基于BO-LightGBM算法的XLPE配电电缆绝缘状态评估

1

作者 罗正均 叶刚 +3 位作者 周箩鱼 李涛 陈楠 张志熙 《绝缘材料》 北大核心 2025年第3期131-140,共10页

为提升电缆绝缘状态评估的精度,本文提出了一种基于贝叶斯优化(BO)算法与轻量级梯度提升机(LightGBM)算法的电缆绝缘状态评估方法。首先将数据集中所有特征进行组合,形成不同的特征子集,通过遍历所有的特征子集,找到五折交叉验证的准确... 为提升电缆绝缘状态评估的精度,本文提出了一种基于贝叶斯优化(BO)算法与轻量级梯度提升机(LightGBM)算法的电缆绝缘状态评估方法。首先将数据集中所有特征进行组合,形成不同的特征子集,通过遍历所有的特征子集,找到五折交叉验证的准确率最高所对应的特征组合,完成对输入特征的筛选。然后使用BO算法对LightGBM中的7个超参数进行寻优。最后利用本文所提出的BO-LightGBM算法完成对电缆绝缘状态的评估。结果表明:本文提出的特征子集法与主成分分析法和互信息筛选法相比能更好地提升模型表现;经过BO算法优化后,LightGBM模型的精度能得到进一步的提升,与粒子群优化算法(PSO)和遗传算法优化(GA)相比,BO算法的计算效率能在几乎相同的精度下分别提升约80%和86.9%;与其他常用机器学习算法进行对比,本文模型的相关性能指标均为最优。 展开更多

关键词 XLPE电缆 状态评估 机器学习 贝叶斯优化算法 轻量级梯度提升机算法

在线阅读 下载PDF 职称材料

基于LightGBM-SHAP的民机硬着陆可解释预测

2

作者 肖国松 刘嘉琛 +2 位作者 张元珊 董磊 陈曦 《中国安全科学学报》 CAS CSCD 北大核心 2024年第10期134-142,共9页

为预防民用飞机的硬着陆超限事件,首先,收集包含动力学变量、系统性能和其他工程参数的机载快速存取记录器(QAR)数据,开展机场航段聚类、样本平衡、统计特征提取等数据处理活动;然后,基于轻量级梯度提升机(LightGBM)模型预测民机硬着陆... 为预防民用飞机的硬着陆超限事件,首先,收集包含动力学变量、系统性能和其他工程参数的机载快速存取记录器(QAR)数据,开展机场航段聚类、样本平衡、统计特征提取等数据处理活动;然后,基于轻量级梯度提升机(LightGBM)模型预测民机硬着陆事件,并与极限梯度提升(XGBoost)、决策树(DT)、长短期记忆网络(LSTM)模型进行综合对比;最后,利用Shapley可加性解释(SHAP)算法进一步分析硬着陆事件的致因机制及各飞行参数特征对模型预测结果的影响。结果表明:所提方法不仅显示出良好的硬着陆事件预测性能,准确率、正确率和召回率分别达到99%,92%和88%,还可针对具体航段对硬着陆预测模型的决策过程提供定量的、可视化的解释信息。 展开更多

关键词 轻量级梯度提升机(lightgbm) 民用飞机 硬着陆 快速存取记录器(QAR)数据 机器学习 可解释

在线阅读 下载PDF 职称材料

融合LightGBM的ResNeXt气象目标细粒度识别方法

3

作者 欧阳彤 汪玲 +1 位作者 朱岱寅 李勇 《系统工程与电子技术》 EI CSCD 北大核心 2024年第12期4034-4043,共10页

为精确识别气象目标与混杂其中的非气象目标,提出一种融合轻量级梯度提升机(light gradient boosting machine,LightGBM)与残差网络的残差网络(residual network of residual network:next generation,ResNeXt)的气象目标识别方法。首先... 为精确识别气象目标与混杂其中的非气象目标,提出一种融合轻量级梯度提升机(light gradient boosting machine,LightGBM)与残差网络的残差网络(residual network of residual network:next generation,ResNeXt)的气象目标识别方法。首先,制作块状样本数据集,以此数据集为驱动,建立以ResNeXt为基础的气象目标识别网络模型,实现以块状数据样本为识别单位的气象目标粗粒度识别,识别精度可达99.6%以上;然后,再将此粗粒度结果与参考数据的差异值纳入LightGBM分类器,得到以雷达采样单元为识别单位的细粒度识别结果。结合实际观测数据,证明所提方法融合了LightGBM细粒度识别与ResNeXt高精度识别的能力,能够完成气象目标与杂波的判别,判别结果与参考结果高度一致。结合实际观测数据,证明所提方法融合了LightGBM细粒度识别与ResNeXt高精度识别的能力,能够完成气象目标与杂波的判别,判别结果与参考结果高度一致。 展开更多

