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183篇文章
< 1 2 … 10 >
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Stacking集成学习算法的电力营销稽查异常数据识别
1
作者 雷大洋 阮坤 《消费电子》 2025年第10期35-37,共3页
针对电力营销稽查异常数据常通过预设一系列规则来自动筛选异常数据,但规则的制定往往过于简单和僵化,导致识别精度较低。为了解决上述问题,本研究提出基于Stacking集成学习算法的电力营销稽查异常数据识别方法。为确保数据的精确性和... 针对电力营销稽查异常数据常通过预设一系列规则来自动筛选异常数据,但规则的制定往往过于简单和僵化,导致识别精度较低。为了解决上述问题,本研究提出基于Stacking集成学习算法的电力营销稽查异常数据识别方法。为确保数据的精确性和完整性,先对电力营销稽查数据进行相应处理,然后对处理完成的电力营销稽查数据进行异常数据的关联挖掘,识别关键特征。接着,结合特征采用Stacking集成学习算法,深度融合多个复杂机器学习模型的预测结果,实现对电力营销稽查异常数据的识别。实验结果显示,随着采样点增加,该方法识别精度持续提高并保持高水平,远高于其他三种方法,能有效减少误报漏报,是一种高效可靠的电力营销稽查异常数据识别方法。 展开更多
关键词 stacking集成学习算法 电力营销 稽查异常数据 数据识别 稽查数据
在线阅读 下载PDF
基于Stacking算法集成学习的页岩油储层总有机碳含量评价方法 被引量：1
2
作者 宋延杰 刘英杰 +1 位作者 唐晓敏 张兆谦 《测井技术》 CAS 2024年第2期163-178,共16页
总有机碳含量(TOC)是页岩油储层评价的重要参数,而传统总有机碳含量测井评价方法精度较低且普适性较差,机器学习模型在一定程度上提高了总有机碳含量预测精度,但结果存在不稳定性。为了进一步提高页岩油储层总有机碳含量预测精度,基于... 总有机碳含量(TOC)是页岩油储层评价的重要参数,而传统总有机碳含量测井评价方法精度较低且普适性较差,机器学习模型在一定程度上提高了总有机碳含量预测精度,但结果存在不稳定性。为了进一步提高页岩油储层总有机碳含量预测精度,基于有机质岩石物理特征和不同总有机碳含量测井响应特征的深入分析,优选出深侧向电阻率、声波时差、补偿中子和密度测井曲线作为总有机碳含量的敏感测井响应,并将其作为输入特征,以岩心分析总有机碳含量作为期望输出值,分别建立了决策树模型、支持向量回归机模型、BP(Back Propagation)神经网络模型,并建立了以决策树模型为基模型、支持向量回归机模型为元模型的Stacking算法集成学习模型。利用B油田A区块的岩心样本数据和实际井数据对不同模型预测总有机碳含量结果进行了验证,结果表明,基于Stacking算法的集成学习模型的总有机碳含量预测精度最高,相较于决策树模型、支持向量回归机模型、BP神经网络模型和改进的ΔlgR法,预测精度有较大提高。因此,基于Stacking算法的集成学习模型为该研究区最有效的总有机碳含量计算方法,这为准确地评估页岩油储层的生烃潜力、确保页岩油储层的高效开采及资源利用奠定了基础。 展开更多
关键词 页岩油储层评价 总有机碳含量 决策树 支持向量回归机 stacking算法 集成学习
在线阅读 下载PDF
基于特征过滤法和Stacking集成学习的无人机影像作物精细分类
3
作者 刘朝辉 杨风暴 张琳 《现代电子技术》 北大核心 2025年第7期1-10,共10页
