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348,871篇文章
< 1 2 … 250 >
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：
基于树结构Parzen估计器优化后两层Stacking模型的岩石脆性指数预测
1
作者 王芷含 温韬 《中国石油勘探》 北大核心 2025年第2期115-132,共18页
目前岩石脆性指数的评价方法众多,主要基于矿物组分或岩石力学性质开展评价,但多数评价指标获取费用高昂、耗时长。采用机器学习的手段,提出一种基于Stacking集成学习思想的岩石脆性指数预测方法,并行训练梯度提升决策树模型(GBDT)、随... 目前岩石脆性指数的评价方法众多,主要基于矿物组分或岩石力学性质开展评价,但多数评价指标获取费用高昂、耗时长。采用机器学习的手段,提出一种基于Stacking集成学习思想的岩石脆性指数预测方法,并行训练梯度提升决策树模型(GBDT)、随机森林模型(RF)、朴素决策树模型(DT)、支持向量回归模型(SVR)以及LightGBM模型等,并加以树结构Parzen估计器对各模型进行超参数调优后,串行使用XGBoost模型对基模型训练结果进行融合,从而实现各参数的快速寻优和岩石脆性指数的预测。结果表明,基于树结构Parzen估计器优化后的两层Stacking模型预测结果与使用的基模型预测结果相比具有明显优势,其可释方差得分(EVS)最高达到0.97,决定系数(R2)最高达到0.967,在同样的数据集表现中,该模型平均绝对误差(MAE)和均方根误差(RMSE)均最小,表明该模型能够在有监督学习的技术背景下较好地拟合岩石脆性指数的变化规律,验证了其在预测岩石脆性指数方面具有一定的实用价值。 展开更多
关键词 岩石脆性指数 stacking模型 集成学习 树结构Parzen估计器
在线阅读 下载PDF
基于Stacking模型的学术论文多标签分类系统构建
2
作者 刘爱琴 郭少鹏 《国家图书馆学刊》 CSSCI 北大核心 2024年第2期96-104,共9页
学术论文高质量多标签自动分类是推动学术研究发展的关键程序之一。本研究利用Stacking模型将随机森林、支持向量机、极限树、极端梯度提升和神经网络五个分类器融合为一个异质集成分类器,并利用基于问题转换思想的多二分类模型将该分... 学术论文高质量多标签自动分类是推动学术研究发展的关键程序之一。本研究利用Stacking模型将随机森林、支持向量机、极限树、极端梯度提升和神经网络五个分类器融合为一个异质集成分类器,并利用基于问题转换思想的多二分类模型将该分类器应用于学术论文多标签分类。根据学术论文的特点,依次实现了与之配套的论文特征提取模块、TF-IDF加权模块、数据预处理模块,最终构建成一个面向学术论文的多标签分类系统。仿真实验验证了本研究构建的学术论文多标签分类系统在处理学术论文多标签分类问题时,较传统的单模型分类器或同质集成模型分类器在泛化能力、稳定性与准确率方面都有一定程度的提升。图9。参考文献21。 展开更多
关键词 论文分类 stacking模型 多标签分类 多二分类模型
在线阅读 下载PDF
基于Stacking模型融合策略的日本俯冲带板缘地震动预测 被引量：2
3
作者 党浩天 王自法 +4 位作者 赵登科 位栋梁 王祥琪 WANG Jianming 李兆焱 《世界地震工程》 北大核心 2024年第1期80-95,共16页