关键词 气象雷达 气象目标识别 残差网络 轻量级梯度提升机 融合 深度学习

在线阅读 下载PDF 职称材料

基于LightGBM模型的甘肃省临夏县滑坡易发性评价

4

作者 何哲 石玉玲 +2 位作者 李富春 贾卓龙 晏长根 《水资源与水工程学报》 CSCD 北大核心 2024年第1期197-205,216,共10页

甘肃省临夏县地质环境复杂,滑坡灾害发育,对当地居民生产生活造成严重威胁,亦对工程建设的开展造成一定阻碍,因此,选取高效准确的机器学习方法对临夏县进行滑坡易发性评价具有重大意义。首先依据遥感影像和野外勘察资料,选取了1718处滑... 甘肃省临夏县地质环境复杂,滑坡灾害发育,对当地居民生产生活造成严重威胁,亦对工程建设的开展造成一定阻碍,因此,选取高效准确的机器学习方法对临夏县进行滑坡易发性评价具有重大意义。首先依据遥感影像和野外勘察资料,选取了1718处滑坡样本,遴选了滑坡灾变的16种影响因子并建立滑坡影响因子评价体系;再结合预测精度和运行时间等指标对比了轻量级梯度提升机(LightGBM)模型与主流机器学习模型的性能;最后利用混淆矩阵分级方法进行了基于LightGBM模型的临夏县滑坡易发性评价。结果表明:临夏县重要滑坡影响因子为地表植被和地形地貌因子,其中土地覆盖为最主要影响因子;LightGBM模型预测精度高达0.931,且运行速度仅为11.7 s,既能保证高精度又极大提升了运行效率;在抽稀后的数据集上,LightGBM模型的预测表现、校准程度和分级结果均优于随机森林(RF)模型;混淆矩阵分级法的较高和高易发区内滑坡分布更为集中,在14.94%的区域内分布着86.86%的滑坡灾害点。滑坡易发性评价结果较好地反映了研究区内滑坡分布发育情况,可为当地工程建设及防灾减灾工作提供一定指导。 展开更多

关键词 滑坡 易发性评价 轻量级梯度提升机 机器学习 甘肃省临夏县

在线阅读 下载PDF 职称材料

基于Bayesian-LightGBM模型的粮食产量预测研究 被引量：4

5

作者 陈晓玲 张聪 黄晓宇 《中国农机化学报》 北大核心 2024年第6期163-169,共7页

目前用于粮食产量预测模型如灰色关联模型普遍存在训练速度较慢、预测精度较低等问题。为解决该问题,以轻量级梯度提升机(LightGBM)模型为基础,将其损失函数修正为Huber损失函数,同时引入贝叶斯优化算法确定出最优超参数组合并输入该模... 目前用于粮食产量预测模型如灰色关联模型普遍存在训练速度较慢、预测精度较低等问题。为解决该问题,以轻量级梯度提升机(LightGBM)模型为基础,将其损失函数修正为Huber损失函数,同时引入贝叶斯优化算法确定出最优超参数组合并输入该模型。以广西的早、晚水稻产量及16个粮食产量影响因素为数据集进行仿真试验,结果表明:基于线性回归的预测模型的平均绝对值误差为1.255,基于决策树的预测模型的平均绝对值误差为0.426,基于随机森林的预测模型的平均值误差为0.315,基于Bayesian-LightGBM的预测模型的平均绝对值误差为0.049。相比其他预测模型,Bayesian-LightGBM粮食产量预测模型能够更有效地实现粮食产量预测,预测精度更高。 展开更多

