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1,863篇文章
< 1 2 … 94 >
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：
基于逐步回归和ARIMA模型的青海省农作物产量预测分析 被引量：2
1
作者 黄倩 《南方农机》 2025年第4期173-176,共4页
【目的】准确预测青海省的农作物产量。【方法】选取青海省2002—2021年农作物产量数据,将农业机械总动力、农作物播种面积、有效灌溉面积、农用薄膜使用量、农药使用量作为青海省农作物产量预测的自变量,农作物产量作为因变量建立逐步... 【目的】准确预测青海省的农作物产量。【方法】选取青海省2002—2021年农作物产量数据,将农业机械总动力、农作物播种面积、有效灌溉面积、农用薄膜使用量、农药使用量作为青海省农作物产量预测的自变量,农作物产量作为因变量建立逐步回归和ARIMA模型,分别运用逐步回归模型、ARIMA模型以及组合模型对青海省2016—2021年农作物产量数据预测精度进行了检验和对比,并采用组合模型预测了青海省2022—2026年农作物产量。【结果】1)逐步回归模型通过逐步引入对产量有显著影响的变量,优化了模型结构,预测平均误差为1.17%;2)ARIMA模型则有效捕捉了时间序列数据的动态特性,预测平均误差为1.29%;3)组合预测模型的预测精度较高,平均相对误差降至1.00%,优于单一模型。【结论】农作物产量的准确预测对于保障粮食安全和推动地区经济发展具有重要意义。未来的研究可以通过优化各模型的权重分配、利用机器学习方法自动调整权重等方式处理更大规模的数据集,并考虑如气候变化、政策变动等更多的影响因素,这将有助于构建更为全面和精细的预测模型,为农业生产和政策制定提供更加有力的数据支持。 展开更多
关键词 农作物产量 逐步回归模型 arIMA模型 组合预测模型
在线阅读 下载PDF
基于SARIMA-SVM模型的季节性PM_(2.5)浓度预测 被引量：1
2
作者 宋英华 徐亚安 张远进 《计算机工程》 北大核心 2025年第1期51-59,共9页
空气污染是城市环境治理的主要问题之一,而PM_(2.5)是影响空气质量的重要因素。针对传统时间序列预测模型对PM_(2.5)浓度预测缺少季节性因素分析,预测精度不够高的问题,提出一种基于机器学习的季节性差分自回归滑动平均-支持向量机(SARI... 空气污染是城市环境治理的主要问题之一,而PM_(2.5)是影响空气质量的重要因素。针对传统时间序列预测模型对PM_(2.5)浓度预测缺少季节性因素分析,预测精度不够高的问题,提出一种基于机器学习的季节性差分自回归滑动平均-支持向量机(SARIMA-SVM)融合模型。该融合模型为串联型融合模型,将数据拆分为线性部分与非线性部分。SARIMA模型在差分自回归滑动平均(ARIMA)模型的基础上增加了季节性因素提取参数,能有效分析PM_(2.5)浓度数据的季节性规律变化趋势,较好地预测数据未来的线性变化趋势。结合SVM模型对预测数据的残差序列进行优化,利用滑动步长预测法确定残差序列的最优预测步长,通过网格搜索确定最优模型参数,实现对PM_(2.5)浓度数据的长期预测,同时提高整体预测精度。通过对武汉市近5年的PM_(2.5)浓度监测数据进行分析,结果表明该融合模型的预测准确率相较于单一模型有很大提升,在相同的实验环境下比单一的ARIMA、Auto ARIMA、SARIMA模型分别提升了99%、99%、98%,稳定性也更好,为PM_(2.5)浓度预测研究提供了新的思路。 展开更多
关键词 季节性差分自回归滑动平均 支持向量机 融合模型 PM_(2.5)浓度 季节性预测
在线阅读 下载PDF
基于多元回归的离子型稀土矿浸出率预测模型研究
3
作者 陈强 李明周 +2 位作者 黄学雨 黄德晟 谢芳芳 《有色金属科学与工程》 北大核心 2025年第4期645-654,共10页