针对目前多种典型作物分类中特征冗余导致同科作物混淆、分类精度低的问题,文中提出一种结合特征过滤法筛选特征和Stacking集成学习的作物精细分类方法。首先,结合敏感波段构造新型植被指数并进行阈值分割,实现作物区域提取;然后,提取... 针对目前多种典型作物分类中特征冗余导致同科作物混淆、分类精度低的问题,文中提出一种结合特征过滤法筛选特征和Stacking集成学习的作物精细分类方法。首先,结合敏感波段构造新型植被指数并进行阈值分割,实现作物区域提取;然后,提取不同作物的颜色和纹理特征,进而计算单类作物特征系数和作物间特征差异系数,实现各典型作物的分类特征过滤法优选;最后,构建融合多种机器学习算法的Stacking集成学习作物分类模型,其中第一层的基学习器选择随机森林、支持向量机、K⁃最近邻算法,第二层的元学习器选择逻辑回归模型,实现多种典型作物精细分类。实验结果表明,所提方法对7种典型作物的总体分类精度和Kappa系数分别为85.2%和83.34%,相比于未进行特征选择的分类结果分别提升了2.18%和3.68%,具有较高的分类精度,为多种典型作物的精细分类提供了新方法。 展开更多
关键词 作物分类 特征选择 stacking集成学习 植被指数 阈值分割 衍生特征
在线阅读 下载PDF
激光诱导击穿光谱技术结合Stacking集成算法模型快速预测废钢中9种元素的含量
4
作者 刘艳丽 安治国 +3 位作者 刘洁 石玉龙 黄晓红 宋超 《理化检验(化学分册)》 北大核心 2025年第4期412-418,共7页
基于激光诱导击穿光谱技术,结合Stacking集成算法模型,建立了废钢中铬、镍、铜、硅、锰、钒、碳、钛、铝等9种元素的定量分析模型。采用便携激光诱导击穿光谱仪对12个合金钢标准样品进行采集,对光谱数据进行剔除误差、平均、基线校正后... 基于激光诱导击穿光谱技术,结合Stacking集成算法模型,建立了废钢中铬、镍、铜、硅、锰、钒、碳、钛、铝等9种元素的定量分析模型。采用便携激光诱导击穿光谱仪对12个合金钢标准样品进行采集,对光谱数据进行剔除误差、平均、基线校正后,基于美国国家标准与技术研究院谱线数据库筛选出各元素和基体元素(铁元素)的谱线,利用相关性程度对各元素谱线和归一化线进行最优化匹配,得到各元素的最优归一化谱线对。以最优谱线对归一化后的谱线数据作为各元素模型的输入,将Lasso、岭回归和二次线性回归模型的输出合并,作为次学习器的输入,将元素认定值作为次学习器的输出,次学习器选用线性回归模型进行训练建模,最终得到各元素的Stacking集成算法模型。结果显示:9种元素模型的相关决定系数为0.985 6~0.999 7,均方根误差为0.008 1~0.046 8,平均绝对误差为0.006 0~0.034 5;元素测定值的相对标准偏差(n=5)均小于7.0%;模型用于预测合金钢标准样品,测定值与认定值相对误差的绝对值小于10%。 展开更多
关键词 激光诱导击穿光谱 stacking集成算法 定量分析模型 废钢 元素
在线阅读 下载PDF
基于IHHO-Stacking集成模型的车辆驾驶性评估
5
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集成算法的抛石护岸水毁破坏预测研究 被引量：1
6
作者 王浩 晏田田 +3 位作者 郭剑波 张金涛 马利群 安杰 《水电能源科学》 北大核心 2024年第1期185-188,共4页
抛石护岸在顶冲等极端情况下易发生水毁破坏,给人民的生命财产带来威胁。通过水槽试验获取496组样本数据,利用互信息(MI)筛选出6个关键特征属性,并采用支持向量机(SVR)、广义回归神经网络(GRNN)和随机森林(RF)等机器学习算法构建多个预... 抛石护岸在顶冲等极端情况下易发生水毁破坏,给人民的生命财产带来威胁。通过水槽试验获取496组样本数据,利用互信息(MI)筛选出6个关键特征属性,并采用支持向量机(SVR)、广义回归神经网络(GRNN)和随机森林(RF)等机器学习算法构建多个预测模型。