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66篇文章
< 1 2 … 4 >
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：
深埋长大隧道地温预测的机器学习算法对比研究 被引量：1
1
作者 周权 罗锋 +1 位作者 柴波 周爱国 《安全与环境工程》 北大核心 2025年第1期137-147,共11页
地热对隧道施工、工程结构及运营安全等均有较大的危害,随着我国基础设施建设布局西移,隧道建设的地质条件愈发复杂,隧道埋深和长度不断增加,隧道施工期高温热害问题频发。针对传统地温预测方法中预测精度不高、数据运用不充分,单一机... 地热对隧道施工、工程结构及运营安全等均有较大的危害,随着我国基础设施建设布局西移,隧道建设的地质条件愈发复杂,隧道埋深和长度不断增加,隧道施工期高温热害问题频发。针对传统地温预测方法中预测精度不高、数据运用不充分,单一机器学习模型解译性差等问题,以A隧道为研究对象,将决策树(decision tree,DT)、支持向量机(support vector machine,SVM)、随机森林(random forest,RF)进行耦合,提出了基于DT-SVM-RF模型的深埋长大隧道地温预测方法。在分析隧道综合测井、地应力及岩石热物理试验、航空物探数据后,选取深度、声波波速等10个影响因子作为模型的输入,采用随机交叉验证和空间交叉验证对模型的鲁棒性、泛化能力进行检验,构建LASSO回归、随机森林、互信息3种回归模型,分析10个影响因子的特征重要性排序。结果表明:在测试集上多元线性回归、支持向量机、人工神经网络和决策树-支持向量机-随机森林(decision tree-support vector machinerandom forest,DT-SVM-RF)模型决定系数(R^(2))分别为0.76、0.91、0.88、0.93,均方误差MSE分别为17.64、6.25、8.46、5.20,DT-SVM-RF模型具有相对更优的预测性能,深度、岩石导温系数、岩石导热系数、最大水平主应力特征较为重要,说明DT-SVM-RF模型能有效地提高地温预测的准确率。研究结果可为类似隧道地温预测提供一种精度更高的可行新思路。 展开更多
关键词 隧道热害 隧道安全 多元线性回归 支持向量机(SVM) 随机森林(RF) 人工神经网络(ANN) 特征选择
在线阅读 下载PDF
基于岩石地球化学数据和机器学习的安徽铜(金)矿成矿岩体判别
2
作者 刘建敏 张玉玲 +2 位作者 陈义华 王飞翔 闫峻 《大地构造与成矿学》 北大核心 2025年第5期1217-1230,共14页
数据驱动的岩体成矿属性分析具有独特优势,能够为成矿潜力评价提供理论支持,为矿床勘查提供新的方向。安徽省作为铜(金)矿产的重要产区,其铜(金)矿的形成与区内晚中生代岩浆岩密切相关。本文收集了1155条公开发表的全岩地球化学数据,基... 数据驱动的岩体成矿属性分析具有独特优势,能够为成矿潜力评价提供理论支持,为矿床勘查提供新的方向。安徽省作为铜(金)矿产的重要产区,其铜(金)矿的形成与区内晚中生代岩浆岩密切相关。本文收集了1155条公开发表的全岩地球化学数据,基于这些数据构建了数据变量,并进一步通过支持向量机(SVM)、随机森林(RF)和前馈神经网络(FNN)三种机器学习模型,对成铜(金)矿和不成铜(金)矿岩体进行判别。通过模型的准确率提取了铜(金)矿的特征变量,发现大多特征变量与Sr、Rb、Th等元素及它们的比值有关。