关键词 粮食产量预测 粮食安全 轻量级梯度提升机 贝叶斯优化

在线阅读 下载PDF 职称材料

基于LightGBM算法和出行链理论的电动汽车充电负荷多时间尺度预测模型 被引量：1

6

作者 庞松岭 范凯迪 +1 位作者 陈超 窦洁 《汽车技术》 CSCD 北大核心 2024年第6期9-16,共8页

为提高电动汽车充电负荷预测的准确性,设计了一种基于轻量级梯度提升机(LightGBM)算法和出行链理论的电动汽车充电负荷多时间尺度预测模型。利用出行链描述用户出行过程,采用蒙特卡洛法抽取时空数据,计算不同区域出行和停留时间的概率... 为提高电动汽车充电负荷预测的准确性,设计了一种基于轻量级梯度提升机(LightGBM)算法和出行链理论的电动汽车充电负荷多时间尺度预测模型。利用出行链描述用户出行过程,采用蒙特卡洛法抽取时空数据,计算不同区域出行和停留时间的概率密度函数,采用牛顿法划分多时间尺度充电概率,明确驾驶时空分布与充电状况,并运用模糊数学定理与LightGBM分类充电负荷数据,构建了多季节多时段预测模型。采用LightGBM高效并行计算模式,明确充电负荷变化规律,实现了多时间尺度预测。试验结果表明:所建立的模型在不同季节和电动汽车数量条件下,预测误差低于100 kW,预测空报率低于3%,可准确展现充电负荷的变化规律。 展开更多

关键词 轻量级梯度提升机 出行链理论 充电负荷 多时间尺度 预测模型

在线阅读 下载PDF 职称材料

基于LightGBM的电动汽车行驶工况下电池剩余使用寿命预测 被引量：25

7

作者 肖迁 焦志鹏 +2 位作者 穆云飞 陆文标 贾宏杰 《电工技术学报》 EI CSCD 北大核心 2021年第24期5176-5185,共10页

行驶工况下电动汽车锂离子电池剩余使用寿命(RUL)衰退情况复杂,准确的RUL预测可为电池的定期维护和安全稳定运行提供指导,避免安全隐患。为此,该文提出一种适用于行驶工况下电动汽车电池的RUL预测方法。首先,针对行驶工况,提出一种基于... 行驶工况下电动汽车锂离子电池剩余使用寿命(RUL)衰退情况复杂,准确的RUL预测可为电池的定期维护和安全稳定运行提供指导,避免安全隐患。为此,该文提出一种适用于行驶工况下电动汽车电池的RUL预测方法。首先,针对行驶工况,提出一种基于轻量型梯度提升机(LightGBM)的RUL预测模型,利用元学习超参数优化方法对其进行超参数调优;其次,搭建行驶工况下电池全生命周期容量测试系统,模拟行驶工况下电池所受振动应力、充放电应力环境和测试电池容量衰退情况;然后,基于动态时间规整对容量衰退的相似性分析结果,使用生成对抗网络(GAN)生成新的容量序列;最后,通过实验数据验证所提模型和生成容量序列的有效性。 展开更多

关键词 电动汽车 行驶工况 锂离子电池 剩余使用寿命 轻量型梯度提升机

在线阅读 下载PDF 职称材料

基于机器学习算法模型的焊接接头疲劳寿命预测

8

作者 徐梦悦 齐红宇 +2 位作者 李少林 石多奇 杨晓光 《航空发动机》 北大核心 2025年第1期96-102,共7页

焊接接头具有非均匀的微观组织和梯度过渡的力学性能及随机分布的焊接缺陷等特征,相较于其他结构更容易产生疲劳断裂,特别是焊接接头的疲劳载荷下的强度和寿命问题已成为工程界和学术界的研究热点。为了研究焊接接头的疲劳行为,开展了... 焊接接头具有非均匀的微观组织和梯度过渡的力学性能及随机分布的焊接缺陷等特征,相较于其他结构更容易产生疲劳断裂,特别是焊接接头的疲劳载荷下的强度和寿命问题已成为工程界和学术界的研究热点。为了研究焊接接头的疲劳行为,开展了基于随机森林(RF)模型的焊接接头疲劳寿命预测模型的全新研究。通过采用RF和轻梯度提升机(LightGBM)2种不同的机器学习算法模型对焊接接头的疲劳数据集进行分析和预测,从中选择预测性能更优的机器学习模型;通过比较在不同几何形状下疲劳寿命的预测结果,评估几何形状对机器学习模型预测性能的影响;利用RF算法对输入条件进行重要度排序,分析焊接接头疲劳寿命的影响因素;通过计算模型在不同材料下的疲劳寿命结果验证机器学习模型的泛化能力。结果表明:机器学习模型对不同几何形状的焊接接头疲劳寿命的预测效果较好,且可用于预测在不同材料下的焊接接头疲劳寿命。研究结果对焊接结构的强度设计与焊接工艺参数优化等具有重要意义。 展开更多