高精度的地震动预测模型有助于提高地震灾害的预警和应对能力。传统回归方法构建地震动预测模型时提前设定了方程的形式,此种方法存在一定局限性,难以反映地震动传播过程中的复杂规律,因此越来越多的学者尝试应用机器学习方法构建地震... 高精度的地震动预测模型有助于提高地震灾害的预警和应对能力。传统回归方法构建地震动预测模型时提前设定了方程的形式,此种方法存在一定局限性,难以反映地震动传播过程中的复杂规律,因此越来越多的学者尝试应用机器学习方法构建地震动预测模型。但采用单一的机器学习算法,难以从数据中捕捉到更多规律,最终导致模型精度难以提升。本文基于日本KiK-net和K-Net强震台网收集到的俯冲带板缘地震动记录,使用Stacking模型融合策略,以LightGBM、XGBoost和CatBoost算法作为基学习器,线性回归算法作为元学习器,引入客观且高效的贝叶斯优化算法对模型进行超参数优化,最终训练并提出了一种适用于日本俯冲带板缘地震动预测的融合模型Stacking-Interface。对比分析所提出模型、单一机器学习模型和传统模型,发现机器学习模型的精度普遍高于传统模型,且相较于单一的机器学习模型,融合模型的预测能力有一定的提升;通过与实际地震动记录的对比和特征参数敏感性分析,验证了所提模型的可靠性和泛化能力。研究方法和结果能够为地震风险分析提供参考。 展开更多
关键词 地震动预测 stacking 俯冲带板缘地震 部分依赖图
在线阅读 下载PDF
多输入Stacking模型融合滚动轴承故障诊断 被引量：4
4
作者 白健 郝润芳 +3 位作者 程永强 闫文恒 徐博仁 郭立旺 《组合机床与自动化加工技术》 北大核心 2024年第5期131-135,140,共6页
针对现有单输入模型抗噪声能力不强、泛化能力不足的问题,提出了一种基于多输入Stacking模型融合的滚动轴承故障诊断方法。该方法对滚动轴承的原始振动信号进行预处理,分别对原始信号进行经验模态分解、变分模态分解和多分辨率分析,将3... 针对现有单输入模型抗噪声能力不强、泛化能力不足的问题,提出了一种基于多输入Stacking模型融合的滚动轴承故障诊断方法。该方法对滚动轴承的原始振动信号进行预处理,分别对原始信号进行经验模态分解、变分模态分解和多分辨率分析,将3种预处理后的信号输入到改进的卷积神经网络和改进的双输入卷积神经网络中进行训练及测试;各模型通过Stacking方法进行融合,以实现滚动轴承各种类型故障的诊断。结果表明,多输入Stacking模型融合方法的诊断性能优于传统的深度学习模型,在信噪比为5 dB的条件下达到了98.9%的诊断准确率。该模型的故障诊断性能稳定,具有很好的鲁棒性和泛化能力。 展开更多
关键词 故障诊断 模型融合 深度学习 滚动轴承
在线阅读 下载PDF
基于Stacking模型融合的深基坑地面沉降预测 被引量：25
5
作者 秦胜伍 张延庆 +4 位作者 张领帅 苗强 程秋实 苏刚 孙镜博 《吉林大学学报（地球科学版）》 CAS CSCD 北大核心 2021年第5期1316-1323,共8页
为了提高机器学习对深基坑地面沉降的预测能力,本文提出了一种基于Stacking集成学习方式的多模型融合的地面沉降预测方法,并以深圳某深基坑为例,采用斯皮尔曼相关性系数对基坑地面沉降的影响因子进行筛选;运用筛选后的8个影响因子建立St... 为了提高机器学习对深基坑地面沉降的预测能力,本文提出了一种基于Stacking集成学习方式的多模型融合的地面沉降预测方法,并以深圳某深基坑为例,采用斯皮尔曼相关性系数对基坑地面沉降的影响因子进行筛选;运用筛选后的8个影响因子建立Stacking深基坑地面沉降预测模型,以验证该方法的适用性。结果表明:Stacking预测模型的平均绝对误差为0.34、平均绝对误差百分比为2.22%,均方根误差为0.13,相较于传统基模型(随机森林、支持向量机和人工神经网络),Stacking预测模型的平均绝对误差、平均绝对误差百分比和均方根误差值皆为最小。 展开更多
关键词 基坑施工 地表沉降 stacking模型融合 影响因子筛选
在线阅读 下载PDF
基于Stacking模型融合的专变用户电费回收风险识别方法 被引量：9
6
作者 潘国兵 龚明波 +4 位作者 贺民 邬程欢 唐小淇 杨吕 欧阳静 《电力自动化设备》 EI CSCD 北大核心 2021年第1期152-158,共7页