具体表现为,相对于铜(金)不成矿岩体,铜(金)成矿岩体具有Rb含量低、Sr含量高、Rb/Sr值低、Sr/Th和Sr/Yb值高的特点。利用机器学习模型对马厂、上腰铺、瓦屋刘、牌楼、周冲、茂林和仙霞这些晚中生代未知成矿属性的岩体进行了成矿潜力评价。结果显示马厂和上腰铺岩体成铜(金)矿潜力较高,而茂林、仙霞和牌楼岩体成铜(金)矿潜力较低,瓦屋刘和周冲岩体具有一定的成矿潜力。本次研究表明基于地球化学数据和机器学习建立的模型能够有效提取目标矿床的特征变量,并为成矿岩体的判别提供科学依据,为后续矿床勘探提供决策支持。相关机器学习代码已公开在GitHub上,链接地址为:https://github.com/liujmhf/geochemistry。 展开更多
关键词 机器学习 随机森林 支持向量机 前馈神经网络 地球化学数据 成矿潜力
在线阅读 下载PDF
基于CNN-BiLSTM双通道特征融合的PEMFC水淹故障识别方法 被引量：3
3
作者 赵旭阳 袁裕鹏 +2 位作者 童亮 朱小芳 李骁 《太阳能学报》 北大核心 2025年第4期30-38,共9页
为及时准确地识别质子交换膜燃料电池(PEMFC)水淹故障,提出基于卷积神经网络(CNN)和双向长短期记忆网络(BiLSTM)双通道特征融合的PEMFC水淹故障识别方法。首先,采用归一化消除原始特征之间的量纲;在此基础上利用随机森林(RF)评估数据的... 为及时准确地识别质子交换膜燃料电池(PEMFC)水淹故障,提出基于卷积神经网络(CNN)和双向长短期记忆网络(BiLSTM)双通道特征融合的PEMFC水淹故障识别方法。首先,采用归一化消除原始特征之间的量纲;在此基础上利用随机森林(RF)评估数据的特征重要性进行特征筛选;采用并联式结构将CNN与BiLSTM结合分别提取空间特征和时间特征并进行串联融合;最后利用支持向量机(SVM)进行水淹故障识别。实例分析表明,所提方法可快速准确地识别PEMFC的正常状态和水淹故障,总体分类准确率为99.08%,测试用时为0.0929 s,可有效提高故障分类的准确率。 展开更多
关键词 质子交换膜燃料电池 故障诊断 卷积神经网络 长短时记忆网络 随机森林 支持向量机
在线阅读 下载PDF
基于不同机器学习算法伊犁绢蒿荒漠草地主要地物的高光谱分类 被引量：1
4
作者 李文雄 靳瑰丽 +4 位作者 刘文昊 马建 李嘉欣 王生菊 陈梦甜 《草业科学》 北大核心 2025年第1期35-43,共9页
机器学习算法广泛应用于光谱分类领域,不同算法模型的选择将直接影响地物的分类效果。本研究以伊犁绢蒿荒漠草地的3类主要地物伊犁绢蒿(Seriphidium transiliense)、角果藜(Ceratocarpus arenarius)及土壤为分类对象,在植被生长旺盛期... 机器学习算法广泛应用于光谱分类领域,不同算法模型的选择将直接影响地物的分类效果。本研究以伊犁绢蒿荒漠草地的3类主要地物伊犁绢蒿(Seriphidium transiliense)、角果藜(Ceratocarpus arenarius)及土壤为分类对象,在植被生长旺盛期采集草地植被群落高光谱数据,通过分析不同地物的光谱反射率差异,筛选出特征波段代入最佳指数因子(OIF)并合成假彩色图像,采用随机森林(RF)、支持向量机(SVM)、人工神经网络(ANN)3种不同机器学习算法建立分类模型进行研究。结果表明:1)植物光谱反射率在可见光波段呈现出倒“U”型趋势,在近红外波段开始骤升,出现“红边”现象;土壤的光谱反射率变化趋势较为稳定,随波长增加而逐渐上升。2)利用OIF计算出的最佳分类波段组合为499.69、535.78、633.28 nm,OIF值为0.10。3)3种不同的机器学习算法的总体分类精度均大于90%,随机森林算法分类模型精度最高,总体精度达到97.54%,Kappa系数为0.95;不同算法下3类地物的分类精度表现为土壤>伊犁绢蒿>角果藜。总体而言,采用随机森林算法对伊犁绢蒿草荒漠地主要地物分类效果最佳。 展开更多
