检索结果-维普期刊中文期刊服务平台

5米S-SAR卫星SAR数据辐射性能评估: 1; 作者姚玉林韩启金 +2 位作者王爱春闫丽丽张明霞《航天器工程》北大核心 2025年第3期111-118,共8页; 对2颗5米S频段合成孔径雷达(S-SAR)卫星SAR数据辐射性能进行评估。首先,基于回波和内定标数据评估噪声等效后向散射系数;然后,基于分布目标SAR数据评估相对辐射精度和辐射分辨率;最后,基于点目标SAR数据评估旁瓣比和空间分辨率等,同时... 展开更多; 关键词 5米S频段合成孔径雷达卫星合成孔径雷达数据辐射性能噪声等效后向散射系数交叉辐射验证; 在线阅读下载PDF 职称材料

基于BPNN-SHAP模型的滑坡危险性评价:以伊犁河流域为例: 2; 作者戴勇孟庆凯 +2 位作者陈世泷李威杨立强《沉积与特提斯地质》 CAS CSCD 北大核心 2024年第3期534-546,共13页; 为进一步提高滑坡危险性预测模型精度、增强模型可解释性,本文以新疆伊犁河流域为研究区,选取8个影响滑坡发生的危险性因子,在反向传播神经网络(BPNN)基础上,借鉴博弈论思想,构建一种可解释BP神经网络模型(BPNNSHAP),解决神经网络滑坡... 展开更多; 关键词滑坡危险性评价 BP神经网络 5折交叉验证可解释性伊犁河流域; 在线阅读下载PDF 职称材料

电站锅炉热效率与NOx排放响应特性建模方法被引量：26: 3; 作者赵欢王培红陆璐《中国电机工程学报》 EI CSCD 北大核心 2008年第32期96-100,共5页; 为了解决电站锅炉高效低污染的优化决策问题,建立了基于核主元分析支持向量回归机(kernel principle component analysis ε-support vector regression,KPCA-ε-SVR)与机理模型混合的锅炉热效率和NOx排放特性响应模型。在建模的过程中... 展开更多; 关键词高效低污染燃烧优化核主元分析支持向量回归机 5-fold交叉验证; 在线阅读下载PDF 职称材料

基于多输出支持向量回归机的有限元模型修正被引量：12: 4; 作者滕军朱焰煌 +1 位作者卢云军卢伟《振动与冲击》 EI CSCD 北大核心 2010年第3期9-12,47,共5页; 为了克服神经网络以及单输出支持向量回归算法在有限元模型修正中的不足,提出了基于多输出支持向量回归算法的有限元模型修正方法。根据5-折交叉验证法选择支持向量回归机的参数,用均匀试验设计法构造样本,联合结构的动力和静力响应数... 展开更多; 关键词模型修正支持向量机多输出回归均匀试验设计 5-折交叉验证; 在线阅读下载PDF 职称材料

一种基于卷积神经网络的恒星光谱快速分类法被引量：3: 5; 作者王楠楠邱波 +3 位作者马杰石超君宋涛郭平《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2019年第10期3297-3301,共5页; 恒星光谱数据的分类是天体光谱自动识别的最基本任务之一,光谱分类的研究能够为恒星的演化提供线索。随着科技的发展,天文数据也向大数据时代迈进,需要处理的恒星光谱数量越来越多,如何对其进行自动而精准地分类成为了天文学家要解决的... 展开更多; 关键词恒星光谱数据自动分类 CNN 5折交叉验证; 在线阅读下载PDF 职称材料

基于集成学习强化BPNN的掘进工作面温度预测模型: 6; 作者马恒张世龙高科《工矿自动化》 2025年第8期88-94,158,共8页; 针对现有掘进工作面温度预测方法存在预测模型泛化性不强、鲁棒性较差,且对非线性多维数据的预测能力有限的问题,提出了一种基于集成学习强化反向传播神经网络(BPNN)的掘进工作面温度预测模型,即t−SNE−BPNN−AdaBoost。首先采用t−分布随... 展开更多; 关键词掘进工作面温度预测 t−分布随机邻域嵌入 BP神经网络 t−SNE 自适应推进算法 AdaBoost集成学习 5折交叉验证; 在线阅读下载PDF 职称材料