针对当前电力公司面临的专变用户电费回收风险,提出一种基于Stacking模型融合的专变用户电费回收风险识别方法。对专变用户数据进行特征处理、特征构造与特征筛选,从样本分布和特征属性上优化模型的泛化性能;利用Stacking模型融合多个... 针对当前电力公司面临的专变用户电费回收风险,提出一种基于Stacking模型融合的专变用户电费回收风险识别方法。对专变用户数据进行特征处理、特征构造与特征筛选,从样本分布和特征属性上优化模型的泛化性能;利用Stacking模型融合多个基学习器,构建专变用户电费回收风险识别模型。实验结果表明,相较于其他常用的分类算法,所提方法具有更优的精确率、召回率、P-R调和均值、AUC值以及模型泛化性能,对专变风险用户的识别率也更高。 展开更多
关键词 专变用户 电费回收 风险识别 stacking模型融合 LGBM
在线阅读 下载PDF
基于XGBoost与Stacking模型融合的短期母线负荷预测 被引量：50
7
作者 刘波 秦川 +3 位作者 鞠平 赵静波 陈彦翔 赵健 《电力自动化设备》 EI CSCD 北大核心 2020年第3期147-153,共7页
母线负荷预测对于电网安全稳定调度具有重要意义,但母线负荷随机波动性较强,其负荷类型因供电区域的差异而不同。为此,提出一种基于极限梯度提升(XGBoost)与Stacking模型融合的短期母线负荷预测方法。基于XGBoost建立多个母线负荷预测... 母线负荷预测对于电网安全稳定调度具有重要意义,但母线负荷随机波动性较强,其负荷类型因供电区域的差异而不同。为此,提出一种基于极限梯度提升(XGBoost)与Stacking模型融合的短期母线负荷预测方法。基于XGBoost建立多个母线负荷预测元模型,组合构成Stacking模型融合的元模型层,连接一个XGBoost模型对元模型进行融合,整体构成综合预测系统,并采用粒子群优化算法优化系统参数。通过对具有不同负荷属性的220 kV母线进行实例分析,验证了所提方法的有效性与适用性。 展开更多
关键词 母线负荷 XGBoost 元模型 stacking模型融合 粒子群优化算法
在线阅读 下载PDF
基于Stacking模型的采空区稳定性预测 被引量：4
8
作者 王牧帆 罗周全 于琦 《黄金科学技术》 CSCD 2020年第6期894-901,共8页
为了预防采空区安全事故的发生,提高采空区稳定性预测的准确性,选取了影响采空区稳定性的11个主要因素作为特征值,建立了以Random Frost、Adaboost、ExtraTrees和LightGBM为初级学习器,Logistic-Regression为次级学习器的Stacking模型,... 为了预防采空区安全事故的发生,提高采空区稳定性预测的准确性,选取了影响采空区稳定性的11个主要因素作为特征值,建立了以Random Frost、Adaboost、ExtraTrees和LightGBM为初级学习器,Logistic-Regression为次级学习器的Stacking模型,对采空区稳定性进行预测。将从实际矿山获取的60组数据拆分成训练集与测试集对Stacking模型进行训练学习,同时对比单模型与Stacking模型的预测结果。使用F1值与AUC值对模型进行评价,Stacking模型F1值为0.967,AUC值为0.97,远高于Random Frost等传统单一机器学习模型。对于未放入模型训练的测试集数据,Stacking模型的预测准确度也优于Random Frost等传统单一机器学习模型。结果表明:Stacking模型相比单模型的机器学习方法能够更加精准有效地预测采空区的稳定性等级。 展开更多
关键词 采空区 机器学习 集成学习 stacking模型 稳定性预测 稳定性等级
在线阅读 下载PDF
基于Stacking模型集成的LSTM网络短期负荷预测研究 被引量：17
9