然后,将这些模型作为基学习器,结合BP神经网络(BPNN)作为元学习器,采用Stacking集成学习方法构建抛石护岸破坏程度预测模型。最后,通过决定系数(R^(2))、均方根误差(R_(RMSE))及平均绝对误差(M_(MAE))等评价指标对模型性能进行评估。结果表明,Stacking模型在抛石护岸破坏高度、长度、范围上的平均R^(2)为0.98、RRMSE为0.02、M_(MAE)为0.03,相较于单一模型(SVR、GRNN、RF),Stacking模型的R_(RMSE)、M_(MAE)皆为最小,R2最高。在抛石护岸水毁破坏程度的预测中,融合的Stacking模型展现出更高的准确性与稳定性。 展开更多
关键词 抛石护岸 水毁破坏 stacking集成算法 预测研究
在线阅读 下载PDF
基于集成学习算法的尾气处理装置SO_(2)排放预测模型
7
作者 张宝东 杜支文 +1 位作者 闫昭 侯磊 《石油与天然气化工》 北大核心 2025年第1期9-17,共9页
目的精确预测天然气净化厂尾气处理装置烟气中二氧化硫(SO_(2))排放质量浓度。方法利用某天然气净化厂2018—2023年每小时44000条尾气处理日报数据构建数据集,进行数据处理,并利用重要性分析方法提取27个重要特征。针对烟气中SO_(2)排... 目的精确预测天然气净化厂尾气处理装置烟气中二氧化硫(SO_(2))排放质量浓度。方法利用某天然气净化厂2018—2023年每小时44000条尾气处理日报数据构建数据集,进行数据处理,并利用重要性分析方法提取27个重要特征。针对烟气中SO_(2)排放质量浓度的预测任务,采用了随机森林(Random Forest)、梯度提升(Gradient Boost)和极值梯度提升(XGBoost)3种集成学习算法,以及基于径向基(RBF)内核的支持向量机(SVM)替代仿真模型进行建模。结果3种集成学习模型比SVM单模型的预测效果更为精准,而Random Forest模型展现出最佳性能,决定系数为0.89,均方误差为1250.59,相对于8800个真实测试集样本数据,其预测偏差为9.86%,相比于Random Forest模型(数据未处理),其决定系数提高了61.82%。结论Random Forest模型在准确预测尾气处理装置SO_(2)排放质量浓度方面具有实际生产应用价值,可为后续尾气处理装置的工艺参数优化提供可靠的模型支持。 展开更多
关键词 天然气净化 硫磺回收 尾气处理 二氧化硫排放 预测模型 集成学习算法
在线阅读 下载PDF
基于Stacking集成学习的轨道交通短时客流量预测研究 被引量：2
8
作者 王菊娇 阙凡博 《西部交通科技》 2024年第9期157-159,166,共4页
针对轨道交通客流量预测问题,文章以南宁市轨道交通1号线为对象,提出了一种基于多模型Stacking集成学习的方法,对客流量进行预测并进行评估。通过融合XGBoost、LightGBM和LSTM模型,利用各模型优势互补,降低过拟合风险,提高预测准确性和... 针对轨道交通客流量预测问题,文章以南宁市轨道交通1号线为对象,提出了一种基于多模型Stacking集成学习的方法,对客流量进行预测并进行评估。通过融合XGBoost、LightGBM和LSTM模型,利用各模型优势互补,降低过拟合风险,提高预测准确性和泛化能力。结果显示:Stacking模型在客流量预测中表现优异,与实际值接近,评价指标表现良好,可有效提高运营效率和管理决策水平。 展开更多
关键词 轨道交通 客流量预测 stacking集成学习
在线阅读 下载PDF
基于Stacking集成学习的远程资源传输负荷预测
9
作者 商娟叶 《信息技术》 2024年第6期94-99,104,共7页