关键词 机器学习 随机森林算法 轻梯度提升机算法 焊接接头 疲劳寿命 几何形状 预测模型

在线阅读 下载PDF 职称材料

基于LightGBM的航班延误多分类预测 被引量：34

9

作者 丁建立 孙玥 《南京航空航天大学学报》 CAS CSCD 北大核心 2021年第6期847-854,共8页

航班延误是民航业的一大难题,提前对航班的延误情况进行预测,以采取合理的应对措施,对缓解航班延误产生的负面影响有着重要意义。为提升预测性能,提出一种基于轻量级梯度提升机(Light gradient boosting machine,LightGBM)的航班延误多... 航班延误是民航业的一大难题,提前对航班的延误情况进行预测,以采取合理的应对措施,对缓解航班延误产生的负面影响有着重要意义。为提升预测性能,提出一种基于轻量级梯度提升机(Light gradient boosting machine,LightGBM)的航班延误多分类预测模型。该模型结合航班信息与天气信息,运用方差过滤与递归特征消除进行特征筛选,并采用合成少数过采样技术(Synthetic minority oversampling technique,SMOTE)与Tomek Link对数据进行不平衡处理,最后使用LightGBM进行建模,实现对航班延误时长的多分类预测。为验证模型的合理性,将所提模型与其他先进算法构建的模型进行对比。实验结果表明,所提模型在各种预测性能指标上结果更优,将预测精度提升至90%以上,同时大幅度降低了训练时间成本。 展开更多

关键词 航班延误 预测模型 轻量级梯度提升机 贝叶斯调参

在线阅读 下载PDF 职称材料

蝴蝶搜索与动态反向学习柯西变异的白鲸优化算法 被引量：2

10

作者 张莉 张小庆 +3 位作者 孙民民 李娜 宋一佳 曾竣哲 《计算机工程与应用》 北大核心 2025年第10期96-110,共15页

针对白鲸优化算法(beluga whale optimization,BWO)收敛速度慢、无法跳出局部最优位置的不足,提出了一种基于蝴蝶搜索与动态反向学习柯西变异的改进白鲸优化算法(MY beluga whale optimization,MYBWO)。引入非线性平衡因子,更好地平衡... 针对白鲸优化算法(beluga whale optimization,BWO)收敛速度慢、无法跳出局部最优位置的不足,提出了一种基于蝴蝶搜索与动态反向学习柯西变异的改进白鲸优化算法(MY beluga whale optimization,MYBWO)。引入非线性平衡因子,更好地平衡算法的全局勘探和局部开发能力;在全局勘探阶段引入蝴蝶搜索机制,丰富种群多样性,提高最优解的搜索概率;在局部开发阶段融合动态反向学习和柯西变异策略,在扩大种群搜索范围的同时增强算法跳出局部最优的能力。通过选取寻优特征各异的CEC2005和CEC2019测试函数进行仿真实验,结果表明:与选取的几种对比算法相比,MYBWO算法寻优精度更高,收敛更快,有效解决了算法易停滞于局部最优的不足。为了验证改进算法的实用性,将MYBWO算法应用于优化LightGBM模型,建立新的空气质量预测模型,实验结果证明该模型的预测精度和稳定性得到了稳步提升。 展开更多

关键词 白鲸优化算法(BWO) 蝴蝶算法 柯西变异 动态反向学习 轻量梯度提升机(lightgbm)