离子型稀土原地浸出过程属于典型的复杂非线性体系,其影响因素多且交互耦合,难以通过机理型模型对浸出条件与浸出率的关系进行定量描述。本文针对离子型稀土原地浸矿工艺过程,基于多元非线性回归原理和柱浸模拟实验结果,以原矿品位、浸... 离子型稀土原地浸出过程属于典型的复杂非线性体系,其影响因素多且交互耦合,难以通过机理型模型对浸出条件与浸出率的关系进行定量描述。本文针对离子型稀土原地浸矿工艺过程,基于多元非线性回归原理和柱浸模拟实验结果,以原矿品位、浸矿剂浓度、浸矿流速、母液平均浓度等为自变量,以稀土浸出率为因变量,构建了稀土浸出率预测模型和计算系统,建立了工艺条件与浸出率的量化关系,模型检验分析结果表明:所构建的模型可靠性和预测准确率较高,稀土浸出率预测计算准确率可达97.785%。 展开更多
关键词 离子型稀土 多元非线性回归 稀土浸出率 预测模型 计算系统
在线阅读 下载PDF
RC建筑重量代表值的统计回归预测模型
4
作者 陈隽 徐静 +2 位作者 李阳 项梦洁 冯德成 《东南大学学报(自然科学版)》 北大核心 2025年第5期1337-1345,共9页
建筑重量代表值是建筑物抗震分析中非常重要的特征参数,然而目前对既有建筑通常采用单位面积重量的经验系数进行估计,尚无基于高度、层数等易得参数的预测模型。本研究通过海量文献检索,收集了我国524栋钢筋混凝土建筑的重量代表值和相... 建筑重量代表值是建筑物抗震分析中非常重要的特征参数,然而目前对既有建筑通常采用单位面积重量的经验系数进行估计,尚无基于高度、层数等易得参数的预测模型。本研究通过海量文献检索,收集了我国524栋钢筋混凝土建筑的重量代表值和相关设计参数,包括框架-核心筒、框架-剪力墙、剪力墙和框架4种结构类型。统计分析了重量代表值随建筑面积、平面尺寸、结构高度、结构类型的分布规律。基于参数相关性分析,提出了不同结构类型的建筑重量代表值随单一结构几何参数与多参数组合的回归公式,适用于不同使用场景。最后将预测公式应用于5个工程实例,并与现有经验公式结果进行比较。结果表明,所提重量代表值预测公式的精度良好,可供工程初步设计、既有建筑状态评估以及城市建筑群防灾分析中的参数化建模使用。 展开更多
关键词 钢筋混凝土结构 建筑物重量 相关性分析 回归预测模型 单参数 多参数
在线阅读 下载PDF
模型和数据联合驱动的ARIMA-IDSSA-LSSVM建筑安全事故预测
5
作者 曹红梅 陈元 《自然灾害学报》 北大核心 2025年第2期129-139,共11页
针对传统单一模型在解决建筑安全事故预测问题存在精度低等问题,考虑模型和数据联合驱动方式,提出一种结合差分自回归移动平均(autoregressive integrated moving average,ARIMA)模型和改进的自适应樽海鞘优化最小二乘支持向量机(improv... 针对传统单一模型在解决建筑安全事故预测问题存在精度低等问题,考虑模型和数据联合驱动方式,提出一种结合差分自回归移动平均(autoregressive integrated moving average,ARIMA)模型和改进的自适应樽海鞘优化最小二乘支持向量机(improved adaptive salp swarm algorithm optimized least squares support vector machine,IDSSA-LSSVM)的组合预测模型。首先利用ARIMA模型获得时序数据中线性部分,利用IDSSA-LSSVM模型分析ARIMA模型获得的残差,获得时序数据中非线性部分;然后通过线性部分和非线性部分相加获得最终组合预测值;最后通过2010—2020年房屋市政工程生产安全事故数据对所提算法进行验证。结果表明,所提预测模型在E_(rmse)上较其他算法分别下降73.73%、77.21%、46.09%、46.80%、78.19%,在E_(mae)上较其他算法分别下降74.20%、77.44%、48.15%、48.85%、77.50%,在E_(mape)上较其他算法分别下降84.95%、87.77%、75.97%、88.49%、80.27%。在不同规模的数据集下,文中算法在E_(rmse)指标下均最优。同时能够通过预测未来阶段事故,提供辅助决策。表明ARIMA-SSA-LSSVM组合模型能够充分挖掘建筑安全事故数据的隐藏信息,在准确性、泛化性和应用性3个角度均表现不错,优势明显。 展开更多
