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216篇文章
< 1 2 … 11 >
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PSO-XGBoost的爆破振动峰值速度预测研究 被引量：1
1
作者 任高峰 邱浪 +4 位作者 徐琛 李吉民 胡英国 朱瑜劼 胡伟 《金属矿山》 北大核心 2025年第4期256-265,共10页
为实现爆破振动峰值速度的精准预测,减少爆破振动的危害,基于某爆破工程实测数据,通过基于决策树的特征重要性分析,选取了爆心距、炸药爆速、孔距、堵塞长度、孔深、单段药量6个变量作为输入特征,利用粒子群优化算法(PSO)对XGBoost模型... 为实现爆破振动峰值速度的精准预测,减少爆破振动的危害,基于某爆破工程实测数据,通过基于决策树的特征重要性分析,选取了爆心距、炸药爆速、孔距、堵塞长度、孔深、单段药量6个变量作为输入特征,利用粒子群优化算法(PSO)对XGBoost模型的决策树数目、决策树最大深度、学习率3个参数进行寻优,构建了PSO-XGBoost爆破振动峰值速度预测模型。通过对实例进行预测,得到预测结果的MSE、RMSE、R^(2)的值分别为1.44、1.16、0.91;通过与BPNN、AdaBoost、GBDT、RF、SVR模型的预测结果进行对比,PSO-XGBoost模型的预测性能最佳,预测结果最优。为了进一步推广应用预测成果,开发设计了一套爆破振动峰值速度预测系统。研究成果可为类似爆破工程振动预测提供一定的理论参考和实践指导。 展开更多
关键词 爆破振动 爆破振动峰值速度 粒子群优化算法 xgboost算法 预测模型
在线阅读 下载PDF
基于XGBoost算法的走滑断裂内部特征带的精细识别 被引量：2
2
作者 赵军 汪峻宇 +3 位作者 赖强 文晓峰 邬光辉 焦世祥 《地质科技通报》 北大核心 2025年第2期182-192,共11页
受制于走滑断裂内部强烈的非均质性、储集类型多样及流体分布复杂的影响,走滑断裂内部裂缝带、破碎带和溶蚀带之间的测井响应复杂多变,为有效利用成像及常规测井资料识别走滑断裂内部3特征带造成了困难。引入XGboost算法建立模型,以提... 受制于走滑断裂内部强烈的非均质性、储集类型多样及流体分布复杂的影响,走滑断裂内部裂缝带、破碎带和溶蚀带之间的测井响应复杂多变,为有效利用成像及常规测井资料识别走滑断裂内部3特征带造成了困难。引入XGboost算法建立模型,以提高对走滑断裂内部3特征带的识别精度。分析了走滑断裂内部3特征带的测井响应特征,优选敏感测井曲线构建基于均值及方差的特征向量空间集,采用极端梯度提升算法,建立了走滑断裂溶蚀带、破碎带和裂缝带的XGBoost回归预测模型,并通过多分类评价指标对XGBoost模型的关键参数进行调优,提高了走滑断裂内部特征带的识别精度。利用构建的XGBoost模型对研究区走滑断裂内部特征带进行了识别,其中总样本数234个,识别正确样本208个,识别正确率达88.89%;预测结果表明在走滑断裂内部特征带中,裂缝带分布范围最广,破碎带其次,溶蚀带最窄,这与实际走滑断裂内部特征带的分布范围相符。基于XGBoost算法的走滑断裂内部特征带识别模型能够有效地识别裂缝带、破碎带和溶蚀带,从而有助于对走滑断裂内部尺度更小的溶蚀孔洞及裂缝储集空间的分布进行更为有效的分析,对走滑断裂内部结构的精细刻画有一定借鉴意义。 展开更多
关键词 走滑断裂 xgboost算法 碳酸盐岩 测井评价 特征带识别 四川盆地 高石梯-磨溪地区
在线阅读 下载PDF
基于CLSRIME-XGBOOST的带式输送机托辊故障诊断方法
3
作者 江帆 程舒曼 +4 位作者 朱真才 周公博 李强 刘全辉 宋鸿炎 《振动.测试与诊断》 北大核心 2025年第4期666-673,840,共9页