在线阅读 下载PDF 职称材料

基于边界自适应SMOTE和Focal Loss函数改进LightGBM的信用风险预测模型 被引量：10

11

作者 陈海龙 杨畅 +1 位作者 杜梅 张颖宇 《计算机应用》 CSCD 北大核心 2022年第7期2256-2264,共9页

针对信用风险评估中数据集不平衡影响模型预测效果的问题,提出一种基于边界自适应合成少数类过采样方法(BA-SMOTE)和利用FocalLoss函数改进LightGBM损失函数的算法(FLLightGBM)相结合的信用风险预测模型。首先,在边界合成少数类过采样(B... 针对信用风险评估中数据集不平衡影响模型预测效果的问题,提出一种基于边界自适应合成少数类过采样方法(BA-SMOTE)和利用FocalLoss函数改进LightGBM损失函数的算法(FLLightGBM)相结合的信用风险预测模型。首先,在边界合成少数类过采样(Borderline-SMOTE)的基础上,引入自适应思想和新的插值方式,使每个处于边界的少数类样本生成不同数量的新样本,并且新样本的位置更靠近原少数类样本,以此来平衡数据集;其次,利用FocalLoss函数来改进LightGBM算法的损失函数,并以改进的算法训练新的数据集以得到最终结合BA-SMOTE方法和FLLightGBM算法建立的BA-SMOTE-FLLightGBM模型;最后,在LendingClub数据集上进行信用风险预测。实验结果表明,与其他不平衡分类算法RUSBoost、CUSBoost、KSMOTE-AdaBoost和AK-SMOTE-Catboost相比,所建立的模型在G-mean和AUC两个指标上都有明显的提升,提升了9.0%~31.3%和5.0%~14.1%。以上结果验证了所提出的模型在信用风险评估中具有更好的违约预测效果。 展开更多

关键词 信用风险 不平衡数据 过采样 lightgbm FocalLoss

在线阅读 下载PDF 职称材料

轻梯度提升机算法的发展与应用 被引量：1

12

作者 魏佳妹 袁书娟 +2 位作者 孔闪闪 杨爱民 赵晨颖 《计算机工程与应用》 北大核心 2025年第5期32-42,共11页

轻梯度提升机算法(light gradient boosting machine,LightGBM)是机器学习领域中比较强大的算法之一,LightGBM采用高效的树学习算法,以更快地训练模型,其独特的直方图分桶方法和基于梯度的单边叶子生长技术降低了内存的使用和计算成本。... 轻梯度提升机算法(light gradient boosting machine,LightGBM)是机器学习领域中比较强大的算法之一,LightGBM采用高效的树学习算法,以更快地训练模型,其独特的直方图分桶方法和基于梯度的单边叶子生长技术降低了内存的使用和计算成本。LightGBM被广泛应用于医疗、自然语言处理、金融、工业制造等领域。然而,LightGBM在高维数据处理、类别特征处理、模型解释性等方面仍面临许多挑战。目前,解决这些问题的方法主要集中在特征工程、可视化、模型混合等方面,并取得了很好的效果。介绍了决策树家族的相关算法原理和变体研究;对LightGBM的原理、优缺点进行梳理,归纳出算法所面临的挑战,并指出LightGBM未来的研究热点和难点;对LightGBM的发展进行了总结和展望。 展开更多

关键词 轻梯度提升机算法 决策树 集成学习 机器学习

在线阅读 下载PDF 职称材料

基于卷积神经网络与轻量级梯度提升树组合模型的电力行业短期以电折碳方法

13

作者 曾金灿 何耿生 +3 位作者 李姚旺 杜尔顺 张宁 朱浩骏 《上海交通大学学报》 北大核心 2025年第6期746-757,共12页

电力行业是碳排放的重点控排行业,准确、实时的电力行业碳排放计量是支撑其降碳减排的基础.目前,电力行业的碳排放计量主要基于实测法或核算法,难以很好地兼顾低计量成本与实时计量能力.为此,充分考虑电力行业良好的电力数据基础,挖掘电... 电力行业是碳排放的重点控排行业,准确、实时的电力行业碳排放计量是支撑其降碳减排的基础.目前,电力行业的碳排放计量主要基于实测法或核算法,难以很好地兼顾低计量成本与实时计量能力.为此,充分考虑电力行业良好的电力数据基础,挖掘电-碳间的相关关系,以电力历史数据为基础,基于机器学习方法提出一种电力行业短期以电折碳方法,实时估算电力行业短期碳排放情况.该方法使用卷积神经网络进行特征提取,并采用轻量级梯度提升树算法开展基于特征提取值的碳排放测算.此外,为了提升模型的泛化能力和鲁棒性,在模型训练中采用K折交叉验证技术,在模型参数优化过程中采用网格搜索技术.最后,为了验证所提模型的有效性,对比所提模型和其他机器学习模型在同等数据集划分条件下分别基于日度数据集与小时数据集中进行训练的效果.结果表明:所提模型在效果评估和测算值与目标值分布分析中均优于其他模型,能够较好地反映电力行业的短期碳排放情况. 展开更多