关键词 建筑安全 事故预测 联合驱动 差分自回归移动平均模型 支持向量机
在线阅读 下载PDF
基于LASSO回归的塔城地区人群冠状动脉狭窄程度预测模型构建及验证 被引量：1
6
作者 徐以康 刘蕾 +4 位作者 刘丽敏 马晶茹 王嘉钰 马军 甄紫伊 《中国医科大学学报》 北大核心 2025年第2期139-143,149,共6页
目的 分析新疆塔城地区人群冠状动脉中重度狭窄的危险因素,构建并验证冠状动脉狭窄程度列线图风险预测模型。方法 回顾性收集2021年1月至2023年6月于塔城市人民医院心内科住院治疗的629例患者的临床资料。用R语言软件将所有患者的临床... 目的 分析新疆塔城地区人群冠状动脉中重度狭窄的危险因素,构建并验证冠状动脉狭窄程度列线图风险预测模型。方法 回顾性收集2021年1月至2023年6月于塔城市人民医院心内科住院治疗的629例患者的临床资料。用R语言软件将所有患者的临床资料纳入LASSO回归进行危险因素初筛。按7∶3的比例将629例患者随机分为训练组(440例)和验证组(189例)。训练组数据用于模型构建,以冠状动脉狭窄程度为因变量,将LASSO回归筛选出的变量作为自变量纳入logistic回归建模。验证组用于模型验证。基于logistic分析结果,用R语言软件构建冠状动脉狭窄程度预测的可视化列线图。应用曲线下面积(AUC)、临床决策曲线分析(DCA)及校准曲线评价模型的区分度、临床效用和校准度。结果 年龄、非汉族、高血压、高脂血症、脑血管病史是发生冠状动脉中重度狭窄的危险因素,纳入风险预测模型。训练组和验证组AUC分别为0.905 (95%CI:0.790~0.863)和0.864(95%CI:0.744~0.861),校准曲线预测值与实际值一致度较高(训练组和验证组Brier得分分别为0.03和0.14),模型的预测性能好,DCA结果提示本模型具有临床净获益。结论 本研究所构建塔城地区人群冠状动脉狭窄程度风险预测模型具有良好的预测性能,可为筛查冠状动脉中重度狭窄患者提供简便易行、经济、易推广的评估工具。 展开更多
关键词 冠状动脉狭窄程度 列线图 预测模型 LASSO回归
在线阅读 下载PDF
基于贝叶斯优化支持向量回归的煤自燃温度预测模型 被引量：1
7
作者 杨海燕 胡新成 +1 位作者 蔡佳文 余照阳 《工矿自动化》 北大核心 2025年第7期36-43,51,共9页
针对传统煤自燃温度预测模型未考虑指标气体与温度数据之间存在多重共线性、模型预测精度不足问题,提出了一种基于贝叶斯优化(BO)算法改进支持向量回归(SVR)超参数(BO-SVR)的煤自燃温度预测模型。利用煤自燃程序升温实验,对生成的指标... 针对传统煤自燃温度预测模型未考虑指标气体与温度数据之间存在多重共线性、模型预测精度不足问题,提出了一种基于贝叶斯优化(BO)算法改进支持向量回归(SVR)超参数(BO-SVR)的煤自燃温度预测模型。利用煤自燃程序升温实验,对生成的指标气体数据进行收集与处理。利用Spearman相关性分析选择与煤温相关性较强的指标气体并分析指标气体生成量间的共线性;对选择的指标气体进行主成分分析,解决多重共线性问题的同时降低维数;采用5折交叉验证方法划分训练集和测试集,通过平均绝对误差(MAE)、均方根误差(RMSE)和判定系数(R^(2))指标,对BO-SVR模型的性能与SVR、粒子群优化SVR(PSO-SVR)和遗传算法优化SVR(GA-SVR)模型进行定量评价。