传统电网远程资源传输负荷预测方法忽略了对资源的集成训练,导致电网负荷预测结果与实际值偏差较大。为此,提出基于Stacking集成学习的远程资源传输负荷预测方法。构建Stacking集成学习模型,同时通过长短时记忆网络构建Stacking-LSTM网... 传统电网远程资源传输负荷预测方法忽略了对资源的集成训练,导致电网负荷预测结果与实际值偏差较大。为此,提出基于Stacking集成学习的远程资源传输负荷预测方法。构建Stacking集成学习模型,同时通过长短时记忆网络构建Stacking-LSTM网络混合模型,利用时间滑动窗口构建影响因素数据特征图,并将其输入网络混合模型,利用Stacking基础学习训练层实现训练,并将训练结果输入LSTM网络层,完成电网远程资源传输负荷预测。实验结果表明:该方法的网络收敛速度较快,获取特征的贡献度较高,且负荷预测结果接近实际值,可以较好地跟踪负荷变化情况。 展开更多
关键词 stacking集成学习 远程资源传输 负荷预测 长短时记忆 滑动窗口
在线阅读 下载PDF
基于Stacking集成学习的机械钻速预测方法 被引量：3
10
作者 高云伟 罗利民 +3 位作者 薛凤龙 刘洋 严昊 郑双进 《石油机械》 北大核心 2024年第5期17-24,52,共9页
机械钻速是评估石油天然气钻井作业效率的重要指标。为准确预测新疆工区某油田钻井机械钻速,基于该工区的历史钻井数据,利用局部离群因子检测算法对数据进行预处理,建立了基于Stacking集成学习的机械钻速预测模型,该模型通过Stacking集... 机械钻速是评估石油天然气钻井作业效率的重要指标。为准确预测新疆工区某油田钻井机械钻速,基于该工区的历史钻井数据,利用局部离群因子检测算法对数据进行预处理,建立了基于Stacking集成学习的机械钻速预测模型,该模型通过Stacking集成策略融合K近邻算法(KNN)、支持向量机算法(SVM)和随机森林算法(RF)进行预测验证。预测验证结果显示,分类准确度不高。运用遗传算法进行各基础模型参数优化。优化后,基于KNN、SVM、RF及Stacking集成4种算法,预测机械钻速准确率分别为73.7%、78.9%、81.6%及97.4%,其中Stacking集成模型预测准确率最高。基于Stacking集成学习的机械钻速预测方法开发了机械钻速预测软件,运用软件预测其他2套施工参数下的机械钻速,结果表明,预测机械钻速与实际机械钻速一致,且性能稳定,表明该模型拥有较强的泛化性和较高的预测精度。该智能算法可为新疆工区的该油田机械钻速预测与钻井施工参数优化提供一种新手段。 展开更多
关键词 机械钻速 预测模型 stacking集成学习 机器学习 施工参数优化 预测验证
在线阅读 下载PDF
基于自适应遗传算法与集成学习的微服务异常检测方法
11
作者 杨云皓 姜瑛 《微电子学与计算机》 2025年第3期49-58,共10页
当前微服务异常检测方法存在的问题主要包括仅使用单一数据源进行分析以及模型参数依赖于开发人员的经验。此外,一些方法不能有效应对样本不平衡问题,这些因素都会影响模型的准确率。为了解决上述问题,提出了一种基于自适应遗传算法与... 当前微服务异常检测方法存在的问题主要包括仅使用单一数据源进行分析以及模型参数依赖于开发人员的经验。此外,一些方法不能有效应对样本不平衡问题,这些因素都会影响模型的准确率。为了解决上述问题,提出了一种基于自适应遗传算法与集成学习的微服务异常检测方法(Adaptive Genetic Algorithm and Ensemble Learning-Microservice Anomaly Detection,AGEL-MAD)。该方法首先通过特征组合的方式表示服务轨迹数据,并将其与性能数据进行融合。其次,为应对样本不平衡问题,引入了单分类支持向量机(One-Class Support Vector Machine,OCSVM)与多层感知机(Multi-Layer Perception,MLP)的集成学习。最后,为排除开发人员的影响,在异常检测过程中引入自适应遗传算法(AGA)以获取参数的最优组合,提高模型的适应性和准确率。通过在不同的数据集上进行实验,验证了AGEL-MAD方法的有效性。 展开更多