关键词 以电折碳 卷积神经网络 轻量级梯度提升树算法 碳排放 机器学习 组合模型

在线阅读 下载PDF 职称材料

基于深度LightGBM集成学习模型的谷歌商店顾客购买力预测 被引量：17

14

作者 叶志宇 冯爱民 高航 《计算机应用》 CSCD 北大核心 2019年第12期3434-3439,共6页

针对轻量化梯度促进机(LightGBM)等集成学习模型只对数据信息进行一次挖掘,无法自动地细化数据挖掘粒度或通过深入挖掘得到更多的数据中潜在内部关联信息的问题,提出了深度LightGBM集成学习模型,该模型由滑动窗口和加深两部分组成。首先... 针对轻量化梯度促进机(LightGBM)等集成学习模型只对数据信息进行一次挖掘,无法自动地细化数据挖掘粒度或通过深入挖掘得到更多的数据中潜在内部关联信息的问题,提出了深度LightGBM集成学习模型,该模型由滑动窗口和加深两部分组成。首先,通过滑动窗口使得集成学习模型能够自动地细化数据挖掘粒度,从而更加深入地挖掘数据中潜在的内部关联信息,同时赋予模型一定的表示学习能力。然后,基于滑动窗口,用加深步骤进一步地提升模型的表示学习能力。最后,结合特征工程对数据集进行处理。在谷歌商店数据集上进行的实验结果表明,所提深度集成学习模型相较原始集成学习模型的预测精度高出6.16个百分点。所提方法能够自动地细化数据挖掘粒度,从而获取更多数据集中的潜在信息,并且深度LightGBM集成学习模型与传统深度神经网络相比是非神经网络的深度模型,参数更少,可解释性更强。 展开更多

关键词 机器学习 轻量化梯度促进机 数据挖掘 深度模型 集成学习 特征工程

在线阅读 下载PDF 职称材料

基于LightGBM的南太平洋长鳍金枪鱼渔场预报模型研究 被引量：5

15

作者 宫鹏 王德兴 +2 位作者 袁红春 陈冠奇 吴若有 《水产科学》 CAS CSCD 北大核心 2021年第5期762-767,共6页

长鳍金枪鱼以高经济效益、资源丰富等优点成为世界金枪鱼渔业主要捕捞目标之一,进行长鳍金枪鱼渔场预报研究,可以有效提高渔获产量,对渔业生产具有重要意义。传统的线性模型在面对复杂多变的海洋环境数据时无法准确分析其关键因子。本... 长鳍金枪鱼以高经济效益、资源丰富等优点成为世界金枪鱼渔业主要捕捞目标之一,进行长鳍金枪鱼渔场预报研究,可以有效提高渔获产量,对渔业生产具有重要意义。传统的线性模型在面对复杂多变的海洋环境数据时无法准确分析其关键因子。本研究选取2000—2015年南太平洋长鳍金枪鱼的延绳钓生产数据,结合海表温度、叶绿素a质量浓度和海面高度等海洋环境因子以及月份和经、纬度等时空数据,采用集成学习模型—轻度量化梯度促进机(LightGBM)模型进行长鳍金枪鱼渔场预报,并与朴素贝叶斯、XGBoost和BP神经网络模型进行对比。同时采用网格搜索算法获取LightGBM模型的最优参数,利用交叉验证法验证模型的稳定性。试验结果表明,利用LightGBM模型对南太平洋长鳍金枪鱼渔场的最佳预报准确率可达72.6%,对比其他模型,LightGBM模型的准确率有了显著提高。研究表明,海面高度和海面温度为南太平洋长鳍金枪鱼渔场形成的关键影响因子。 展开更多