结果表明,BO-SVR模型的MAE较其他3种模型分别降低了74.2%,36.7%和10.2%,RMSE分别降低了71.9%,33.3%和11.4%,R^(2)达0.9885,高于其他模型。选取山西煤炭进出口集团河曲旧县露天煤业有限公司的烟煤煤样开展平行试验,BO-SVR模型在新数据集上的MAE为4.9279℃,RMSE为6.4899℃,R^(2)达0.9853,与原数据集预测结果保持高度一致性。表明BO-SVR模型具有较好的泛化性、预测精度和鲁棒性,有助于提高预测煤自燃温度的准确性。 展开更多
关键词 煤自燃 贝叶斯优化 支持向量回归 指标气体 预测模型
在线阅读 下载PDF
基于灰色-回归组合模型的淄博市卫生资源预测 被引量：1
8
作者 王玉芹 吕超 +1 位作者 胡俊俊 曹高芳 《中国卫生统计》 北大核心 2025年第4期602-605,共4页
目的调查2005—2022年淄博市卫生人力资源及床位配置情况,对淄博市2023—2027年每千人口卫生技术人员数、医师数及床位配置情况进行预测,为淄博市卫生人力资源配置情况提供决策参考。方法查阅统计年鉴,提取医疗卫生公共预算支出、常住... 目的调查2005—2022年淄博市卫生人力资源及床位配置情况,对淄博市2023—2027年每千人口卫生技术人员数、医师数及床位配置情况进行预测,为淄博市卫生人力资源配置情况提供决策参考。方法查阅统计年鉴,提取医疗卫生公共预算支出、常住人口、城镇化率、人均可支配收入、卫生技术人员的数量、医师数及床位数等数据,使用GM(1,1)模型、多元回归模型和组合预测模型进行预测,并比较预测精度。结果2023—2027年淄博市每千人口卫生技术人员数分别为10.38、10.72、11.08、11.46、11.85;每千人口医师数分别为4.30、4.46、4.63、4.80、4.98;每千人口床位数分别为7.57、7.71、7.86、8.01、8.17。结论淄博市每千人卫生资源配置高于全国平均水平且呈现上升趋势,但人口老龄化、少子化大环境下,需采取有效措施提高资源配置质效。 展开更多
关键词 GM(1 1)灰色模型 多元回归预测 组合预测 卫生资源
在线阅读 下载PDF
基于优化支持向量回归机的气浮单元水质预测模型 被引量：1
9
作者 陈霖 晏欣 +4 位作者 唐智和 冉照宽 李斌莲 栾辉 陈春茂 《工业水处理》 北大核心 2025年第5期157-165,共9页
为解决炼化污水处理系统气浮单元出水水质获取时滞严重的问题,构建了基于支持向量回归机(SVR)的气浮单元水质预测模型,利用皮尔逊相关系数(PCC)、斯皮尔曼相关系数(SCC)以及平均影响值算法(MIV)对模型输入参数进行降维,在此基础上利用... 为解决炼化污水处理系统气浮单元出水水质获取时滞严重的问题,构建了基于支持向量回归机(SVR)的气浮单元水质预测模型,利用皮尔逊相关系数(PCC)、斯皮尔曼相关系数(SCC)以及平均影响值算法(MIV)对模型输入参数进行降维,在此基础上利用交叉验证算法(K-CV)和网格搜索算法(GSA)对模型进行参数优化。结果表明,气浮单元出水COD和进水NH_(3)-N相关性最强,去除冗余变量,将NH_(3)-N作为模型输入可以有效提升模型预测精度。当惩罚因子c趋近于1,核函数参数g趋近于2000时,模型预测均方误差(MSE)最小(MSE=0.00067),预测精度最高;优化后SVR模型决定系数(R^(2))和相关性系数(r)分别为0.69和0.85,平均绝对百分比误差(MAPE)为0.05,预测精度远高于传统SVR和经典BP-ANN模型。现场验证结果表明该模型能实现对气浮单元出水水质的有效预测,平均百分比误差<5%,预测时间<1 min,极大程度提高了水质数据的时效性。 展开更多
关键词 炼化企业 污水处理系统 气浮单元 支持向量回归机 水质预测模型
在线阅读 下载PDF