针对声音信号分析在诊断带式输送机托辊故障中的高维特征存在信息冗余、计算量大和诊断效果不理想等问题,笔者构建了声音信号特征精简策略,基于Circle混沌映射、Levy飞行策略和正弦因子改进了霜冰优化算法(rime optimization algorithm... 针对声音信号分析在诊断带式输送机托辊故障中的高维特征存在信息冗余、计算量大和诊断效果不理想等问题,笔者构建了声音信号特征精简策略,基于Circle混沌映射、Levy飞行策略和正弦因子改进了霜冰优化算法(rime optimization algorithm,简称RIME),记作CLSRIME。再结合极致梯度提升模型(extreme gradient boosting,简称XGBOOST),构建了CLSRIME-XGBOOST带式输送机托辊轴承故障诊断方法。首先,利用梅尔倒谱系数(Melscale frequency cepstral coefficient,简称MFCC)融合方法提取信号关键特征,并通过t-分布领域嵌入算法(t-distributed stochastic neighbor embedding,简称tSNE)进行降维,构建了基于MFCC和tSNE的精简特征提取策略;其次,针对RIME存在初始种群分布不均、霜冰粒子搜索能力弱、收敛速度较慢的问题,引入Circle混沌映射、Levy飞行策略和正弦因子,设计了CLSRIME;最后,利用CLSRIME优化XGBOOST中树的深度、迭代次数及学习率等参数,构建了基于CLSRIME-XGBOOST的诊断模型。结果表明,所提方法能够精简表征托辊轴承故障状态的特性信息,改善了RIME的优化性能,提高了传统XGBOOST诊断模型的准确率,为带式输送机托辊故障诊断提供了新思路。 展开更多
关键词 带式输送机 改进RIME算法 MFCC xgboost 故障诊断
在线阅读 下载PDF
基于XGBoost算法的页岩岩相测井预测方法 被引量：1
4
作者 闫佳飞 李胜利 +2 位作者 魏泽德 吴忠宝 陈建阳 《古地理学报》 北大核心 2025年第3期763-776,共14页
页岩岩相的识别与预测对于分析确定页岩油气甜点层段非常重要。在缺乏岩心信息进行单井岩相研究时,测井数据扮演着十分重要的角色,而基于XGBoost算法可以充分挖掘多维测井数据所揭示的页岩岩相信息,从而达到预测单井页岩岩相的目的。本... 页岩岩相的识别与预测对于分析确定页岩油气甜点层段非常重要。在缺乏岩心信息进行单井岩相研究时,测井数据扮演着十分重要的角色,而基于XGBoost算法可以充分挖掘多维测井数据所揭示的页岩岩相信息,从而达到预测单井页岩岩相的目的。本研究应用具有监督学习算法的XGBoost机器学习方法,利用常规测井数据作为变量数据集,建立了可预测页岩岩相类型的计算模型。首先建立适合具体研究区的页岩岩相划分标准,该标准应能体现研究区页岩岩相的辨识差异性,再统计不同矿物含量,确定不同岩相的具体矿物含量和TOC含量界限。在建立计算模型时,相关变量可能会提供相似的信息,导致模型过于依赖这些特征,需注意去除相似信息。XGBoost算法在参数优选方面,其网格搜索具有全面性,在网格搜索过程中应该进行多次优选,不断缩小搜索范围以求取最优值。以松辽盆地松南地区赞字井区块为例,采用矿物组分含量、沉积构造及TOC含量建立页岩岩相划分标准,青山口组可划分出5类主要页岩;在应用XGBoost算法进行变量优选时,对于具有较高相关性的深侧向电阻率(LLD)和浅侧向电阻率(LLS)曲线,保留一条即可,结果表明模型准确率可提高4%左右;经过变量选择及参数调优后,最终模型预测岩相的准确率可达90.03%。 展开更多
关键词 页岩岩相预测 xgboost算法 变量选择 参数调优 测井信息 青山口组 松辽盆地
在线阅读 下载PDF
基于BO-XGBoost算法的气凝胶混凝土力学和保温性能预测方法
5
作者 熊峰 陈腾盛 +2 位作者 邓楚兵 李云飞 曾一 《工程科学与技术》 北大核心 2025年第5期1-13,共13页
气凝胶混凝土是制备保温承重一体化墙板的优质材料,其抗压强度和导热系数是重要的研究参数。为了获取最优的抗压强度和导热系数,需要在实验室多次重复进行配合比设计及性能测定,需要大量的人力和时间。采用公式分析方法或统计方法可获... 气凝胶混凝土是制备保温承重一体化墙板的优质材料,其抗压强度和导热系数是重要的研究参数。为了获取最优的抗压强度和导热系数,需要在实验室多次重复进行配合比设计及性能测定,需要大量的人力和时间。采用公式分析方法或统计方法可获得最佳性能,但因为气凝胶混凝土的抗压强度和导热系数与各影响因素存在高度的非线性关系,由此得到的经验公式精度低,对自身实验有很强的依赖性,无法推广和泛化。而利用机器学习方法可以有效地通过数据库建立输入与输出特征之间的映射关系。