关键词 伊犁绢蒿 高光谱 草地监测 随机森林 支持向量机 人工神经网络
在线阅读 下载PDF
基于机器学习的海上风电场浅部地层CPT参数预测方法
5
作者 李书兆 魏澈 +4 位作者 申辰 孙国栋 杨叶涛 罗进华 王教龙 《热带海洋学报》 北大核心 2025年第4期14-24,共11页
海上风电平台的建设,迫切需要利用海底的地质工程资料,提高地质参数预测的计算效率和准确率。静力触探试验(cone penetration testing,CPT)数据具有独特优势,在海上风电场地质参数建模中具有重要作用。传统的CPT参数预测主要采用贝叶斯... 海上风电平台的建设,迫切需要利用海底的地质工程资料,提高地质参数预测的计算效率和准确率。静力触探试验(cone penetration testing,CPT)数据具有独特优势,在海上风电场地质参数建模中具有重要作用。传统的CPT参数预测主要采用贝叶斯、克里金插值等方法。本研究将支持向量回归、随机森林和神经网络算法引入地质参数预测领域,融合二维地震数据的空间连续性优势和静力触探数据的垂向分辨率优势,对南海莺歌海盆地的东方海上风电场浅部地层进行CPT参数预测与建模。利用误差直方图和验证散点图对3种方法的准确率进行比较,结果表明,神经网络预测结果综合性能较为优秀,支持向量回归模型预测结果较为简单。由于随机森林方法具有截断性,预测结果最差,在水平方向出现了突变。本研究可以为海底地质岩土参数预测提供一种新的研究思路。 展开更多
关键词 静力触探试验 参数预测 随机森林 支持向量回归 神经网络
在线阅读 下载PDF
基于机器学习的肺结核肺炎患者判别分析研究
6
作者 常敏丽 由淑萍 +2 位作者 陈晓蝶 陈志斐 郑彦玲 《安徽医科大学学报》 北大核心 2025年第3期507-514,共8页
目的探讨机器学习方法在肺结核患者判别中的可行性。方法从某三甲医院获取860例患者的15个观测指标数据。通过深入挖掘分析数据,采用支持向量机、随机森林及神经网络方法对患者所患疾病做判别分析。结果基于支持向量机、随机森林和神经... 目的探讨机器学习方法在肺结核患者判别中的可行性。方法从某三甲医院获取860例患者的15个观测指标数据。通过深入挖掘分析数据,采用支持向量机、随机森林及神经网络方法对患者所患疾病做判别分析。结果基于支持向量机、随机森林和神经网络建立的肺结核可疑患者判别模型准确率分别为90%、91%和88%。结论3种机器学习方法均可用于肺结核可疑患者的判别分析。相比较而言,随机森林在肺结核患者与肺炎患者的判别上表现更优。 展开更多
关键词 肺结核 肺炎 支持向量机 随机森林 神经网络
在线阅读 下载PDF
基于机器学习的富硒土壤预测模型的构建与比较——以江西省信丰县油山地区为例
7
作者 杨兰 王运 +4 位作者 邹勇军 胡宝群 李满根 张安 朱满怀 《吉林大学学报(地球科学版)》 北大核心 2025年第5期1629-1643,共15页