关键词 微服务 异常检测 样本不平衡 自适应遗传算法 集成学习
在线阅读 下载PDF
基于Stacking集成学习模型的苹果树逐日蒸散量模拟研究 被引量：1
12
作者 王娜娜 毕远杰 +2 位作者 何苗 郭向红 雷涛 《水电能源科学》 北大核心 2024年第2期207-211,共5页
为准确模拟苹果树逐日蒸散量,以支持向量机(SVM)、多层感知机(MLP)、随机森林(RF)和梯度提升决策树(GBDT)为初级学习器,以多元线性回归(MLR)为次级学习器,基于Stacking策略建立集成学习模型(LSM),将LSM模型的模拟精度与MLR、SVM、MLP、R... 为准确模拟苹果树逐日蒸散量,以支持向量机(SVM)、多层感知机(MLP)、随机森林(RF)和梯度提升决策树(GBDT)为初级学习器,以多元线性回归(MLR)为次级学习器,基于Stacking策略建立集成学习模型(LSM),将LSM模型的模拟精度与MLR、SVM、MLP、RF、GBDT模型的模拟精度进行对比。结果表明,影响苹果树蒸散量的主要因子为日平均太阳辐射、相对湿度、风速、温度和日序数,最大互信息值分别为0.97、0.72、0.63、0.62、0.60,表层土壤温度及土壤含水率对蒸散量的影响较小。相比于MLR、SVM、MLP、RF、GBDT模型,LSM模型的模拟精度最高,MLR模型的模拟精度最低;使用日平均太阳辐射、相对湿度、风速、温度及日序数5个特征参数在准确模拟苹果树蒸散量的同时,还能降低特征的获取成本。研究结果可为苹果树逐日蒸散量的精准模拟提供有效方法。 展开更多
关键词 作物蒸散量 苹果树 机器学习 stacking集成学习 模拟精度 影响因子
在线阅读 下载PDF
基于Stacking集成学习的分频地震属性融合储层预测方法
13
作者 刘磊 李伟 +3 位作者 杜玉山 岳大力 张雪婷 侯加根 《石油地球物理勘探》 EI CSCD 北大核心 2024年第1期12-22,共11页
地震属性蕴含大量储层信息,融合多种地震属性可提高储层预测精度。由于地下地质结构复杂、非均质性强,依据单一的地震属性融合方法难以精细刻画储层特征。为此,提出了一种基于Stacking集成学习的分频地震属性融合储层预测方法。该方法... 地震属性蕴含大量储层信息,融合多种地震属性可提高储层预测精度。由于地下地质结构复杂、非均质性强,依据单一的地震属性融合方法难以精细刻画储层特征。为此,提出了一种基于Stacking集成学习的分频地震属性融合储层预测方法。该方法主要包括3个部分:①根据不同厚度储层的振幅与频率关系,利用多个频率的地震信息,降低地震属性的多解性;②联合相关性分析和无监督聚类技术优选地震属性,剔除冗余属性特征;③利用能够综合多个差异化模型优势的Stacking集成学习模型,融合不同频段的地震属性,提高地震属性的解释精度。将该方法用于渤海湾盆地埕岛油田,并使用线性公式定量分析法进一步评估Stacking模型的泛化效果。结果显示:与单类预测模型相比,Stacking模型的综合预测性能和可靠性均有显著提升;对应的地震属性融合结果高值区形态更加清晰,融合属性与砂体厚度的相关系数可达到0.92,这表明该方法具有良好的应用前景。 展开更多
关键词 地震属性 储层预测 stacking 集成学习 分频 智能融合
在线阅读 下载PDF
基于MIC-iAFF-Stacking集成学习的航空器滑出时间预测 被引量：1
14
作者 李浩 卢朝阳 +2 位作者 谈翌平 苟利鹏 张慧子 《交通运输工程与信息学报》 2024年第4期142-153,共12页