本文利用贝叶斯优化的极端梯度提升算法(BO-XGBoost)建立了一个气凝胶混凝土性能预测模型,并基于335组数据,进行模型训练与测试。为了验证采用带可解释特征作为输入特征的方案的有效性,采用两个模型分别预测抗压强度和导热系数的优势,设置两个对比方案进行性能比较。此外,为了分析BO-XGBoost模型在气凝胶混凝土性能预测上的优势,使用随机森林、人工神经网络等多个模型与之进行比较,并采用全新数据探究模型的泛化能力。结果表明,BO-XGBoost模型效果很好,抗压强度和导热系数预测模型的测试集的决定系数R2均在0.97以上,预测能力优于其他模型,且具有较好的泛化能力。此外,采用SHAP模型进行可解释分析,结果表明,影响气凝胶混凝土性能的最主要因素是气凝胶掺量和水胶比。 展开更多
关键词 气凝胶混凝土 性能预测 贝叶斯优化 xgboost算法 SHAP可解释分析
在线阅读 下载PDF
GA-XGBoost模型对路基压实质量的预测
6
作者 赖建平 赵辉 +1 位作者 王东升 冯怀平 《哈尔滨工业大学学报》 北大核心 2025年第7期33-41,共9页
为提升智能压实(intelligent compaction,IC)质量的实时检测与评价精度,提出一种基于GA-XGBoost模型的连续压实质量预测方法,以提高动态变形模量(E vd)的预测精度。模型以动态变形模量为目标,建立机器学习模型,主要采用决策树算法,构建X... 为提升智能压实(intelligent compaction,IC)质量的实时检测与评价精度,提出一种基于GA-XGBoost模型的连续压实质量预测方法,以提高动态变形模量(E vd)的预测精度。模型以动态变形模量为目标,建立机器学习模型,主要采用决策树算法,构建XGBoost模型对压实质量进行预测分析。通过引入遗传算法(genetic algorithm,GA)对模型超参数寻优,以提高模型的预测精度和可靠性。首先,通过现场工程试验,测量压路机碾压时振动加速度,分析加速度信号,计算信号统计量并采用快速傅里叶变换(FFT)得出谐波频率,初步建立各项特征因子与E vd之间的系统联系;其次,筛选各个时频域特征,进行相关性分析,选用相关性较高的特征来建立预测模型;最后,验证了GA-XGBoost预测模型可以较好的预测E vd。研究结果表明:遗传算法(GA)可以高效地确定XGBoost算法的超参数,且较单一的XGBoost模型表现出更优的收敛速度;通过优化特征因子,改变输入参数,提高了GA-XGBoost模型的预测精度,优化后均方误差为3.9%,相关系数为0.748;同时对比了传统CMV拟合E vd的方法,该机器学习模型可以大幅度提高预测精度。 展开更多
关键词 智能压实 机器学习 xgboost算法 遗传算法 动态变形模量 时域特征
在线阅读 下载PDF
基于Sentinel-2A影像和XGBoost模型的滇中高原地区土壤有机碳含量反演研究
7
作者 严正飞 杨明龙 +3 位作者 唐秀娟 夏永华 杨赈 李万涛 《河南农业科学》 北大核心 2025年第2期145-153,共9页
土壤有机碳(Soil organic carbon,SOC)在保持土壤肥力、促进植物生长和农业可持续发展等方面发挥着至关重要的作用,因此,高效精准地获取SOC含量非常重要。利用Sentinel-2A多光谱遥感影像数据并结合实测SOC含量、Sentinel-1后向散射系数... 土壤有机碳(Soil organic carbon,SOC)在保持土壤肥力、促进植物生长和农业可持续发展等方面发挥着至关重要的作用,因此,高效精准地获取SOC含量非常重要。利用Sentinel-2A多光谱遥感影像数据并结合实测SOC含量、Sentinel-1后向散射系数、植被指数和地形因子数据(高程、坡度、坡向),分别使用随机森林(RF)、深度森林(DF)和XGBoost算法模型,对姚安灌区的SOC含量进行反演研究。结果表明,从不同组合的辅助变量来看,结合不同变量因子(植被指数因子、地形因子、后向散射系数因子等)有助于提高SOC含量的预测精度,尤其加入地形因子后,RF、DF和XGBoost 3种模型的R^(2)分别提升0.0523、0.0398和0.0689。从不同预测模型测算结果分析,XGBoost和DF算法模型都可以有效地进行耕地SOC含量的精准预测,其中XGBoost算法模型与M3变量组合(Sentinel-2A影像的12个波段数据、植被指数数据、Sentinel-1后向散射系数数据以及地形因子数据的组合)结合的预测能力最高[决定系数(R^(2))=0.8106,均方根误差(RMSE)=1.8132],其次是DF算法模型(R^(2)=0.7512,RMSE=1.9255),而RF算法模型的预测能力相对较低(R^(2)=0.6245,RMSE=2.5031)。 展开更多