利用未知硒数据快速、高效、精准地圈定富硒土壤,需构建预测富硒土壤的最佳模型。从1 277个1∶5万表层土壤的地球化学数据中选取502个数据组成数据集,以w(Zn)、w(K_(2)O)、w(P)、w(Mo)、w(Mn)、w(Cr)、pH、D(泥盆系)为自变量,以是否富S... 利用未知硒数据快速、高效、精准地圈定富硒土壤,需构建预测富硒土壤的最佳模型。从1 277个1∶5万表层土壤的地球化学数据中选取502个数据组成数据集,以w(Zn)、w(K_(2)O)、w(P)、w(Mo)、w(Mn)、w(Cr)、pH、D(泥盆系)为自变量,以是否富Se为因变量,运用SPSS Modeler 18软件构建二元Logistic回归模型、多层感知器神经网络模型、随机森林模型及支持向量机模型(包括线性、多项式、径向基和Sigmoid核函数),并通过35组土壤样品实测数据进行验证。结果表明:二元Logistic回归模型、多层感知器神经网络模型、随机森林模型及(线性、多项式、径向基、Sigmoid)支持向量机模型的预测准确率和验证总体准确率分别为88.8%和94.3%、91.0%和97.1%、96.6%和97.1%、87.9%和97.1%、86.1%和94.3%、86.9%和94.3%、80.3%和91.4%;以上模型的曲线下面积(AUC)值分别为0.948、0.950、0.993、0.937、0.945、0.928和0.873,随机森林模型的准确率和稳定性最佳。同时,本次研究发现了清洁富硒土壤及绿色富硒山稻,表明该方法在富硒土壤预测中具有可行性,且可进一步拓展到地质找矿及环境监测等领域。 展开更多
关键词 富硒土壤 机器学习 二元Logistic回归模型 多层感知器神经网络模型 随机森林模型 支持向量机模型
在线阅读 下载PDF
紫外光谱结合机器学习算法的祛痘类化妆品中4种禁用抗感染类药物快速筛查
8
作者 向健华 芦丽 +1 位作者 方方 石心红 《分析测试学报》 北大核心 2025年第6期1096-1106,共11页
基于紫外光谱结合机器学习算法,以甲硝唑、酮康唑、氯霉素和诺氟沙星4种常见禁用抗感染类药物为模型物质,建立了一种适用于祛痘类化妆品中非法添加禁用药物的快速筛查定性模型。该研究共采集167批祛痘类化妆品的紫外光谱,采用二维相关光... 基于紫外光谱结合机器学习算法,以甲硝唑、酮康唑、氯霉素和诺氟沙星4种常见禁用抗感染类药物为模型物质,建立了一种适用于祛痘类化妆品中非法添加禁用药物的快速筛查定性模型。该研究共采集167批祛痘类化妆品的紫外光谱,采用二维相关光谱(2D-COS)进行紫外光谱特征波段选择,通过对比22种光谱预处理方法、3种机器学习算法、3种数据集划分比例下各模型的效果,建立了分别含甲硝唑、酮康唑、氯霉素、诺氟沙星的阳性样品和阴性样品的五分类定性模型。结果表明,选择190~360 nm的紫外光谱,经标准正态变量变换(SNV)和Savitzky-Golay卷积平滑(SG)联合处理,选用训练集与预测集划分比例7∶3,采用误差逆传播(BP)神经网络算法建立定性分类模型时,模型训练集与预测集的准确率分别可达96.58%和98.00%,具有良好的预测与泛化能力。此方法能有效对化妆品中4种禁用抗感染药物进行快速准确筛查鉴别,不仅节省了检测成本与时间,提高了检测效率,为化妆品中非法添加禁用物质的检测提供了一种新型智能化的手段,也为未来不断更新迭代的非法添加禁用物质的快速筛查提供了新的思路和解决方案,且可助力现场快检。 展开更多
关键词 紫外光谱 化妆品 误差逆传播神经网络 随机森林 支持向量机 二维相关光谱
在线阅读 下载PDF
基于集成学习的矿山能耗预测与异常检测方法
9
作者 索智文 贾美玲 +2 位作者 闫明 屈波 周超逸 《金属矿山》 北大核心 2025年第7期189-194,共6页