基于逐步回归模型的池塘养殖环境环丙沙星暴露水平预测模型的构建
10
作者 高玉晓 陈曦 +4 位作者 马志远 方龙香 裘丽萍 孟顺龙 宋超 《农业环境科学学报》 北大核心 2025年第3期750-758,共9页
为实现对池塘养殖水体中环丙沙星残留量的短期预测,采用高效液相色谱串联质谱联用技术,对太湖流域养殖池塘的水体和沉积物样本进行恩诺沙星(ENR)与环丙沙星(CIP)残留量分析。通过详细的数据分析,揭示了池塘水体中恩诺沙星含量、环丙沙... 为实现对池塘养殖水体中环丙沙星残留量的短期预测,采用高效液相色谱串联质谱联用技术,对太湖流域养殖池塘的水体和沉积物样本进行恩诺沙星(ENR)与环丙沙星(CIP)残留量分析。通过详细的数据分析,揭示了池塘水体中恩诺沙星含量、环丙沙星含量以及沉积物中恩诺沙星含量、环丙沙星含量之间的线性相关性数据,并进一步重点考察了关键理化指标(温度、溶氧、pH,以及样品的悬浮物含量、总氮、总磷和高锰酸盐指数)与以下4个过程的相互作用关系:(1)沉积物恩诺沙星含量与环丙沙星含量;(2)水体恩诺沙星含量与环丙沙星含量;(3)水体恩诺沙星含量与沉积物恩诺沙星含量;(4)沉积物环丙沙星含量与水体环丙沙星含量。通过细致的变量筛选与计算,最终构建了沉积物中环丙沙星含量的预测模型:C_(CIP)^((sed))=0.647+0.191C_(ENR)^((sed))-1.358CTP,该模型的决定系数(R)为0.805,具有一定的预测价值;同时,还建立了沉积物中环丙沙星含量预测水体中环丙沙星含量的预测模型:C_(CIP)^((wat))=-0.413-0.017C_(CIP)^((sed))-0.063A+0.174B,其R达到了0.646,显示出良好的预测准确性。模型的构建为水产池塘养殖水体中环丙沙星残留量的有效监控提供了技术支撑,可通过沉积物中环丙沙星的含量预估水体中环丙沙星的含量。 展开更多
关键词 环丙沙星 恩诺沙星 回归模型 预测模型
在线阅读 下载PDF
基于NHMS-AR模型的气温预测与风险评估
11
作者 吴成诚 孟生旺 《统计研究》 北大核心 2025年第10期131-145,I0063-I0066,共19页
构建科学合理的气温模型是进行气候风险管理的重要基础,该模型需准确拟合实际气温数据并具备良好的长期预测能力。针对日均气温的季节性、均值回复性、非平稳性和非线性等典型特征,本文提出一种非齐次马尔可夫切换自回归(NHMS-AR)模型,... 构建科学合理的气温模型是进行气候风险管理的重要基础,该模型需准确拟合实际气温数据并具备良好的长期预测能力。针对日均气温的季节性、均值回复性、非平稳性和非线性等典型特征,本文提出一种非齐次马尔可夫切换自回归(NHMS-AR)模型,用于刻画气温的随机动力学特征。与传统模型相比,NHMS-AR模型能够识别气温背后的异质性隐状态,并捕捉状态切换的季节性规律;扩展自回归参数结构,支持表达更高级别的滞后时序依赖关系;通过构建波动率复合结构,可以分离波动率的基准效应和状态效应;允许设置任意形态的新息分布以满足实际数据的偏度和峰度要求。参数估计中,通过条件前向–后向递推方法显著加速EM算法;推理过程中,提出一种高效的前向预测算法,并据此构建随机天气情景发生器。此外,将气候遥相关指数引入气温建模框架,对气温中枢及其随机动力学特征进行全面校准,以解释气温的年际差异。我国城市气温数据的实证研究表明,经过气候校准的NHMS-AR模型能够准确再现气温的短期复杂结构与长期行为特征,且使用NHMS-AR模型计算的尾部风险度量VaR更加准确,该模型具有良好的应用价值。 展开更多
关键词 非齐次马尔可夫链 自回归模型 EM算法 气温预测 风险评估
在线阅读 下载PDF
基于岭回归分析的TBM净掘进速率预测模型研究 被引量：1
12
作者 时健 张仕林 +1 位作者 范作松 孔德森 《城市轨道交通研究》 北大核心 2025年第6期37-42,53,共7页