关键词 土壤有机碳 Sentinel-2A 遥感反演 机器学习 xgboost算法 滇中高原
在线阅读 下载PDF
基于XGBoost的电磁阀滤网缺陷检测系统设计
8
作者 潘源琦 郭斌 +2 位作者 汪伟国 潘飞文 陆艺 《现代电子技术》 北大核心 2025年第12期13-18,共6页
为弥补汽车电磁阀滤网表面缺陷自动化检测的空缺,并解决滤网表面缺陷检测准确率低、存在漏检现象等问题,设计一种基于改进XGBoost的电磁阀滤网表面缺陷检测系统,有效识别电磁阀滤网存在的破洞、松丝缺陷。该系统首先对滤网图像进行滤波... 为弥补汽车电磁阀滤网表面缺陷自动化检测的空缺,并解决滤网表面缺陷检测准确率低、存在漏检现象等问题,设计一种基于改进XGBoost的电磁阀滤网表面缺陷检测系统,有效识别电磁阀滤网存在的破洞、松丝缺陷。该系统首先对滤网图像进行滤波、增强,再对滤网区域及滤网塑料骨架区域进行定位,从而提取滤网织物区域;其次提取织物区域的灰度特征和纹理特征,采用基于随机森林的特征递减消除算法进行特征优选,构建XGBoost模型来实现对缺陷的识别与分类;最后采用两重多阶段的超参数寻优策略进行参数优化,提升模型效果。实验结果表明,所设计系统能够识别出滤网表面的缺陷及类型,并且相比传统机器学习检测方法,能够达到更高的准确率。 展开更多
关键词 电磁阀滤网 缺陷检测 xgboost算法 随机森林 特征优选 超参数寻优
在线阅读 下载PDF
基于GIS与XGBoost算法的山东省新石器时代考古遗址预测模型研究
9
作者 田洁 朱有晨 +3 位作者 李林芝 朱星 李文然 安雪莲 《北京师范大学学报(自然科学版)》 北大核心 2025年第3期394-404,共11页
构建考古遗址预测模型可以精准识别遗址的潜在空间范围,有助于对尚未发现的遗址进行前瞻性保护.本文以山东省为研究区域,收集了1916个新石器时代遗址(不含墓葬)作为研究样本,按照1∶1的比例随机提取1916个非遗址点作为负样本,并选取高... 构建考古遗址预测模型可以精准识别遗址的潜在空间范围,有助于对尚未发现的遗址进行前瞻性保护.本文以山东省为研究区域,收集了1916个新石器时代遗址(不含墓葬)作为研究样本,按照1∶1的比例随机提取1916个非遗址点作为负样本,并选取高程、坡度、坡向、剖面曲率、平面曲率、微地貌、坡位、濒水距离8个自然地理环境影响因子,构建考古遗址预测模型的指标体系.运用GIS空间分析方法和XGBoost算法,构建考古遗址预测模型.基于该模型进行了潜在遗址点的空间范围预测,同时分析了影响因子的重要性.研究结果表明:1)运用XGBoost算法构建的考古遗址预测模型可获取较高的精度,本研究的AUC测试值为0.85;2)用最佳样本训练后的模型,将结果划分为低、中、高3种等级,并绘制出考古遗址概率空间分布图,得出遗址主要分布在平原地区;3)XGBoost算法对影响因子重要性分析表明,坡位、微地貌、高程是影响山东省新石器时代遗址空间分布格局的主要自然地理因子.研究发现,XGBoost算法具有较好的稳定性和预测能力,构建的模型为考古遗址预测提供了新的研究方法,并为考古发掘提供了重要技术支撑,揭示了新石器时代遗址与地理环境的关系. 展开更多
关键词 xgboost算法 GIS 考古遗址预测模型 新石器时代 山东省
在线阅读 下载PDF
基于元启发式算法优化XGBoost的隧道围岩节理剪切强度预测模型研究
10
作者 张金戈 杜岩 +4 位作者 蒋宇静 陈红宾 张孙豪 刘敬楠 尚栋琦 《隧道建设(中英文)》 北大核心 2025年第7期1286-1297,共12页
