMSE=10.12 t·hm^(-2);杉木林R^(2)=0.75,RMSE=8.93 t·hm^(-2);基于RFE的CatBoost的方法模型总体平均估测精度(P)超过80%。以上结果表明,Sentinel光学影像与SAR融合可以为森林AGB估测提供更多有效的特征因子;递归特征消除法结合CatBoost方法用于区域尺度上森林AGB的估测,精度更高,且能有效降低模型复杂度,加快训练速度;不同林分的AGB的主要影响因素与个数不尽相同,但年龄、郁闭度、海拔3个因素是它们的共同影响因素。 展开更多

关键词 森林地上生物量 Sentinel-1 Sentinel-2 随机森林 自适应提升法 类别提升法 递归特征消除法

在线阅读 下载PDF 职称材料

基于机器学习的介入式葡萄糖传感器故障监测模型

11

作者 刘思行 许硕洋 +1 位作者 徐鹤 季一木 《计算机科学》 2025年第9期106-118,共13页

随着传感器技术的进步,血糖监测从传统的单点采集发展为连续动态监测(CGM),通过介入式葡萄糖传感器实时监测间质液葡萄糖浓度。血糖传感器的运行状态对监测准确性至关重要,但传感器故障识别面临类别不平衡问题,导致机器学习模型性能下... 随着传感器技术的进步,血糖监测从传统的单点采集发展为连续动态监测(CGM),通过介入式葡萄糖传感器实时监测间质液葡萄糖浓度。血糖传感器的运行状态对监测准确性至关重要,但传感器故障识别面临类别不平衡问题,导致机器学习模型性能下降。基于此,提出了一种结合数据预处理、特征工程和模型集成的优化策略。首先,通过缺失值填补和噪声处理提升数据的完整性和可靠性;其次,利用合成少数类过采样技术(SMOTE)对少数类样本进行过采样,缓解类别不平衡问题;最后,采用堆叠泛化(Stacking)的集成学习方法,结合基于焦点损失函数(Focal Loss)优化的极端梯度提升(XGBoost)和类别特征梯度提升(CatBoost)集成基分类器,与逻辑回归(LR)元分类器构建双层模型,进一步提升故障监测的准确性。为了证明所提出模型的有效性,将该模型的预测结果与其他模型进行了对比,包括基于Focal Loss的单一XGBoost,及其分别与SVM,KNN,LightGBM作为基分类器构建的集成模型等。研究结果表明,提出的基于Focal Loss的XGBoost和CatBoost模型在传感器故障分类任务中表现良好,PR曲线和ROC曲线效果均优于其他模型,精确度和召回率分别为0.9250和0.9238。 展开更多

关键词 传感器故障监测 堆叠泛化 集成学习 极端梯度提升 类别特征梯度提升

在线阅读 下载PDF 职称材料