作者 丁斌 邢志坤 +3 位作者 王帆 袁博 刘涌 孙岩 《中国测试》 CAS 北大核心 2020年第7期40-45,共6页
为解决传统负荷预测方法存在的预测精度偏低的问题,通过分析短期负荷影响因素确定训练集,创建Stacking模型,并结合包括输入门、输出门与遗忘门在内的LSTM网络创建Stacking-LSTM混合模型,通过时间滑动窗口建立影响因素数据特征图,将其作... 为解决传统负荷预测方法存在的预测精度偏低的问题,通过分析短期负荷影响因素确定训练集,创建Stacking模型,并结合包括输入门、输出门与遗忘门在内的LSTM网络创建Stacking-LSTM混合模型,通过时间滑动窗口建立影响因素数据特征图,将其作为Stacking-LSTM混合模型的输入,经数据转换后得到特征类别更强的降维二级特征数据,输入到LSTM网络层实现短期负荷预测。该方法利用Stacking模型的集成作用和LSTM网络的强挖掘能力,增强降维后的数据类别特征,达到提升电力系统负荷动态平衡性的效果。仿真结果表明,该方法的负荷预测结果与实际值非常接近,具有较高的预测精准度。 展开更多
关键词 stacking模型 长短期记忆网络 短期负荷预测 混合模型 特征图
在线阅读 下载PDF
利用Stacking模型融合法识别高温、高压储层流体 被引量：9
10
作者 秦敏 胡向阳 +2 位作者 梁玉楠 袁伟 杨冬 《石油地球物理勘探》 EI CSCD 北大核心 2021年第2期364-371,I0012,I0013,共10页
东方X气田不同流体性质储层的测井响应差异不明显,尤其难以确定不同流体的电阻率下限;利用孔隙度测井曲线识别流体易受物性因素干扰,使不同流体性质的样本数据点存在重叠区域。因此,提出利用Stacking模型融合方法建模,集成了流体识别效... 东方X气田不同流体性质储层的测井响应差异不明显,尤其难以确定不同流体的电阻率下限;利用孔隙度测井曲线识别流体易受物性因素干扰,使不同流体性质的样本数据点存在重叠区域。因此,提出利用Stacking模型融合方法建模,集成了流体识别效果较好的机器学习算法(决策树、支持向量机、随机森林和极端梯度提升),并利用模型融合方法识别高温、高压储层流体,通过10折交叉验证法对各个算法进行迭代优化,使模型达到最优。相比于单一机器学习算法,Stacking模型融合算法能够考虑不同算法的数据观测与训练原理差异,充分发挥各个模型优势。生产测试结论表明,与表现最优的单一模型极端梯度提升树相比,Stacking模型将预测准确率从87.08%提升到92%,具有更强的学习能力,更适用于高温、高压储层流体识别,为测井解释建模提供了新思路。 展开更多
关键词 高温、高压储层 流体识别 机器学习 stacking模型融合
在线阅读 下载PDF
基于Stacking模型的土壤综合肥力评价——以富川瑶族自治县植烟区为例 被引量：5
11
作者 邹天祥 梁志鹏 +5 位作者 龚佳林 周萌 沈文杰 张介棠 范东升 卢燕回 《西南农业学报》 CSCD 北大核心 2023年第7期1438-1446,共9页
【目的】实现耕地土壤综合肥力评价的标准化、快捷化和自动化,指导作物种植布局和土地资源利用。【方法】以富川瑶族自治县植烟区为研究对象,选定广西植烟区1038个样点作为训练数据。在考虑土壤条件、气候环境和地形地貌等因素的基础上... 【目的】实现耕地土壤综合肥力评价的标准化、快捷化和自动化,指导作物种植布局和土地资源利用。【方法】以富川瑶族自治县植烟区为研究对象,选定广西植烟区1038个样点作为训练数据。在考虑土壤条件、气候环境和地形地貌等因素的基础上,选取15种影响因子计算土壤综合肥力指数,采用Stacking算法构建回归预测模型,实现对研究区土壤综合肥力的评价。【结果】基于6种关键因子的Stacking02模型在测试集上性能优秀,平均绝对误差、均方误差和R2决定系数分别为0.0066、0.0084和0.9529。应用Stacking02模型评估研究区综合肥力,结果显示研究区北部综合肥力优于南部,其优质产区占比更高。低综合肥力指数地区土壤pH偏高而全氮速效钾含量偏低。【结论】相较初级学习器,Stacking模型性能提升。采用6种关键因子建立的Stacking02模型具有优异的泛化性能,简化了计算流程并节省算力,该方法可扩展至其它地区及作物的土壤综合肥力评价,从而制定针对性的作物利用方案。 展开更多