为准确预测节理岩体的剪切强度,进而实现隧道施工中围岩稳定性的智能评估,提出一种基于元启发式算法优化的XGBoost(eXtreme Gradient Boosting)模型。首先,在分析节理岩体剪切机制的基础上,选取节理粗糙度系数(JRC)、岩石单轴抗压强度(U... 为准确预测节理岩体的剪切强度,进而实现隧道施工中围岩稳定性的智能评估,提出一种基于元启发式算法优化的XGBoost(eXtreme Gradient Boosting)模型。首先,在分析节理岩体剪切机制的基础上,选取节理粗糙度系数(JRC)、岩石单轴抗压强度(UCS)、岩石弹性模量(YM)、法向应力(NS)和剪切面长度(SSL)作为输入参数,峰值剪切强度(PSS)作为输出参数,相关性分析显示法向应力是峰值剪切强度的主控因子。然后,采用平衡优化器(EO)、灰狼优化算法(GWO)和黏菌算法(SMA)对XGBoost的超参数进行优化,确定初始种群数量的最优设置。最后,将3种优化模型的预测性能与随机搜索优化的XGBoost模型、随机森林(RF)模型和支持向量回归(SVR)模型进行对比分析。结果表明, 3种基于元启发式算法优化的模型整体性能均优于随机搜索优化模型,且SMA优化的XGBoost模型表现最优(RMSE=0.393 21,R^(2)=0.996 24,MAE=0.256 89,VAF=0.996 25),验证了元启发式算法在提升模型性能方面的有效性。此外,SHAP分析也确认法向应力在模型预测中的主导作用。本研究为隧道工程中围岩稳定性的智能动态评估提供了一种高效可靠的机器学习方法。 展开更多
关键词 隧道工程 节理剪切强度 xgboost模型 元启发式算法 机器学习
在线阅读 下载PDF
基于XGBoost与SHAP分析的可解释性故障诊断方法研究
11
作者 李开平 张凤丽 +1 位作者 黄祖广 王金江 《制造技术与机床》 北大核心 2025年第6期199-208,共10页
针对现有智能故障诊断方法存在特征输入单一、故障难以提取、模型可解释性较差等问题,提出一种基于XGBoost(extreme gradient boosting)与SHAP(SHapley Additive exPlanations)分析的可解释性故障诊断方法。首先,采用传统信号处理方法... 针对现有智能故障诊断方法存在特征输入单一、故障难以提取、模型可解释性较差等问题,提出一种基于XGBoost(extreme gradient boosting)与SHAP(SHapley Additive exPlanations)分析的可解释性故障诊断方法。首先,采用传统信号处理方法完成多域特征的提取。其次,基于XGBoost集成算法构建故障诊断模型,并根据XGBoost内嵌评估指标对模型进行初步特征解释。最后,运用Tree SHAP方法对诊断模型进行特征解释分析,探究重要特征对轴承故障类别趋势的影响关系,分析特征之间的依赖交互效应,直观、透明地揭示模型的诊断机制。通过实验对比XGBoost与其他传统机器学习方法,本模型在多维评价指标中综合表现更为突出,且具有较强的精确性,故障诊断准确率高达99.62%,具备良好的实际应用价值。 展开更多
关键词 可解释性故障诊断方法 多域特征 xgboost集成算法 Tree SHAP 特征解释
在线阅读 下载PDF
基于SPGA-XGBoost的洪水预报误差智能校正方法
12
作者 贾克 秦少玲 +1 位作者 余宇峰 徐雨妮 《人民长江》 北大核心 2025年第6期1-7,14,共8页
误差实时校正是提升洪水预报精度的重要手段。针对传统误差校正模型的校正精度及稳定性欠佳等问题,将机器学习技术引入误差序列映射函数训练过程,提出一种基于SPGA-XGBoost的洪水预报误差智能校正方法。首先以传统水文预报模型的预测值... 误差实时校正是提升洪水预报精度的重要手段。针对传统误差校正模型的校正精度及稳定性欠佳等问题,将机器学习技术引入误差序列映射函数训练过程,提出一种基于SPGA-XGBoost的洪水预报误差智能校正方法。首先以传统水文预报模型的预测值和实测值构建误差序列并作为误差校正模型的输入,引入极限梯度提升算法XGBoost构建误差校正模型,以充分挖掘误差序列非线性关系,然后提出融合粒子群优化算法和模拟退火算法的混合遗传优化算法SPGA对XGBoost模型超参数进行寻优,从而更好地挖掘误差序列的时序特征以提升误差校正的精度。长江螺山站的实例应用结果表明:用SPGA-XGBoost模型校正相较未校正前RMSE,MAE分别降低0.440 m和0.356 m,NSE提升0.016,优于STGCN模型、GBDT模型、KNN等方法。SPGA-XGBoost模型能充分挖掘误差序列的相关关系,提高水位预报精度,具有较好的适用性和应用前景。 展开更多