题名5米S-SAR卫星SAR数据辐射性能评估: 1; 作者姚玉林韩启金王爱春闫丽丽张明霞; 机构中国资源卫星应用中心; 出处《航天器工程》北大核心 2025年第3期111-118,共8页; 文摘对2颗5米S频段合成孔径雷达(S-SAR)卫星SAR数据辐射性能进行评估。首先,基于回波和内定标数据评估噪声等效后向散射系数;然后,基于分布目标SAR数据评估相对辐射精度和辐射分辨率;最后,基于点目标SAR数据评估旁瓣比和空间分辨率等,同时提出了利用点目标对2颗卫星进行交叉辐射验证的方法。验证结果表明:5米S-SAR卫星的SAR数据辐射性能优于设计指标,条带模式噪声等效后向散射系数优于-20 dB(波束中心),相对辐射精度在1景内优于1.5 dB,辐射分辨率不大于4.3 dB(主极化,波束中心),峰值旁瓣比优于-20 dB,积分旁瓣比均优于-13 dB;空间分辨率优于5 m。01卫星和02卫星的相对辐射精度、辐射分辨率、旁瓣比和空间分辨率等指标基本相当,02卫星的噪声等效后向散射系数优于01卫星。2颗卫星的辐射精度差异在0.29~1.33 dB,满足5米S-SAR卫星绝对辐射精度优于2 dB的要求,表明基于点目标交叉辐射验证的方法有效。; 关键词 5米S频段合成孔径雷达卫星合成孔径雷达数据辐射性能噪声等效后向散射系数交叉辐射验证; Keywords 5m S-SAR satellite SAR data radiometric performance noise equivalent sigma zero cross radiometric validation; 分类号 P237 [天文地球—摄影测量与遥感]; 在线阅读下载PDF 职称材料

题名基于BPNN-SHAP模型的滑坡危险性评价:以伊犁河流域为例: 2; 作者戴勇孟庆凯陈世泷李威杨立强; 机构青海大学土木水利学院山地自然灾害与工程安全全国重点实验室成都理工大学地球物理学院成都理工大学地球与行星科学学院成都理工大学核技术与自动化工程学院; 出处《沉积与特提斯地质》 CAS CSCD 北大核心 2024年第3期534-546,共13页; 基金第三次新疆综合科学考察(2022xjkk0600) 国家自然科学基金(42371091) 中国科学院特别资助项目。; 文摘为进一步提高滑坡危险性预测模型精度、增强模型可解释性,本文以新疆伊犁河流域为研究区,选取8个影响滑坡发生的危险性因子,在反向传播神经网络(BPNN)基础上,借鉴博弈论思想,构建一种可解释BP神经网络模型(BPNNSHAP),解决神经网络滑坡危险性评价的“黑箱”问题。将数据集分为70%训练集和30%测试集,采用5折交叉验证提高模型稳定性,对比深度神经网络(DNN)、随机森林(RF)和逻辑回归(LR)3个模型的评价精度,并探讨BPNNSHAP预测结果的可解释性,完成区域滑坡危险性评价。研究结果表明:相较于其他模型,BPNN-SHAP模型的5个精度评价指标均为最高,分别是:准确率(A)=0.904、精准度(P)=0.911、召回率(R)=0.919、F1分数(F1_(Score))=0.915、曲线下面积(SAUC)=0.901;研究区滑坡极高、高危险区分别占比11.96%、15.53%,其中新源县和巩留县极高、高危险区占比最高,分别为51.1%、45.6%;滑坡主控因子为高程、坡度、降雨量和峰值地面加速度(PGA),定量揭示高程在1500~2000 m、坡度大于14°、年降雨量在260~310 mm、PGA大于0.23 g的区域对滑坡发生起促进作用,表明该区域滑坡可能为高程和坡度主控的降雨型、地震型滑坡。本研究方法可为滑坡危险性评价提供新的技术参考,为伊犁河流域防灾减灾韧性建设提供理论支撑。; 关键词滑坡危险性评价 BP神经网络 5折交叉验证可解释性伊犁河流域; Keywords landslide hazard assessment BP neural network 5-fold cross-validation interpretability Yili River Basin; 分类号 P642.22 [天文地球—工程地质学]; 在线阅读下载PDF 职称材料