针对当前单一模型预测航空器滑出时间精度提升存在瓶颈的问题,提出一种结合最大互信息系数(Maximal Information Coefficient,MIC)的迭代注意力特征融合模块(iterative Attentional Feature Fusion,iAFF)和Stacking集成学习框架组合的... 针对当前单一模型预测航空器滑出时间精度提升存在瓶颈的问题,提出一种结合最大互信息系数(Maximal Information Coefficient,MIC)的迭代注意力特征融合模块(iterative Attentional Feature Fusion,iAFF)和Stacking集成学习框架组合的航空器滑出时间预测模型。首先利用MIC提取出与滑出时间相关性较高的因素作为模型原始特征序列;然后以支持向量回归(SVR)、随机森林(RF)、多层感知机(MLP)和极限梯度提升机(XGBoost)为基学习器模型对原始特征进行特征构造,并利用iAFF模块对基学习器得到的构造特征和原始特征进行特征融合,通过MLP对融合后的特征进行学习,最终得到预测滑出时间。经实际算例对比验证表明,与单一模型相比,MIC-iAFF-Stacking集成学习模型在±2、±3、±5 min误差范围内的预测精度分别提升了6.14%、6.40%、2.31%,证明了该模型在滑出时间预测中的有效性。 展开更多
关键词 航空运输 离港滑行时间 最大互信息系数 注意力特征融合 stacking集成学习
在线阅读 下载PDF
基于Stacking集成学习的盾构掘进地表沉降预测方法
15
作者 郑一鸣 李刚 +2 位作者 季军 张孟喜 吴惠明 《隧道建设（中英文）》 CSCD 北大核心 2024年第11期2233-2240,共8页
为提高盾构施工中地表最终沉降预测模型的准确性和泛化性,结合主成分分析(PCA)和多层堆叠集成算法(Multi-layer Stacking)提出PCA-Stacking盾构掘进地表沉降预测方法。该方法利用PCA算法对盾构掘进过程中产生的大量数据进行处理,以减少... 为提高盾构施工中地表最终沉降预测模型的准确性和泛化性,结合主成分分析(PCA)和多层堆叠集成算法(Multi-layer Stacking)提出PCA-Stacking盾构掘进地表沉降预测方法。该方法利用PCA算法对盾构掘进过程中产生的大量数据进行处理,以减少特征维度并提取关键信息;此外,通过多层Stacking算法将多个异质模型进行融合,在提高模型预测性能的同时避免子模型间的优化比选。依托上海市北横通道超大直径盾构隧道工程,对盾构工程中的多源数据进行处理,对比PCA处理前后Stacking模型的性能,并将PCA-Stacking模型与RF、XGBoost模型进行对比。研究结果表明:1)PCA处理前后,Stacking模型的R 2分别为0.792和0.831,PCA对Stacking模型性能有一定提高;2)超参数优化后,RF和XGBoost的R 2分别为0.748和0.612,其性能弱于未进行超参数优化的PCA-Stacking;3)PCA-Stacking模型对地表隆起、沉降变化高度都具有良好的预测能力;4)在盾构掘进地表沉降预测方面,异质子模型的PCA-Stacking算法优于同质子模型的集成算法。 展开更多
关键词 盾构隧道 地表沉降 机器学习 stacking集成学习 主成分分析(PCA)
在线阅读 下载PDF
基于Stacking集成算法的混凝土28d抗压强度预测 被引量：3
16
作者 李姣阳 《广东建材》 2024年第6期19-23,共5页