关键词 洪水预报误差 误差智能校正 极限梯度提升算法 混合遗传优化算法 螺山站 长江
在线阅读 下载PDF
基于NRBO-XGboost的机器人磨削材料去除率预测与模型优化研究
13
作者 吕少华 蔡春波 《制造技术与机床》 北大核心 2025年第4期159-165,共7页
针对磨削加工过程中材料去除率(material removal rate,MRR)难以准确预测的问题,构建了基于极致梯度提升树(etreme gradient boosting,XGBoost)算法的MRR预测模型。通过分析不同工艺参数下机器人磨削产生的振动信号,提取能够反映MRR的... 针对磨削加工过程中材料去除率(material removal rate,MRR)难以准确预测的问题,构建了基于极致梯度提升树(etreme gradient boosting,XGBoost)算法的MRR预测模型。通过分析不同工艺参数下机器人磨削产生的振动信号,提取能够反映MRR的特征参数,利用牛顿-拉夫逊优化算法(Newton-Raphson-based optimizer,NRBO)确定XGBoost的初始参数最优解,解决参数调整与局部最优解问题,并构建NRBO-XGBoost模型。将该模型与传统XGBoost、粒子群优化(particle swarm optimization,PSO)-XGBoost及长短期记忆算法(long short-term memory,LSTM)进行对比,结果显示,NRBO-XGBoost模型的预测结果优于其他模型,预测评价指标显著提高,初始解优化速度较PSO优化算法更快,适应度值更小。研究成果可为机器人磨削MRR预测及工艺优化提供参考。 展开更多
关键词 xgboost算法 牛顿-拉夫逊优化算法 机器人磨削 材料去除率 振动信号
在线阅读 下载PDF
基于K-Means、XGBoost和PSO的高炉布料矩阵优化研究
14
作者 董壮壮 王月明 《现代电子技术》 北大核心 2025年第12期120-128,共9页
优化布料矩阵是实现高炉节能降碳的关键环节,然而现有研究对布料矩阵与燃料消耗参数的映射关系尚未充分揭示。为此,提出一种基于K-Means聚类、极端梯度提升(XGBoost)和粒子群优化(PSO)算法的高炉布料矩阵优化方法。首先,在高炉布料矩阵... 优化布料矩阵是实现高炉节能降碳的关键环节,然而现有研究对布料矩阵与燃料消耗参数的映射关系尚未充分揭示。为此,提出一种基于K-Means聚类、极端梯度提升(XGBoost)和粒子群优化(PSO)算法的高炉布料矩阵优化方法。首先,在高炉布料矩阵聚类方面对比分析K-Means和模糊C均值两个聚类算法,选择聚类效果较好的K-Means模型对高炉炉况进行聚类分析;然后,结合K-Means聚类结果和特征选取,提取布料矩阵关键特征参数,并建立XGBoost、径向基神经网络和随机森林模型来预测高炉燃料比,选择对燃料比预测最准确的XGBoost模型作为预测模型;最后,在XGBoost模型基础上,分别采用PSO和遗传算法进行燃料比最小值寻优并对比,选择优化效果较好的PSO进行结果分析。结果表明,所提方法能够在一定程度上改善高炉矿石熔化条件,降低燃料比,促进高炉节能降碳。 展开更多
关键词 高炉 布料矩阵 K-MEANS xgboost 粒子群算法 节能降碳
在线阅读 下载PDF
基于XGBoost算法的返贫预警算法探讨
15
作者 彭乔依 仲黍林 +1 位作者 尹娟燕 曾会锋 《统计与决策》 北大核心 2025年第11期68-73,共6页
2020年我国脱贫攻坚战取得全面胜利后,实现巩固拓展脱贫攻坚成果同乡村振兴有效衔接成为新时代的新任务。在此背景下,构建返贫预警机制对于预防返贫和促进脱贫地区乡村振兴至关重要。文章基于2014—2020年的中国家庭追踪调查(CFPS)数据... 2020年我国脱贫攻坚战取得全面胜利后,实现巩固拓展脱贫攻坚成果同乡村振兴有效衔接成为新时代的新任务。在此背景下,构建返贫预警机制对于预防返贫和促进脱贫地区乡村振兴至关重要。文章基于2014—2020年的中国家庭追踪调查(CFPS)数据,采用多标准贫困定义,通过对比决策树(DT)、KNN算法(KNN)、神经网络(NN)、Logistic回归(LR)及XGBoost算法(XGB)的性能,综合评估XGBoost算法在返贫预警中的应用潜力和预测准确性,通过对比分析找到最适用的算法;并运用Shapley分解方法识别在不同贫困标准下返贫的关键影响因素,解决机器学习的“黑箱”问题。结果表明,XGBoost算法果具有较强的预测性能,在不同标准下的返贫预警结果具有较高的准确率,是较好的返贫预警算法;同时,Shapley分解方法也可有效识别重要特征变量,为预测返贫情况、制定有针对性的对策提供参考依据。 展开更多