题名电站锅炉热效率与NOx排放响应特性建模方法被引量：26: 3; 作者赵欢王培红陆璐; 机构东南大学能源与环境学院徐州空军学院航空四站系; 出处《中国电机工程学报》 EI CSCD 北大核心 2008年第32期96-100,共5页; 基金国家自然科学基金项目(50370611) 高等等学校博士学科点专项科研基金(20060286033)~~; 文摘为了解决电站锅炉高效低污染的优化决策问题,建立了基于核主元分析支持向量回归机(kernel principle component analysis ε-support vector regression,KPCA-ε-SVR)与机理模型混合的锅炉热效率和NOx排放特性响应模型。在建模的过程中,针对模型输入变量之间存在非线性、强耦合等特点,采用核主元分析提取输入变量的主元,去除变量之间的相关性;同时采用5-fold交叉验证方法,循环搜索寻优模型的各个参数,确定输入主元个数。该模型与BP神经网络(back propagation neural-networks,BPNN)和支持向量机模型相比较具有良好的泛化能力。; 关键词高效低污染燃烧优化核主元分析支持向量回归机 5-fold交叉验证; Keywords high efficiency and low emission combustion optimization kernel principle component analysis support vector regression 5-fold cross validation method; 分类号 TK31 [动力工程及工程热物理—热能工程]; 在线阅读下载PDF 职称材料

题名基于多输出支持向量回归机的有限元模型修正被引量：12: 4; 作者滕军朱焰煌卢云军卢伟; 机构哈尔滨工业大学深圳研究生院; 出处《振动与冲击》 EI CSCD 北大核心 2010年第3期9-12,47,共5页; 基金国家自然科学基金资助项目(50678052); 文摘为了克服神经网络以及单输出支持向量回归算法在有限元模型修正中的不足,提出了基于多输出支持向量回归算法的有限元模型修正方法。根据5-折交叉验证法选择支持向量回归机的参数,用均匀试验设计法构造样本,联合结构的动力和静力响应数据作为输入,多个设计参数作为输出,以支持向量回归机逼近输入输出二者之间的非线性映射关系,然后利用支持向量回归机的泛化推广能力,求解设计参数的目标值。空间网格结构数值模型的分析结果表明,该方法能同时修正多个设计参数,在少量样本的情况下具有较高的修正精度,为有限元模型修正提供了一种新的探索。; 关键词模型修正支持向量机多输出回归均匀试验设计 5-折交叉验证; Keywords model updating support vector machine multiple-outputs regression uniform design 5-fold cross validation; 分类号 TP18 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名一种基于卷积神经网络的恒星光谱快速分类法被引量：3: 5; 作者王楠楠邱波马杰石超君宋涛郭平; 机构河北工业大学电子信息工程学院北京师范大学系统科学学院; 出处《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2019年第10期3297-3301,共5页; 基金国家自然科学基金委员会-中国科学院天文联合基金项目(U1531242) 河北省科技支撑计划(15212105D) 天津市企业科技特派员项目(18JCTPJC54300)资助; 文摘恒星光谱数据的分类是天体光谱自动识别的最基本任务之一,光谱分类的研究能够为恒星的演化提供线索。随着科技的发展,天文数据也向大数据时代迈进,需要处理的恒星光谱数量越来越多,如何对其进行自动而精准地分类成为了天文学家要解决的难题之一。当前恒星光谱自动分类问题的解决方法相对较少,为此本文使用了一种基于卷积神经网络的方法对恒星光谱MK系统进行分类。该网络由数据输入层、四个卷积层、四个池化层、全连接层、输出层构成,与传统网络相比具有局部感知、参数共享等优点实验。在Python3.5的环境下编程,利用Tensorflow构建了一个简单高效的具有四个卷积层的卷积神经网络,并将Dropout作用于全连接层之后以防止过度拟合。Dropout的基本思想:当网络模型进行训练时,把一些神经网络节点按一定的比例丢弃,使其暂时不发挥作用。Dropout可以理解成是一种十分高效的神经网络模型平均方法,由于它不依赖于某些局部特征所以能够让网络模型更加鲁棒。实验中使用的一维恒星光谱图是取自LAMOSTDR3数据库,首先进行预处理截取光谱3600~7300的部分,均匀采样后使用min-max标准化法对其进行初始化。实验包括两部分:第一部分为依据恒星光谱MK系统对光谱进行分类,每一类的训练样本包含1000条光谱数据,测试样本为400条光谱数据,首先通过训练样本对CNN网络进行训练,进行3000次的迭代,用训练后的网络将测试样本进行分类以验证网络的准确性;第二部分为相邻两类的恒星光谱的分类,其中O型星数据集样本为250条光谱,其余类别恒星样本数据集均为4000条光谱,将数据5等分,每次选取当中的一份当作测试集,其余部分当作训练集,采用5折交叉验证法求得模型准确率,用BP神经网络进行对比实验。选择对网络模型进行评估的指标包括精确率P、召回率R、F-score、准确率A。实验结果显示CNN在对六类恒星光谱进行分类时其准确率都在95%以上,在对相邻类别的恒星进行分类时,由于O型星样本量较少,所以得到的分类结果不太理想,对其余类别的恒星分类准确率都高于98%,以上结果都证明了CNN算法能够很好地解决恒星光谱的分类问题。; 关键词恒星光谱数据自动分类 CNN 5折交叉验证; Keywords Stellar spectral data Automatic classification CNN 5-Cross-validation; 分类号 P157.2 [天文地球—天文学]; 在线阅读下载PDF 职称材料