为实现混凝土28d抗压强度的精准预测并解决不同机器学习模型间相互独立不能优势互补的问题。本研究通过357组混凝土配合比数据构建数据库,并采用Stacking集成方法对3个单一机器学习模型(KNN、XGBoost和RF)进行集成预测研究。首先通过随... 为实现混凝土28d抗压强度的精准预测并解决不同机器学习模型间相互独立不能优势互补的问题。本研究通过357组混凝土配合比数据构建数据库,并采用Stacking集成方法对3个单一机器学习模型(KNN、XGBoost和RF)进行集成预测研究。首先通过随机抽样方法将数据库划分为训练集和测试集,然后分别进行了单一机器学习模型和集成模型的训练和测试集预测,最后采用平均绝对误差指标(MAE)、均方根误差指标(RMSE)和确定系数(R2)对模型的预测结果进行评价。结果表明,RF模型在三个单一机器学习模型(KNN、XGBoost和RF)中表现最好(MAE=3.0705,RMSE=4.1847,R^(2)=0.8817);此外,Stacking集成模型的预测性能优于任意单一模型,相较于单一模型中表现较好的RF模型,其预测性能实现了显著提升(MAE下降2.6%,RMSE下降9.8%,R2提升2.5%)。 展开更多
关键词 混凝土 28d抗压强度预测 stacking集成算法 算法融合
在线阅读 下载PDF
VMD-Stacking集成学习的多特征变量短期负荷预测模型 被引量：2
17
作者 王士彬 何鑫 +2 位作者 余成波 张未 陈佳 《兵器装备工程学报》 CAS CSCD 北大核心 2024年第2期218-224,共7页
针对当前短期电力负荷预测结果准确度不够高的问题,提出一种由变分模态分解(variational modal decomposition, VMD)和Stacking集成学习框架组合的多特征变量短期负荷预测模型。在预测前使用VMD算法将负荷数据分解,然后加入对模型重要... 针对当前短期电力负荷预测结果准确度不够高的问题,提出一种由变分模态分解(variational modal decomposition, VMD)和Stacking集成学习框架组合的多特征变量短期负荷预测模型。在预测前使用VMD算法将负荷数据分解,然后加入对模型重要性较高的特征变量,再建立由轻量级梯度提升机(light gradient boosting machine, LightGBM)与极限梯度提升机(extreme gradient boosting, XGBoost)融合的Stacking集成学习预测模型,并比较不同天气情况下对预测模型准确度的影响。经实际算例对比验证表明:多特征的VMD-Stacking集成学习预测模型的误差较小。采用VMD算法分解历史负荷序列,分解后子模态分量的周期性体现了出来,让模型预测波动性较大的负荷时更容易;温度、天气、农历和节假日情况等影响负荷变化的关键因素有被考虑到,模型的准确度得以提高;Stacking集成学习模型对各算法取长补短,泛化能力增强,预测的准确度高于单一模型。 展开更多
关键词 短期电力负荷预测 变分模态分解 stacking集成学习 多特征变量 轻量级梯度提升机 极限梯度提升机
在线阅读 下载PDF
基于残差注意力自适应去噪网络和Stacking集成学习的局部放电故障诊断
18
作者 廖晓青 陈历 +3 位作者 许建远 金宝权 姜自超 刘俊峰 《电子技术应用》 2024年第11期66-73,共8页
针对传统局部放电(Partial Discharge,PD)故障诊断方法在处理复杂含噪PD信号存在局限性并依赖于人工去噪和专家经验,难以学习到PD特征多样化表达等问题,分别提出残差注意力自适应去噪网络(Residual Attention Adaptive Denoising Networ... 针对传统局部放电(Partial Discharge,PD)故障诊断方法在处理复杂含噪PD信号存在局限性并依赖于人工去噪和专家经验,难以学习到PD特征多样化表达等问题,分别提出残差注意力自适应去噪网络(Residual Attention Adaptive Denoising Network,RAADNet)和基于Stacking集成学习的PD故障诊断模型。RAADNet基于残差网络结构设计,通过集成CAM注意力机制和软阈值函数实现自适应去噪;Stacking集成模型的基学习器分别由基于卷积神经网络的RAADNet、基于多头自注意力机制的Transformer以及基于Boosting集成策略的XGBoost多个差异化模型共同构建构成。实验结果表明,提出的RAADNet优于其他先进方法,识别准确率达到93.99%,Stacking集成模型则通过学习多样化特征表达,进一步提高模型性能,达到96.79%识别准确率。 展开更多