关键词 植烟区 机器学习 stacking模型 肥力评价
在线阅读 下载PDF
基于改进BS-Stacking模型的个人信用风险评估方法研究 被引量：1
12
作者 顾清华 宋思远 +1 位作者 张新生 暴子旗 《运筹与管理》 CSSCI CSCD 北大核心 2023年第8期137-144,共8页
在个人信用违约风险与日俱增的背景下,为了使企业准确识别个人信用风险,本文提出了基于改进BS-Stacking模型的个人信用风险评估方法。针对个人信用风险数据的特点,首先对数据使用改进后的Borderline SMOTE-2算法进行过采样处理,然后使... 在个人信用违约风险与日俱增的背景下,为了使企业准确识别个人信用风险,本文提出了基于改进BS-Stacking模型的个人信用风险评估方法。针对个人信用风险数据的特点,首先对数据使用改进后的Borderline SMOTE-2算法进行过采样处理,然后使用网格搜索算法对分类器进行参数寻优,为了寻找模型的最优组合,使用逻辑回归对基模型进行贡献度分析,从而确定Stacking模型。实验表明所提出模型与各类集成算法相比,在个人信用风险评估违约样本的识别率上以及稳定性等各类指标上均有最好表现,验证了模型的有效性。 展开更多
关键词 信用风险评估 分类 Borderline SMOTE-2 堆叠模型
在线阅读 下载PDF
基于Stacking模型集成算法的莲都区南方红豆杉潜在分布区 被引量：4
13
作者 陈涵 张超 余树全 《浙江农林大学学报》 CAS CSCD 北大核心 2019年第3期494-500,共7页
研究使用R软件中的CaretEnsemble和Caret程序包,并基于Stacking方法来实现模型集成,研究南方红豆杉Taxus chinensis var.mairei在浙江省丽水市莲都区的潜在分布区,并比较5种单一模型的模拟结果及其与集成模型的差异。结果表明:单一模型... 研究使用R软件中的CaretEnsemble和Caret程序包,并基于Stacking方法来实现模型集成,研究南方红豆杉Taxus chinensis var.mairei在浙江省丽水市莲都区的潜在分布区,并比较5种单一模型的模拟结果及其与集成模型的差异。结果表明:单一模型中极端梯度上升模型表现最好,其次是随机森林模型、支持向量机模型、朴素贝叶斯模型和分类回归树模型,集成模型模拟结果好于单一模型,其Kappa值达0.80,准确率达0.90。集成模型模拟结果显示:影响南方红豆杉分布的主要环境因子为海拔、归一化植被指数和年平均最少降雨量。南方红豆杉主要适宜生长在浙江省丽水市莲都区的山地丘陵地区,中部盆地及平原地区不适宜南方红豆杉的生长,其在莲都区的潜在分布区面积为5.01万hm^2。构建的集成模型在一定程度上提高了模型精度,使预测效果更优。 展开更多
关键词 森林生态学 物种分布模型 集成学习 stacking算法 南方红豆杉 浙江省丽水市莲都区
在线阅读 下载PDF
基于Stacking模型融合的高性能混凝土强度预测方法 被引量：14
14
作者 胡以婵 梁铭 +5 位作者 谢灿荣 解威威 翁贻令 池浩 彭浩 罗雪霜 《硅酸盐通报》 CAS 北大核心 2023年第11期3914-3926,共13页