关键词 返贫预警算法 乡村振兴 集成学习 xgboost算法 Shapley分解
在线阅读 下载PDF
基于GWO-XGBoost和MOPSO算法的
16
作者 张婉 钱玉良 +1 位作者 金鑫 彭道刚 《化学工程》 北大核心 2025年第9期77-82,共6页
燃煤火电机组脱硫系统存在无法适应实时变化的工况需求而增加设备投入或过量投入物料的情况。为了保证系统安全稳定运行,针对这一问题,提出一种基于GWO-XGBoost(灰狼优化-极端梯度提升树)和MOPSO(多目标粒子群)算法的脱硫系统运行优化... 燃煤火电机组脱硫系统存在无法适应实时变化的工况需求而增加设备投入或过量投入物料的情况。为了保证系统安全稳定运行,针对这一问题,提出一种基于GWO-XGBoost(灰狼优化-极端梯度提升树)和MOPSO(多目标粒子群)算法的脱硫系统运行优化方法。利用GWO对XGBoost算法的超参数进行优化,进一步提升XGBoost模型的预测性能,建立基于GWO-XGBoost算法的脱硫效率预测模型。以脱硫成本最低和脱硫效率最高为优化目标,采用MOPSO算法建立优化模型并得到最佳运行参数,为循环浆液泵和氧化风机的运行提供指导。以某典型工况为例,在保证出口SO 2排放浓度达标的情况下,使用优化的运行策略,运行成本可降低385.23元/h。结果表明:该脱硫效率预测模型预测效果较佳,该优化模型能够对燃煤电厂脱硫过程提供科学的运行指导,节省脱硫过程中的物耗和关键设备的能耗,提高脱硫系统运行操作方案的可靠性和经济性。 展开更多
关键词 湿法脱硫系统 运行优化 氧化风机 循环浆液泵 GWO-xgboost算法 MOPSO算法
在线阅读 下载PDF
基于XGBoost算法划痕损伤PVC-P土工膜力学性能预测
17
作者 张宪雷 刘建群 张文慧 《水电能源科学》 北大核心 2025年第5期111-115,共5页
面膜堆石坝上游坝面膜防渗结构因施工操作不当或多孔隙介质垫层界面特性易造成PVC-P土工膜物理性划痕损伤,为判别划痕损伤PVC-P土工膜能否满足工程安全运行要求,以划痕损伤PVC-P土工膜断裂强度/延伸率试验数据为依托,构建了基于极端梯... 面膜堆石坝上游坝面膜防渗结构因施工操作不当或多孔隙介质垫层界面特性易造成PVC-P土工膜物理性划痕损伤,为判别划痕损伤PVC-P土工膜能否满足工程安全运行要求,以划痕损伤PVC-P土工膜断裂强度/延伸率试验数据为依托,构建了基于极端梯度提升(XGBoost)算法的预测模型,将该模型预测结果与随机森林(RF)算法预测结果进行比较,选用平均绝对误差(M MAE)、平均绝对百分比误差(M_(MAPE))、均方根误差(R_(RMSE))和决定系数(R^(2))作为评价指标评估了预测精度,并运用SHAP算法获得影响作用较大的划痕损伤阈值。结果表明,基于XGBoost算法的预测模型预测精度更高,SHAP法能够合理解释模型的预测结果,划痕角度是影响损伤后力学性能的主要因素。研究结果为工程技术人员准确预判划痕损伤PVC-P土工膜力学性能提供了参考。 展开更多
关键词 极端梯度提升树(xgboost)算法 随机森林(RF)算法 力学性能预测 PVC-P土工膜 断裂强度 断裂延伸率
在线阅读 下载PDF
基于GA-XGBoost的天然地震与爆破的小样本分类
18
作者 李鸿儒 李夕海 +3 位作者 牛超 张云 刘继昊 谭笑枫 《地震学报》 北大核心 2025年第2期221-231,共11页