[目的]精确预测TBM净掘进速率对城市隧道施工方法选择、工程进度规划和建设成本控制有重要的参考价值。[方法]以青岛地铁1号线双护盾TBM施工为背景,对TBM净掘进速率预测模型的输入变量开展特征选取,研究TBM净掘进速率与各输入变量间的... [目的]精确预测TBM净掘进速率对城市隧道施工方法选择、工程进度规划和建设成本控制有重要的参考价值。[方法]以青岛地铁1号线双护盾TBM施工为背景,对TBM净掘进速率预测模型的输入变量开展特征选取,研究TBM净掘进速率与各输入变量间的相关关系,并对输入变量进行共线性诊断。建立了基于岭回归分析的TBM净掘进速率预测模型(以下简称“岭回归预测模型”),并验证了该模型的预测效果。[结果及结论]TBM净掘进速率与岩石单轴抗压强度、完整性系数、刀盘推力和刀盘转速之间呈正相关,且相关程度较为显著;TBM净掘进速率预测模型的输入变量间存在一定程度的多重共线性,影响偏回归系数的取值,使得部分输入变量偏回归系数的检验结果失去统计学意义;岭回归预测模型预测精度稍差,但偏回归系数估值趋于合理,使得该模型稳定性更高;岭回归预测模型的绝对误差在5 mm/min以内,能够满足工程预测的需要。 展开更多
关键词 城市轨道交通 TBM净掘进速率预测模型 岭回归分析
在线阅读 下载PDF
融合XGBoost和逻辑回归算法的电信客户流失预测模型
13
作者 吕宁 罗倩 《现代电子技术》 北大核心 2025年第11期136-143,共8页
为应对大规模、高维度且分布不均衡的企业数据环境下客户流失预测难题,文中提出一种融合极端梯度提升树与逻辑回归(XG-LR)的集成学习算法。该方法利用XGBoost算法构建决策树集成,将样本在树结构中的叶节点映射为新特征并输入LR模型,实... 为应对大规模、高维度且分布不均衡的企业数据环境下客户流失预测难题,文中提出一种融合极端梯度提升树与逻辑回归(XG-LR)的集成学习算法。该方法利用XGBoost算法构建决策树集成,将样本在树结构中的叶节点映射为新特征并输入LR模型,实现树模型非线性特征提取能力与LR模型解释性优势的有效结合。实验结果表明,在Teclo电信流失数据集上,XG-LR算法的预测精确率达到94.55%,较传统统计学习方法有显著提升。该模型可为企业客户关系管理提供高精度的流失预警工具,支持数据驱动的客户价值评估与营销策略优化。 展开更多
关键词 客户流失预测 统计学习模型 极端梯度提升树 逻辑回归 特征转换 数据平衡 特征提取
在线阅读 下载PDF
基于自回归时间序列模型的船舶升沉运动预测方法
14
作者 颜鲁晓 颜秀昆 《舰船科学技术》 北大核心 2025年第15期177-180,共4页
在船舶航行与海上作业中,船舶升沉运动受复杂海况影响呈现显著非平稳特性,传统AR模型难以满足复杂场景下的升沉运动预测需求,开展高精度预测方法研究具有重要意义。本文首先构建自适应AR模型,通过引入遗忘因子实现参数动态更新,有效应... 在船舶航行与海上作业中,船舶升沉运动受复杂海况影响呈现显著非平稳特性,传统AR模型难以满足复杂场景下的升沉运动预测需求,开展高精度预测方法研究具有重要意义。本文首先构建自适应AR模型,通过引入遗忘因子实现参数动态更新,有效应对海况突变时的预测偏差。在此基础上进一步构建带外部输入的ARX模型,融合海浪预报数据以增强建模,并结合误差驱动机制动态调整遗忘因子。最后通过仿真对模型进行验证,构建的ARX模型显著提升了船舶升沉运动的预测精度与复杂海况下的鲁棒性。 展开更多
关键词 ar模型 arX模型 升沉运动 预测方法
在线阅读 下载PDF
基于LASSO回归模型构建扩张型心肌病死亡风险的预测模型
15
作者 夏志强 方羚 +1 位作者 任凌云 卢亮 《中国卫生统计》 北大核心 2025年第4期590-593,共4页