针对传统经验公式对高性能混凝土强度预测时存在偏差大、效率低等问题,本文提出一种基于Stacking模型融合的高性能混凝土强度预测方法。首先,通过数据清洗和归一化对1030组高性能混凝土抗压强度试验数据进行预处理,剔除异常数据及消除... 针对传统经验公式对高性能混凝土强度预测时存在偏差大、效率低等问题,本文提出一种基于Stacking模型融合的高性能混凝土强度预测方法。首先,通过数据清洗和归一化对1030组高性能混凝土抗压强度试验数据进行预处理,剔除异常数据及消除数据间量纲影响;其次,基于极端梯度提算法(XGBoost)、类别优先梯度提升算法、多层感知器和随机森林(RF)4种算法开展超参数优化、模型训练和评估,采用决定系数、均方根误差和平均绝对误差对比分析4种基学习器对强度预测的整体效果,在此基础上构建基于Stacking集成学习融合多种机器学习算法的高性能混凝土强度预测模型;最后,采用103组新的高性能数据集对模型进行验证,并开展可解释分析。结果表明:与其他基学习器的组合相比,XGBoost和RF融合模型的预测精度和性能均明显提高,泛化性能较好,且可解释分析显示最重要的输入特征变量是龄期和水泥,说明模型内在的预测逻辑与工程实践的经验较吻合,具有较高的合理性与可靠度。研究结果为进一步提高高性能混凝土强度的预测精度提供参考。 展开更多
关键词 混凝土 强度预测模型 集成学习 stacking算法 XGBoost算法 RF算法
在线阅读 下载PDF
基于RS-Stacking模型的科氏流量计两相流测量研究 被引量：1
15
作者 孙立军 赵子辉 +2 位作者 高静宇 张晶琼 邵欣 《天津大学学报（自然科学与工程技术版）》 EI CAS CSCD 北大核心 2023年第11期1195-1204,共10页
为解决科氏流量计测量气液两相流的问题,本文提出一种新的建模方法对两相流工况下科氏流量计的质量流量测量值进行矫正,并对气相的体积含气率进行预测.对于DN10管径,液相量程0~1000 kg/h的科氏流量计,在质量流量范围为185~920 kg/h、体... 为解决科氏流量计测量气液两相流的问题,本文提出一种新的建模方法对两相流工况下科氏流量计的质量流量测量值进行矫正,并对气相的体积含气率进行预测.对于DN10管径,液相量程0~1000 kg/h的科氏流量计,在质量流量范围为185~920 kg/h、体积含气率范围为0~32.4%的两相流工况下进行了实验,并分析科氏流量计两相流工况下各特征与质量流量和体积含气率的关系.在小数据集下,为实现较高预测精度和泛化能力,利用科氏流量计内部可观测信号设计了Stacking集成模型.由于两相流信号稳定性较差,选用30 s信号进行处理作为模型的输入.使用随机搜索(RS)法进行特征工程,以解决小数据集无法提供足够数量且多样的基模型问题.离线测试中,液相质量流量预测模型相对误差在±2.3%内,体积含气率预测模型所有点绝对误差均在±2%内.在线测试中,采用30 s内预测值平均值与真实值平均值进行误差计算,所有在建模范围内的工况点质量流量预测相对误差在-4.15%~2.70%内,体积含气率预测的绝对误差在±2%内.超出建模范围的4个在线测试点,模型预测表现并未出现明显下降.动态在线测试中,采用约455 s内预测值的平均值与真实值的平均值进行误差计算,质量流量预测误差为1.3%,体积含气率预测误差为-1.2%,证明本模型对液相质量流量和体积含气率大幅波动的情况可以进行一定程度的跟随预测. 展开更多
关键词 科氏流量计 气液两相流测量 数据驱动建模 stacking集成模型 随机搜索法
在线阅读 下载PDF
基于改进Stacking多模型融合的高速公路隧道建设碳排放预测模型
16
作者 吴佳润 林宇亮 +1 位作者 邢浩 宁曦 《湖南大学学报(自然科学版)》 北大核心 2025年第5期57-65,共9页