题名基于集成学习强化BPNN的掘进工作面温度预测模型: 6; 作者马恒张世龙高科; 机构辽宁工程技术大学安全科学与工程学院; 出处《工矿自动化》 2025年第8期88-94,158,共8页; 基金国家自然科学基金项目(52074148)。; 文摘针对现有掘进工作面温度预测方法存在预测模型泛化性不强、鲁棒性较差,且对非线性多维数据的预测能力有限的问题,提出了一种基于集成学习强化反向传播神经网络(BPNN)的掘进工作面温度预测模型,即t−SNE−BPNN−AdaBoost。首先采用t−分布随机邻域嵌入(t−SNE)非线性降维技术,将通风机前风量、温度、相对湿度等7项高维特征降至3维,保留数据局部结构并去除噪声。然后将降维数据输入BPNN作为基分类器,经迭代训练得到初步模型。最后通过自适应推进算法(AdaBoost)集成学习,迭代训练多个BPNN弱分类器并加权组合为强分类器,增强模型泛化能力。将60组掘进工作面实测数据按8∶2划分为训练集与测试集,经5折交叉验证确定AdaBoost最优弱学习器数量为30。实验结果表明:①t−SNE−BPNN−AdaBoost预测曲线和真实值贴合度最优,整体误差小,在温度突变区段适应力强,稳定性远超SVM,BPNN和t−SNE−BPNN。②t−SNE−BPNN−AdaBoost的预测相对误差最小,几乎在5%以内,表现出最优的预测精度。③在测试集上,t−SNE−BPNN−AdaBoost的决定系数为0.9784,较SVM,BPNN,t−SNE−BPNN分别提高了60.3%,17.2%,8.1%;平均绝对误差为0.1676,均方误差为0.0567,平均绝对百分比误差为0.9640,指标均显著优于SVM,BPNN和t−SNE−BPNN,在温度突变区段适应性更强。; 关键词掘进工作面温度预测 t−分布随机邻域嵌入 BP神经网络 t−SNE 自适应推进算法 AdaBoost集成学习 5折交叉验证; Keywords tunneling face temperature prediction t-Distributed Stochastic Neighbor Embedding BP neural network t-SNE Adaptive Boosting AdaBoost ensemble learning 5-fold cross-validation; 分类号 TD727 [矿业工程]; 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	5米S-SAR卫星SAR数据辐射性能评估	姚玉林韩启金王爱春闫丽丽张明霞	《航天器工程》北大核心	2025	0	在线阅读下载PDF 职称材料
2	基于BPNN-SHAP模型的滑坡危险性评价:以伊犁河流域为例	戴勇孟庆凯陈世泷李威杨立强	《沉积与特提斯地质》 CAS CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
3	电站锅炉热效率与NOx排放响应特性建模方法	赵欢王培红陆璐	《中国电机工程学报》 EI CSCD 北大核心	2008	26	在线阅读下载PDF 职称材料
4	基于多输出支持向量回归机的有限元模型修正	滕军朱焰煌卢云军卢伟	《振动与冲击》 EI CSCD 北大核心	2010	12	在线阅读下载PDF 职称材料
5	一种基于卷积神经网络的恒星光谱快速分类法	王楠楠邱波马杰石超君宋涛郭平	《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心	2019	3	在线阅读下载PDF 职称材料
6	基于集成学习强化BPNN的掘进工作面温度预测模型	马恒张世龙高科	《工矿自动化》	2025		在线阅读下载PDF 职称材料