关键词 气体绝缘开关柜 局部放电 stacking集成学习 卷积神经网络 TRANSFORMER
在线阅读 下载PDF
融合Stacking集成算法的联邦学习技术
19
作者 岳靖轩 陈志雨 刘钢 《长春工业大学学报》 2023年第4期313-322,共10页
提出一种基于集成算法的联邦学习模型(Stacked Federated Learning,Stacked-FL)。模型将集成算法与联邦学习相结合,基于RSA加密与同态加密的隐私保护方法,实现多方数据去中心化处理,并设计了数据预处理、样本对齐、联邦集成算法模块。... 提出一种基于集成算法的联邦学习模型(Stacked Federated Learning,Stacked-FL)。模型将集成算法与联邦学习相结合,基于RSA加密与同态加密的隐私保护方法,实现多方数据去中心化处理,并设计了数据预处理、样本对齐、联邦集成算法模块。实验结果表明,该模型在预测准确性方面有显著提升,相比传统的数据中心化模型,其安全性得到了保证。实验使用Lending Club贷款数据集,选取MAE与RMSE作为评价指标,根据Stacked-FL算法的结果显示,其性能相比SecureBoost算法分别提升7.98%和0.83%。在保障用户隐私安全的同时,也提高了预测精确度,相比传统的联邦算法泛化能力增强,该模型满足中小型敏感数据集联合建模的基本需求,为中小型银行定制化信贷提供了更有效的解决方案。 展开更多
关键词 联邦学习 集成算法 贷款定价 同态加密 数据安全
在线阅读 下载PDF
基于Stacking集成学习的注塑件尺寸预测方法 被引量：9
20
作者 宋建 王文龙 +1 位作者 李东 梁家睿 《华南理工大学学报（自然科学版）》 EI CAS CSCD 北大核心 2022年第6期19-26,共8页
机器学习算法能够处理高维和多变量数据,并在复杂和动态环境中提取数据中的隐藏关系,在注塑件尺寸预测中具有很好的应用前景。注塑件尺寸预测系统的性能取决于机器学习算法的选择,然而,传统的机器学习算法在实际应用中不能达到很好的预... 机器学习算法能够处理高维和多变量数据,并在复杂和动态环境中提取数据中的隐藏关系,在注塑件尺寸预测中具有很好的应用前景。注塑件尺寸预测系统的性能取决于机器学习算法的选择,然而,传统的机器学习算法在实际应用中不能达到很好的预测效果。为此,文中提出了一种基于Stacking集成学习的融合模型,首先采用优化的特征选择方法获得最佳的特征数量,然后通过对比分析单一模型的关联度和预测效果、不同Stacking学习器组合方式下模型的预测效果,得到预测性能最佳的模型,该模型的基学习器为极端梯度提升树(XGB)、轻量级梯度提升树(LGB)、核岭回归,元学习器为弹性网络回归。测试结果表明:该模型在注塑件尺寸预测方面的均方根误差和平均绝对误差较XGB和LGB模型分别降低了16%和20%左右,较传统支持向量机模型分别降低了45.22%和46.48%,同时模型预测结果可根据特征解释回溯到实际生产中,为制造工艺和工序的优化提供决策指导。 展开更多
关键词 注塑成型 预测 机器学习 集成学习 stacking
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 … 10 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