隧道工程作为交通基础设施的重要组成部分,其建设过程中的碳排放问题日益受到关注.构建合理的隧道建设碳排放预测模型为控制隧道工程碳排放量、实现隧道减碳设计提供重要的科学依据.据此,以勐绿高速公路隧道工程建设为依托,考虑围岩级... 隧道工程作为交通基础设施的重要组成部分,其建设过程中的碳排放问题日益受到关注.构建合理的隧道建设碳排放预测模型为控制隧道工程碳排放量、实现隧道减碳设计提供重要的科学依据.据此,以勐绿高速公路隧道工程建设为依托,考虑围岩级别、隧道总长度等12个特征参数,建立了120个隧道不同衬砌设计每延米隧道建设碳排放样本.在传统Stacking算法的基础上,提出了一种改进Stacking多模型融合的隧道建设碳排放预测方法.通过残差赋权方式组合基学习器交叉验证得到的各训练模型,降低了对噪声的敏感性.并以原始训练集和组合基学习器的预测结果作为元学习器输入,保留了原始数据集的信息.研究结果表明,改进Stacking算法预测碳排放量与实际碳排放量的均方根误差(E_(RMSE))、平均绝对误差(E_(MAE))以及决定系数(R^(2))不仅优于3种单一基学习器,也优于传统Stacking算法.因此,推荐将改进Stacking算法用于隧道建设碳排放预测. 展开更多
关键词 隧道建设 碳排放 单一基学习器 stacking模型融合 预测模型
在线阅读 下载PDF
基于stacking融合机制的自动驾驶伦理决策模型 被引量：1
17
作者 刘国满 盛敬 罗玉峰 《计算机应用研究》 北大核心 2025年第2期462-468,共7页
虽然自动驾驶技术在线路规划和驾驶控制方面取得较大进展,但遇到伦理困境时,当前自动驾驶汽车仍然很难作出确定、合理的决策,导致人们对自动驾驶汽车安全驾驶产生怀疑和担忧。所以有必要研究自动驾驶伦理决策模型和机制,使得自动驾驶汽... 虽然自动驾驶技术在线路规划和驾驶控制方面取得较大进展,但遇到伦理困境时,当前自动驾驶汽车仍然很难作出确定、合理的决策,导致人们对自动驾驶汽车安全驾驶产生怀疑和担忧。所以有必要研究自动驾驶伦理决策模型和机制,使得自动驾驶汽车在伦理困境下能够作出合理决策。针对以上问题,设计了基于stacking融合机制的伦理决策模型,对机器学习和深度学习进行深度融合。一方面将基于特征依赖关系的朴素贝叶斯模型(ACNB)、加权平均一阶贝叶斯模型(WADOE)和自适应模糊模型(AFD)作为stacking融合机制上基学习器。依据先前准确率,设定各自模型权重,再运用加权平均法,计算决策结果。然后将该决策结果作为元学习器训练集,对元学习器进行训练,构建stacking融合模型。最后,运用验证集分别对深度学习模型和stacking融合模型进行验证,依据验证中平均损失率和准确率以及测试中正确率,评价和比较深度学习模型和stacking融合机制决策效果。结果表明,深度学习模型平均损失率最小为0.64,最大平均准确率为0.7,最高正确率为0.61。stacking融合机制平均损失率最小为0.35,最大平均准确率为0.90,最高正确率为0.75,说明stacking融合机制相对于深度学习模型,决策结果准确率和正确率方面有了较大改进。 展开更多
关键词 自动驾驶汽车 伦理决策 stacking融合机制 深度学习
在线阅读 下载PDF
基于IHHO-Stacking集成模型的车辆驾驶性评估
18
作者 莫易敏 王相 +2 位作者 王哲 蒋华梁 李琼 《汽车技术》 北大核心 2025年第3期39-45,共7页
为解决车辆驾驶性主观评价一致性差及客观评价无法反映主观感受的问题,提出了一种基于堆叠(Stacking)集成学习方法的评价模型,首先研究了车辆加速工况特性,定义了工况驾驶性客观评价指标,使用评价指标作为输入特征训练Stacking集成模型... 为解决车辆驾驶性主观评价一致性差及客观评价无法反映主观感受的问题,提出了一种基于堆叠(Stacking)集成学习方法的评价模型,首先研究了车辆加速工况特性,定义了工况驾驶性客观评价指标,使用评价指标作为输入特征训练Stacking集成模型,并且使用改进的哈里斯鹰优化(IHHO)算法优化了Stacking集成模型,提高了预测性能。最后通过道路试验表明,IHHO-Stacking集成模型的性能均优于单个机器学习模型,IHHO-Stacking集成模型预测合格率达95%,能够更有效完成驾驶性评价。 展开更多