目的 扩张型心肌病(dilated cardiomyopathy, DCM)是导致心力衰竭和心脏性猝死的重要原因之一,且治疗效果及预后不佳,出现心力衰竭时5年生存率只有40%。本研究拟基于LASSO回归和logistic回归分析建立DCM患者死亡风险的预测模型,以调整... 目的 扩张型心肌病(dilated cardiomyopathy, DCM)是导致心力衰竭和心脏性猝死的重要原因之一,且治疗效果及预后不佳,出现心力衰竭时5年生存率只有40%。本研究拟基于LASSO回归和logistic回归分析建立DCM患者死亡风险的预测模型,以调整诊疗策略,改善预后。方法 回顾性分析了2014年8月至2016年8月期间浙江省东阳市人民医院收治的175例DCM患者的临床资料。通过LASSO回归筛选关键变量,通过logistic回归建立患者死亡风险预测模型,并评估了该模型的预测效能。结果 LASSO回归结果显示年龄、收缩压、左心室射血分数(left ventricular ejection fraction, LVEF)和氨基末端B型利钠肽前体(N-terminal pro-B-type natriuretic peptide, NT-proBNP)是DCM患者死亡的关键影响因素,多因素logistic回归结果表明,年龄越大、收缩压越低、LVEF越低、proBNP越高患者死亡的风险越高。结论 该风险预测模型具有较好的准确率和临床净收益,通过早期诊断,尤其是在心力衰竭发生前诊断及规范化治疗是改善预后关键。 展开更多
关键词 扩张型心肌病 LASSO回归 列线图 风险预测模型
在线阅读 下载PDF
基于卷积双线性泊松回归的地铁客流预测模型
16
作者 窦道飞 《中国铁路》 北大核心 2025年第5期125-132,共8页
地铁系统客流量预测在地铁管理中起着至关重要的作用。由于地铁系统运营策略和市场动态的变化,客流量的时间模式会动态变化,因此利用短期客流数据进行客流量预测更为高效和准确。研究提出一种基于短期训练数据的多条地铁线路客流量预测... 地铁系统客流量预测在地铁管理中起着至关重要的作用。由于地铁系统运营策略和市场动态的变化,客流量的时间模式会动态变化,因此利用短期客流数据进行客流量预测更为高效和准确。研究提出一种基于短期训练数据的多条地铁线路客流量预测模型——卷积双线性泊松回归模型,结合潜在因子模型与传统回归模型,采用随机变分贝叶斯法求解优化问题,混合更新模型参数。通过北京地区的GPS信号数据对所提出模型的预测性能进行评估,评估实验结果显示,卷积双线性泊松回归模型采用短期观察数据,相比单一的双线性泊松回归模型和对每个分段分别运行双线性泊松回归模型具有显著优势。此外还揭示集体预测模型相比单独分段模型更不易过拟合。通过不断更新训练数据,模型参数得以实时调整,从而可提供更准确的客流量预测。 展开更多
关键词 地铁 客流预测 卷积双线性泊松回归模型 潜在因子 变分贝叶斯法
在线阅读 下载PDF
基于AR-CNN-BiLSTM组合模型的直升机尾减轴承剩余寿命预测
17
作者 林翔 毕果 +2 位作者 王振忠 刘国亮 刘芝福 《厦门大学学报(自然科学版)》 北大核心 2025年第4期653-659,共7页
[目的]对于直升机尾减速器轴承的在线剩余使用寿命(remaining useful life,RUL)预测算法,既要能够实现早期损伤的检测,又要满足算法的时效性要求.[方法]为了较好地反映轴承信号的退化趋势,对剩余使用寿命进行预测,本文选用双向长短时记... [目的]对于直升机尾减速器轴承的在线剩余使用寿命(remaining useful life,RUL)预测算法,既要能够实现早期损伤的检测,又要满足算法的时效性要求.[方法]为了较好地反映轴承信号的退化趋势,对剩余使用寿命进行预测,本文选用双向长短时记忆网络(bidirectional long short-term memory,BiLSTM)进行时序特征提取.