由于爆破数据数量有限,利用分类法识别天然地震与爆破会遇到诸多困难。鉴于此,本文建立了高维特征小样本数据集,基于XGBoost模型利用遗传算法(GA)实现对主要影响XGBoost模型分类准确率的迭代次数、最大树深和学习率等三个重要超参数的... 由于爆破数据数量有限,利用分类法识别天然地震与爆破会遇到诸多困难。鉴于此,本文建立了高维特征小样本数据集,基于XGBoost模型利用遗传算法(GA)实现对主要影响XGBoost模型分类准确率的迭代次数、最大树深和学习率等三个重要超参数的自主寻优,构建出了GA-XGBoost模型,并将该模型应用于功率谱特征样本集,结果显示:爆破与天然地震的分类准确率高达94.094%;相比于传统的GS-XGBoost模型(准确率91.787%),GA-XGBoost模型在显著提升分类准确率的同时,其运行时间也由409.26 s缩短至55.48 s,效率提高了超86%。由此可见,本文建立的GA-XGBoost模型兼顾准确率、稳定性与效率,在小样本分类任务中具有良好的应用前景。 展开更多
关键词 地震事件 xgboost模型 遗传算法 小样本 特征提取
在线阅读 下载PDF
基于ICOA-XGBoost的光伏阵列复合故障诊断研究
19
作者 张子洵 魏业文 +2 位作者 张轲钦 方豪 吴先用 《太阳能学报》 北大核心 2025年第5期251-259,共9页
为提高光伏阵列复合故障诊断的准确率,提出一种基于改进长鼻浣熊算法(ICOA)优化极端梯度提升(XGBoost)的故障诊断方法。首先,通过分析光伏阵列在不同故障状态下的输出特性,构建一个9维故障特征向量作为模型的输入变量。然后,将结合改进C... 为提高光伏阵列复合故障诊断的准确率,提出一种基于改进长鼻浣熊算法(ICOA)优化极端梯度提升(XGBoost)的故障诊断方法。首先,通过分析光伏阵列在不同故障状态下的输出特性,构建一个9维故障特征向量作为模型的输入变量。然后,将结合改进Circle混沌映射、Levy飞行和t分布随机扰动的ICOA算法与麻雀搜索算法(SSA)、鲸鱼优化算法(WOA)和长鼻浣熊算法(COA)相比较,其在寻优能力、稳定性和收敛速度方面展现出优越性。随后,利用改进的ICOA算法优化XGBoost模型,有效解决了模型初始化参数的设置问题。实验结果显示,结合9维故障特征向量的ICOA-XGBoost模型在故障诊断精度上达到97.23%,优于其他对比模型,证实了所提方法的可行性和有效性。 展开更多
关键词 光伏阵列 故障诊断 改进长鼻浣熊算法 极端梯度提升
在线阅读 下载PDF
基于HEOA-XGBoost组合模型的边坡稳定性预测
20
作者 祁云 白晨浩 +3 位作者 秦凯 段宏飞 李绪萍 汪伟 《中国安全科学学报》 北大核心 2025年第9期137-144,共8页
为预防边坡失稳安全事故发生,针对边坡失稳的不确定性及影响因素的复杂性等问题,提出一种基于人类进化优化算法(HEOA)优化极端梯度提升(XGBoost)的组合模型,以预测边坡稳定性。首先分析影响边坡失稳的主控因素,选取边坡岩体的6项影响因... 为预防边坡失稳安全事故发生,针对边坡失稳的不确定性及影响因素的复杂性等问题,提出一种基于人类进化优化算法(HEOA)优化极端梯度提升(XGBoost)的组合模型,以预测边坡稳定性。首先分析影响边坡失稳的主控因素,选取边坡岩体的6项影响因素建立边坡稳定性预测指标体系;其次利用极差标准化统一样本量纲,并采用合成少数类过采样技术(SMOTE)平衡样本等级分布;然后通过HEOA优化XGBoost模型的最大深度、学习率、子样本比例、列样本比例和最小损失;最后利用准确率、精确率、召回率、F_(1)分数和科恩卡帕系数综合评价所建模型的预测结果,并将该模型应用于具体工程实例。结果表明:经HEOA优化后XGBoost模型的最大深度、学习率、子样本比例、列样本比例和最小损失分别为6、0.5838、0.4615、0.5846和0.0244时效果凸显;HEOA-XGBoost组合模型预测边坡稳定性状态相比于其他智能算法优化的XGBoost模型和单一XGBoost模型,其各评价指标均有所提升,表明该模型预测边坡稳定性状态具有较高的精准度和泛化性。 展开更多
关键词 边坡稳定性 人类进化优化算法(HEOA) 极端梯度提升(xgboost) 极差标准化 合成少数类过采样技术(SMOTE)
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 … 11 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