关键词 驾驶性 主观评价 改进的哈里斯鹰算法 stacking 集成模型 客观评价
在线阅读 下载PDF
基于Stacking多模型融合的颗粒饲料质量预测方法
19
作者 吴俊华 王粮局 +4 位作者 徐际童 邹方磊 王威 郭绍永 王红英 《农业工程学报》 北大核心 2025年第15期318-326,共9页
针对颗粒饲料产品质量受饲料配方、工艺参数、设备参数以及环境参数等多重因素影响,导致颗粒饲料质量管控困难的问题,该研究提出一种基于Stacking多模型融合的颗粒饲料质量预测方法。以实际生产线上采集的数据为基础,采用随机森林算法... 针对颗粒饲料产品质量受饲料配方、工艺参数、设备参数以及环境参数等多重因素影响,导致颗粒饲料质量管控困难的问题,该研究提出一种基于Stacking多模型融合的颗粒饲料质量预测方法。以实际生产线上采集的数据为基础,采用随机森林算法和最大互信息系数进行特征筛选,构建融合多个机器学习算法的Stacking预测模型。结果表明,Stacking多模型融合算法优于单一机器学习算法,预测的颗粒硬度、颗粒耐久性指数(pellet durability index,PDI)及生产率在测试集上的均方根误差分别是2.932 N、4.830%、0.465 t/h,较各自的最优单一模型分别降低了8.26%、5.48%和10.20%;进一步采用随机森林算法量化特征贡献度发现,颗粒硬度和PDI主要受饲料配方因素主导,累计贡献率分别为87.01%和88.94%;生产率主要由喂料频率决定,贡献率为42.94%。该研究为颗粒饲料质量的精准管控提供了一种新的技术方法,为提高饲料生产设备智能化水平、精细化技术水平提供了一定的理论依据。 展开更多
关键词 饲料 预测模型 特征选择 stacking多模型融合 颗粒质量
在线阅读 下载PDF
应用Stacking集成学习模型短期预测临夏州马铃薯产量
20
作者 任彩玉 郭小燕 +2 位作者 刘立群 涂丽珍 冯浩 《东北农业大学学报》 北大核心 2025年第2期156-167,共12页
为及时、准确地预测我国甘肃省临夏州马铃薯产量,选用HP滤波、二次指数平滑和三次指数平滑法,将2007-2022年临夏州5个县级区域马铃薯趋势产量从实际产量中分离出来,仅将气象产量作为目标变量。选用马铃薯生育期内关键气象特征因素(W):... 为及时、准确地预测我国甘肃省临夏州马铃薯产量,选用HP滤波、二次指数平滑和三次指数平滑法,将2007-2022年临夏州5个县级区域马铃薯趋势产量从实际产量中分离出来,仅将气象产量作为目标变量。选用马铃薯生育期内关键气象特征因素(W):每月的最高气温、最低温度、平均气温、露点温度、平均潜在蒸发率、降水量、太阳辐射、土壤1[地表为0cm,土层深度(h),0<h≤7cm]的中层温度、土壤2(地表为0cm,7cm<h≤28cm)的含水率,高温时间(H)和低温时间(L),将包含W、W+H、W+H+L,3种组合形式的特征因素输入模型,采用主成分分析法对特征因素进行数据降维,确立最佳输入特征因素组合。采用3种机器学习模型(随机森林、极限梯度提升、多层感知机)作为基模型,建立Stacking集成学习模型,在生长季内不同月份对马铃薯气象产量进行短期预测,并叠加趋势产量预测实际产量。结果表明:趋势分离方法中HP滤波法最优,最佳输入特征因素组合为W+H;Stacking集成学习模型具有较高的准确性(R2为0.802,RMSE为0.419),可在马铃薯成熟前4个月实现对马铃薯产量的短期预测,其中,广河县实际产量的短期预测效果最佳、永靖县效果最差。 展开更多
关键词 马铃薯 产量预测 stacking集成学习 气象因素 趋势分离
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 … 250 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