同时,为了弥补BiLSTM训练速度慢,对早期局部特征不敏感的问题,利用自回归模型(autoregressive model,AR)进行数据降维,利用卷积神经网络(convolutional neural network,CNN)提升局部特征的提取性能.[结果]在直升机尾减试验台数据集及西安交通大学轴承数据集上进行算法测试,相对于LSTM、BiLSTM、CNN-BiLSTM,AR-CNN-BiLSTM表现出更高的预测精度和更快的训练速度.[结论]AR-CNN-BiLSTM能满足尾减轴承在线剩余使用寿命预测对早期损伤识别及时效性的要求.引入BiLSTM由于能充分挖掘时序的前向和后向信息,能提高预测精度,但也导致训练时间的增加;CNN凭借其出色的特征提取能力,既能挖掘深度特征又能降低数据维度,可适当提升算法的预测精度和训练速度;AR将复杂的时序数据映射为自相关系数和残差组成的特征矩阵,能有效提升算法的预测精度和训练速度. 展开更多
关键词 直升机尾减速器 滚动轴承 自回归模型 双向长短时记忆网络 剩余寿命预测
在线阅读 下载PDF
基于Logistic回归的砀山春霜冻预测模型研究与应用
18
作者 张欣然 《安徽农学通报》 2025年第4期108-112,共5页
本研究利用2011—2018年3—5月砀山国家基本气象观测站日最低草面温度、日最低气温、日最低0 cm地温、日平均相对湿度、日最小相对湿度以及日平均露点温度观测数据和春霜冻资料,使用Logistic回归分析建立春霜冻预测模型,并对预测模型进... 本研究利用2011—2018年3—5月砀山国家基本气象观测站日最低草面温度、日最低气温、日最低0 cm地温、日平均相对湿度、日最小相对湿度以及日平均露点温度观测数据和春霜冻资料,使用Logistic回归分析建立春霜冻预测模型,并对预测模型进行计算和检验,利用MICAPS软件对模型进行应用。结果表明,采用Logistic回归方法得到的影响砀山春霜冻出现的解释因子为日最低气温、日最低0 cm地温以及日平均露点温度,将这3个因子作为变量建立预测模型。该模型的检验准确率和应用准确率均在90%以上。综上,本研究建立的春霜冻预测模型使用方便快捷、预测准确率高,可应用于实际生产。 展开更多
关键词 梨树 春霜冻 LOGISTIC回归 预测模型
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
19
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
个体化预测老年患者右美托咪定全身麻醉后发生心血管事件的列线图模型构建
20
作者 郭静 高丽敏 +4 位作者 王敏 崔伊依 康金龙 刘骥 徐学武 《解放军医学杂志》 北大核心 2025年第8期1051-1054,共4页
随着人口老龄化的加速,接受外科手术的老年患者数量逐年增加。然而,老年人群因生理机能衰退、多病共存等特点,围手术期心血管并发症发生率较高,严重威胁术后康复及长期预后。右美托咪定作为一种高选择性α_(2)肾上腺素能受体激动剂,具... 随着人口老龄化的加速,接受外科手术的老年患者数量逐年增加。然而,老年人群因生理机能衰退、多病共存等特点,围手术期心血管并发症发生率较高,严重威胁术后康复及长期预后。右美托咪定作为一种高选择性α_(2)肾上腺素能受体激动剂,具有良好的镇静、镇痛及减少术后谵妄的作用,被广泛用于老年患者全身麻醉的辅助用药[1];其可通过降低交感神经张力达到镇静效果,但可能诱发剂量依赖性的低血压、心动过缓等心血管不良反应,增加围手术期并发症的风险,而老年人群心血管代偿能力下降可能进一步增加此类风险,导致心肌缺血、心律失常甚至心源性休克[2]。 展开更多
关键词 右美托咪定 老年患者 心血管事件 LOGISTIC回归 预测模型
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 … 94 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