随着矿山自动化和智能化的不断发展,智慧矿山已成为矿山行业转型升级的重要方向。能耗优化和异常检测是智慧矿山建设中的关键环节,对矿山安全生产和经济效益至关重要。提出了一种基于集成学习策略的矿山能耗预测与异常检测方法。首先,... 随着矿山自动化和智能化的不断发展,智慧矿山已成为矿山行业转型升级的重要方向。能耗优化和异常检测是智慧矿山建设中的关键环节,对矿山安全生产和经济效益至关重要。提出了一种基于集成学习策略的矿山能耗预测与异常检测方法。首先,构建了一个基于集成学习的能耗预测模型。该模型利用历史能耗数据和实时监测数据,通过集成支持向量机、随机森林和神经网络等算法,对矿山能耗进行实时预测和优化。其次,提出了一种基于集成学习的异常检测方法。该方法将孤立森林、局部异常因子和自编码器等算法进行集成,对矿山能耗数据进行异常检测。将所提方法应用于某矿山,结果表明:与单一方法相比,该方法可以有效降低矿山能耗,提高异常检测的准确性,为矿山智能化建设提供了技术支持。 展开更多
关键词 智慧矿山 集成学习 异常检测 支持向量机 随机森林 神经网络
在线阅读 下载PDF
真空冷冻干燥工艺优化及其品质预测
10
作者 吴兰 赵杨 《食品与发酵工业》 北大核心 2025年第16期257-262,共6页
真空冷冻干燥技术(简称“冻干”)能够有效防止热敏性物质的分解,最大程度地保留食品的营养、色泽和形态。然而,冻干各阶段的终点难以准确确定,市场上普遍采用延长干燥时间来确保干燥程度,这种做法往往会导致最终产品品质下降。该文以火... 真空冷冻干燥技术(简称“冻干”)能够有效防止热敏性物质的分解,最大程度地保留食品的营养、色泽和形态。然而,冻干各阶段的终点难以准确确定,市场上普遍采用延长干燥时间来确保干燥程度,这种做法往往会导致最终产品品质下降。该文以火龙果为例,旨在优化真空冷冻干燥工艺,改善产品品质。通过正交试验设计,采用极差分析法深入探讨了冷冻温度、真空度、升华温度和解析温度等关键工艺参数对产品感官品质的影响,并依据得到的最佳感官品质工艺参数组合,进行验证实验;对比分析反向传播(back propagation,BP)神经网络、支持向量回归模型和随机森林回归模型对正交试验数据的拟合效果,由于模型需要大量样本数据进行训练,因此该研究增加了虚拟样本。结果显示,对感官品质的影响顺序为解析温度>火龙果厚度>真空度>冷冻温度>升华温度。BP神经网络的拟合效果最好,经验证,火龙果的冷冻时间为36 min,真空时间为11 min,升华时间为784 min,解析时间为111 min,品质评分为14.12,5个指标的预测值均接近测量值,相对误差最高为6.57%。 展开更多
关键词 真空冷冻干燥 正交试验 BP神经网络 支持向量回归模型 随机森林回归模型
在线阅读 下载PDF
雅砻江流域中长期径流预报
11
作者 李梦杰 刘琨 +2 位作者 董义阳 殷兆凯 梁犁丽 《南水北调与水利科技(中英文)》 北大核心 2025年第S1期14-19,共6页
以金沙江支流—雅砻江流域甘孜、雅江、泸宁、桐子林4个水文站点为研究对象,将前期径流、ENSO、IOD以及PDO作为预报变量,采用随机森林(RF)、相关向量机(RVM)以及长短期记忆神经网络(LSTM)3种算法,构建预见期13个月的逐月径流递归预报模... 以金沙江支流—雅砻江流域甘孜、雅江、泸宁、桐子林4个水文站点为研究对象,将前期径流、ENSO、IOD以及PDO作为预报变量,采用随机森林(RF)、相关向量机(RVM)以及长短期记忆神经网络(LSTM)3种算法,构建预见期13个月的逐月径流递归预报模型。此外,利用LSTM算法开发了多输出预报模型,并深入探讨不同预报因子对LSTM多输出预报模型性能的影响。结果表明:基于RF的递归预报模型效果最佳,位于研究流域上游的甘孜站点使用前期径流及ENSO作为预报因子时效果最佳,其余位于中下游的3个站点使用前期径流作为预报因子时效果最佳,引入IOD和PDO作为预报因子,并未有效提升预报的准确性。 展开更多