关键词 长鳍金枪鱼 集成学习 轻度量化梯度促进机 渔场预报

在线阅读 下载PDF 职称材料

基于LightGBM的气象目标分类技术 被引量：4

16

作者 欧阳彤 汪玲 +1 位作者 朱岱寅 李勇 《雷达科学与技术》 北大核心 2023年第6期621-629,共9页

为克服传统气象目标分类算法对人为设置经验参数的依赖性,本文提出一种基于轻量级梯度提升机(Light Gradient Boosting Machine,LightGBM)的气象目标分类技术。将KVNX气象雷达获取的4个极化参量(水平反射率因子、差分反射率、相关系数... 为克服传统气象目标分类算法对人为设置经验参数的依赖性,本文提出一种基于轻量级梯度提升机(Light Gradient Boosting Machine,LightGBM)的气象目标分类技术。将KVNX气象雷达获取的4个极化参量(水平反射率因子、差分反射率、相关系数和差分相移率)作为气象目标的特征参数,结合参考分类标签,制作向量数据集,再进行预处理,生成满足模型需求的数据集。以此数据集为驱动,建立一种LightGBM算法的气象目标四分类模型,该模型可有效识别3种气象目标(中小雨、冰雹和湿雪)及杂波(生物杂波与地杂波)。最后,根据气象雷达观测测试数据集进行测试,结果表明该模型在有高效率识别速率条件下,识别准确率可达95%以上。再用KTLX雷达两次实际观测数据来验证模型通用性,结果表明LightGBM分类模型可有效完成4种气象目标识别,具有优越的鲁棒性。 展开更多

关键词 气象雷达 气象目标分类 轻量级梯度提升机 机器学习

在线阅读 下载PDF 职称材料

计及物联网数据传输速率约束的LightGBM电能质量扰动高效识别 被引量：26

17

作者 黄南天 赵文广 +4 位作者 蔡国伟 戚佳金 陈淑琦 陈庆珠 张良 《中国电机工程学报》 EI CSCD 北大核心 2021年第15期5189-5200,共12页

配电网海量电能质量数据难以通过有限数据传输速率物联网信道传输至上位系统。为此,该文提出一种计及多物联通信方式数据传输速率约束与边缘设备成本的电能质量高效边缘特征提取与扰动识别方法。首先,在边缘侧对扰动信号进行基于时域分... 配电网海量电能质量数据难以通过有限数据传输速率物联网信道传输至上位系统。为此,该文提出一种计及多物联通信方式数据传输速率约束与边缘设备成本的电能质量高效边缘特征提取与扰动识别方法。首先,在边缘侧对扰动信号进行基于时域分割的扰动特征高效提取。然后,在以Split重要度确定高维特征排序基础上,以轻量级梯度提升机(light gradient boosting machine,Light GBM)分类准确率为决策变量,开展前向特征选择,确定最优分类特征子集。最后,根据最优特征子集,构建LightGBM分类器。实验证明,该方法边缘特征提取方式较时-频分析等方法时间复杂度显著降低,且上传最优特征子集方法较上传原始信号通信数据量显著降低;同时,基于LightGBM构建的分类器可高效、准确识别包括8种复合扰动在内的17种扰动信号。该方法能够在物联通信数据传输速率约束下,满足海量电能质量扰动事件识别精度与效率需求。 展开更多

关键词 电能质量 扰动识别 边缘计算 时域分割 轻量级梯度提升机

在线阅读 下载PDF 职称材料

基于长短期记忆网络和LightGBM组合模型的短期负荷预测 被引量：92

18

作者 陈纬楠 胡志坚 +2 位作者 岳菁鹏 杜一星 齐祺 《电力系统自动化》 EI CSCD 北大核心 2021年第4期91-97,共7页

短期负荷预测是电网安全调度与平稳运行的基础,为进一步提升负荷预测的精度,提出了基于长短期记忆(LSTM)网络和轻梯度提升机(LightGBM)的组合预测模型。首先,根据LSTM网络和LightGBM模型的输入结构,将预处理后的负荷数据、温度数据、日... 短期负荷预测是电网安全调度与平稳运行的基础,为进一步提升负荷预测的精度,提出了基于长短期记忆(LSTM)网络和轻梯度提升机(LightGBM)的组合预测模型。首先,根据LSTM网络和LightGBM模型的输入结构,将预处理后的负荷数据、温度数据、日期数据以及节假日信息分别输入2个模型中,通过训练得出各自的预测结果。然后,采用最优加权组合法确定权重系数,并得出组合模型的预测值。最后,采用实际负荷数据进行算例分析,结果表明所提方法能够有效结合2种模型的优点,在保留对时序数据整体感知的同时兼顾非连续特征的有效信息,与其他模型相比具有更高的预测精度。 展开更多