关键词 中长期径流预报 随机森林 相关向量机 长短期记忆神经网络 递归预报模型 多输出预报模型
在线阅读 下载PDF
基于机器学习的“一带一路”投资国别风险预测研究 被引量：3
12
作者 向鹏成 高天 +1 位作者 段旭 李东 《工业技术经济》 CSSCI 北大核心 2024年第7期150-160,共11页
“一带一路”倡议提出十年间,中国对沿线国家的投资规模持续扩大。然而,企业在抓住机遇,进行“一带一路”沿线国家投资的同时,也需要重点关注“一带一路”投资国别风险。本文从政治、经济、社会和对华关系4个维度构建“一带一路”投资... “一带一路”倡议提出十年间,中国对沿线国家的投资规模持续扩大。然而,企业在抓住机遇,进行“一带一路”沿线国家投资的同时,也需要重点关注“一带一路”投资国别风险。本文从政治、经济、社会和对华关系4个维度构建“一带一路”投资国别风险预测指标体系;运用灰色关联分析计算样本国家的综合风险评价值;基于2012~2022年间“一带一路”沿线国家的数据,利用机器学习构建GA-BP神经网络、支持向量回归和随机森林3种预测模型;通过对比预测精度,确定最佳预测模型,利用2021年的指标数据,对2022年的投资国别风险进行预测。研究结果表明:(1)在“一带一路”投资国别风险的研究背景下,支持向量回归模型预测效果最优,证明机器学习模型能够有效应用于风险管理领域;(2)“一带一路”投资国别风险存在明显的地区差异,中东欧地区和东南亚地区投资国别风险普遍较低,而南亚地区投资国别风险普遍较高,但都存在特例。本文研究结果可为“走出去”企业在“一带一路”沿线国家的投资决策提供参考。 展开更多
关键词 “一带一路”投资 国别风险 机器学习 风险预测 GA-BP神经网络 支持向量回归 随机森林 地区差异
在线阅读 下载PDF
基于改进两步法采样策略和卷积神经网络的崩塌易发性评价 被引量：7
13
作者 邓日朗 张庆华 +4 位作者 刘伟 陈凌伟 谭建辉 高泽茂 郑先昌 《地质科技通报》 CAS CSCD 北大核心 2024年第2期186-200,共15页
机器学习在崩塌滑坡泥石流地质灾害易发性分析评价领域已得到广泛的研究性应用,非灾害样本的选取是易发性建模过程中的关键问题,传统随机抽样和手工标注方法可能存在随机性和主观性。将土质崩塌易发性评价视为正例无标记(positive and u... 机器学习在崩塌滑坡泥石流地质灾害易发性分析评价领域已得到广泛的研究性应用,非灾害样本的选取是易发性建模过程中的关键问题,传统随机抽样和手工标注方法可能存在随机性和主观性。将土质崩塌易发性评价视为正例无标记(positive and unlabeled,简称PU)学习,提出了一种结合信息量(information value,简称IV)和间谍技术(Spy)的两步卷积神经网络(convolutional neural networks,简称CNN)框架(ISpy-CNN)。以广州市黄埔区崩塌编录和15类基础环境因子,通过信息量模型筛选出部分低信息量样本;采用间谍技术训练CNN模型,从低信息量样本中识别出具有高置信度的可靠负例划分为非崩塌样本;分别基于该学习框架、传统间谍技术和随机抽样,使用支持向量机(support vector machine,简称SVM)和随机森林(random forest,简称RF)对比验证。结果表明,ISpy-CNN框架在验证集上的准确率、F1值、敏感度和特异度较随机采样分别提升了6.82%,6.82%,6.82%,8.23%,较传统Spy技术分别提升了2.86%,2.89%,2.86%,2.31%;PU学习中第2步采用CNN模型的预测精度高于RF和SVM模型;与传统Spy技术相比,增加相同数量训练样本,ISpy-CNN框架筛选的样本集表现出较高的稳定性、预测精度和增长率。本研究提出的ISpy-CNN框架能更好地辅助选取高质量非灾害样本,且崩塌易发性分区结果更符合实际的崩塌空间分布。 展开更多
关键词 崩塌 易发性评价 PU学习 间谍技术 信息量 卷积神经网络 随机森林 支持向量机
在线阅读 下载PDF
应用机器学习算法模型预测兴安落叶松地上生物量 被引量：9
14
作者 沐钊颖 张兹鹏 +1 位作者 张浩 姜立春 《东北林业大学学报》 CAS CSCD 北大核心 2024年第3期41-47,共7页
为了准确预测兴安落叶松地上生物量,以小兴安岭201株兴安落叶松地上生物量作为研究对象,以胸径(D)和树高(H)为变量,构建随机森林(RF)、人工神经网络(ANN)、支持向量回归(SVR)和梯度提升回归树(GBRT)等4种机器学习模型,并将机器学习算法... 为了准确预测兴安落叶松地上生物量,以小兴安岭201株兴安落叶松地上生物量作为研究对象,以胸径(D)和树高(H)为变量,构建随机森林(RF)、人工神经网络(ANN)、支持向量回归(SVR)和梯度提升回归树(GBRT)等4种机器学习模型,并将机器学习算法的预测结果与传统二元生物量模型的预测结果进行对比分析。结果表明:对比传统生物量模型,4种机器学习算法的拟合效果与检验精度均有了大幅度提高。模型拟合精度由高到低的顺序为随机森林、梯度提升回归树、人工神经网络、支持向量回归、传统生物量模型;RF模型在各模型中的拟合精度最高,相对于传统生物量模型,RF模型的确定系数(R~2)提升了3.72%,均方根误差(R_(MSE))降低了44.47%,平均绝对误差(M_(AE))降低了42.81%,相对误差绝对值(M_(PB))降低了42.80%,赤池信息准则值降低了18.17%。模型检验精度由高到低的顺序为随机森林、人工神经网络、梯度提升回归树、支持向量回归、传统生物量模型;RF模型在各模型中的预测精度最高,与传统生物量模型相比,RF模型的确定系数(R~2)提升了1.08%,均方根误差(R_(MSE))降低了10.95%,平均绝对误差(M_(AE))降低了10.34%,相对误差绝对值(M_(PB))降低了10.34%,赤池信息准则值降低了5.20%。因此,相对于传统生物量模型,4种机器学习算法模型均可以提高兴安落叶松地上生物量的预测精度,RF模型的预测精度最高。 展开更多
关键词 兴安落叶松 地上生物量 随机森林 人工神经网络 支持向量回归 梯度提升回归树
在线阅读 下载PDF
基于LSTM、RF、SVR三种机器学习方法的径流预测研究 被引量：10
15
作者 胡乐怡 付晓雷 +3 位作者 蒋晓蕾 章丽萍 章雨晨 钟奇 《水文》 CSCD 北大核心 2024年第5期17-24,共8页
为探究不同预报方案对机器学习模型径流预测的影响,以淮河王家坝~蒋家集~润河集区间流域为例,设计了七种径流预测方案,采用LSTM(长短期记忆神经网络)、RF(随机森林)以及SVR(支持向量回归)三种机器学习模型进行径流预测。研究结果表明:(1... 为探究不同预报方案对机器学习模型径流预测的影响,以淮河王家坝~蒋家集~润河集区间流域为例,设计了七种径流预测方案,采用LSTM(长短期记忆神经网络)、RF(随机森林)以及SVR(支持向量回归)三种机器学习模型进行径流预测。研究结果表明:(1)三种机器学习模型对降雨信息的敏感程度不同,且采用同时考虑径流影响因素以及前期历史径流的方案预测效果最佳,但随着预见期的延长,前期历史径流的重要性逐渐降低;(2)三种机器学习模型在不同预见期的径流预测表现有所差异:三种机器学习模型在预见期为1 d时预测精度均较高;当预见期为2~4 d时,SVR模型的预测效果较好;RF模型在预见期为5~7 d时预测精度较高。研究可为后续基于机器学习的径流预测提供参考。 展开更多