关键词 短期负荷预测 长短期记忆网络 轻梯度提升机 最优加权组合法 组合模型

在线阅读 下载PDF 职称材料

基于CNN-LSTM-lightGBM组合的超短期风电功率预测方法 被引量：22

19

作者 王愈轩 刘尔佳 黄永章 《科学技术与工程》 北大核心 2022年第36期16067-16074,共8页

近年来,风电装机规模逐年增加,风电数据采集量呈现规模化增长,面对海量多维、强波动的风电数据,风电功率预测精度仍面临一定的挑战。为提高风电功率预测精度,提出了基于卷积神经网络(convolutional neural networks,CNN)-长短期记忆网络... 近年来,风电装机规模逐年增加,风电数据采集量呈现规模化增长,面对海量多维、强波动的风电数据,风电功率预测精度仍面临一定的挑战。为提高风电功率预测精度,提出了基于卷积神经网络(convolutional neural networks,CNN)-长短期记忆网络(long short-term memory,LSTM)和梯度提升学习(light gradient boosting machine,lightGBM)组合的超短期风电功率预测方法。首先,分别建立CNN-LSTM和lightGBM的风电功率超短期预测模型。其中,CNN-LSTM模型采用CNN对风电数据集进行特征处理,并将其作为LSTM模型的数据输入,从而建立CNN-LSTM融合的预测模型;然后,采用误差倒数法对CNN-LSTM和lightGBM的预测数据进行加权组合,建立CNN-LSTM-lightGBM组合的预测模型;最后,采用张北曹碾沟风电场的风电数据集,以未来4 h风电功率为预测目标,验证了组合模型的有效性。预测结果表明:相较于其他3种单一模型,组合模型具有更高的预测精度。 展开更多

关键词 卷积神经网络(CNN) 长短期记忆网络(LSTM) 梯度提升学习(lightgbm) 组合模型 风电功率预测

在线阅读 下载PDF 职称材料

基于LightGBM算法的边坡稳定性预测研究 被引量：25

20

作者 张凯 张科 《中国安全科学学报》 CAS CSCD 北大核心 2022年第7期113-120,共8页

为减少边坡失稳造成的灾害和事故,提出基于轻量级梯度提升机(LightGBM)算法的边坡稳定性预测模型;将容重、黏聚力、内摩擦角、边坡角、边坡高度和孔隙压力比6个主要影响因素作为模型的输入,将边坡稳定性作为模型的输出;引入基于混淆矩... 为减少边坡失稳造成的灾害和事故,提出基于轻量级梯度提升机(LightGBM)算法的边坡稳定性预测模型;将容重、黏聚力、内摩擦角、边坡角、边坡高度和孔隙压力比6个主要影响因素作为模型的输入,将边坡稳定性作为模型的输出;引入基于混淆矩阵的分类性能度量指标和被试工作特性曲线线下面积(AUC),评估模型的泛化性能。结果表明:提出的边坡稳定性预测模型能很好地描述影响因素与边坡稳定性之间复杂的非线性关系;与其他算法相比,LightGBM算法的F_(1)-Score和AUC分别为0.92和0.91,分别提高1.10%~61.40%和1.11%~28.17%;相较于0-均值归一化和反正切归一化,考虑正负相关性的最大值和最小值归一化更适合作为LightGBM模型的前处理方法;通过改变训练数据集长度,进行单因素分析,发现模型的泛化性能与训练数据集长度呈正相关关系。 展开更多

关键词 轻量级梯度提升机(lightgbm) 边坡稳定性 机器学习算法 混淆矩阵 归一化

在线阅读 下载PDF 职称材料