关键词 长短期记忆神经网络 随机森林 支持向量回归 径流预测 预见期 预报方案
在线阅读 下载PDF
基于NGO-CNN-SVM的高标准农田灌溉工程施工成本预测 被引量：6
16
作者 韩坤 王惟璐 +3 位作者 黄雪峰 李鹏海 李春生 郑俊林 《农业工程学报》 EI CAS CSCD 北大核心 2024年第14期62-72,共11页
为提高高标准农田项目施工成本的预测精度,控制施工成本在合理范围,减少投资风险,该研究从单体灌溉工程施工成本预测角度出发,通过随机森林(random forest,RF)筛选出高标准农田灌溉工程施工成本的关键影响因素,结合卷积神经网络(convolu... 为提高高标准农田项目施工成本的预测精度,控制施工成本在合理范围,减少投资风险,该研究从单体灌溉工程施工成本预测角度出发,通过随机森林(random forest,RF)筛选出高标准农田灌溉工程施工成本的关键影响因素,结合卷积神经网络(convolutional neural networks,CNN)和支持向量机(support vector machine,SVM)两种模型的优点,通过北方苍鹰优化算法(northern goshawk optimization,NGO)对模型里的惩罚因子和核参数进行寻优,构建基于NGO-CNN-SVM的施工成本预测模型。通过辽宁省2018—2023年高标准农田工程中灌溉工程的施工成本数据,选取样本决定系数R^(2)、平均绝对误差MAE、平均绝对百分比误差MAPE和均方根误差RMSE作为精度指标进行分析,结果表明:基于NGO-CNN-SVM的施工成本预测模型在渠道工程中MAE低于0.615万元,RMSE低于0.512万元,R^(2)达到0.968以上,相对误差小于4.210%;在进水闸工程中MAE低于0.610万元,RMSE低于0.536万元,R^(2)达到0.966以上,相对误差小于4.410%;在桥涵工程中MAE低于0.494万元,RMSE低于0.477万元,R^(2)达到0.970以上,相对误差小于3.548%,并相比较于反向传播神经网络,CNN和CNN-SVM模型,NGO-CNN-SVM模型的预测结果均最优。通过特征选择、模型融合、算法优化以及不同模型对比表明NGO-CNN-SVM模型具有更高的预测准确率和泛化性,可为高标准农田灌溉工程施工成本预测提供理论依据。 展开更多
关键词 高标准农田 灌溉 随机森林 北方苍鹰优化算法 卷积神经网络 支持向量机 施工成本
在线阅读 下载PDF
基于机器学习模型的多层土壤湿度反演 被引量：10
17
作者 刘娣 孙佳倩 余钟波 《河海大学学报（自然科学版）》 CAS CSCD 北大核心 2024年第3期7-14,共8页
为了获取深层土壤湿度缺测值,采用支持向量机、BP神经网络和随机森林3种机器学习算法,在表层至深层土壤中利用主成分分析法选择与土壤湿度相关性显著的气象因子作为输入数据,建立多层土壤湿度反演模型反演了不同深度的土壤湿度。结果表... 为了获取深层土壤湿度缺测值,采用支持向量机、BP神经网络和随机森林3种机器学习算法,在表层至深层土壤中利用主成分分析法选择与土壤湿度相关性显著的气象因子作为输入数据,建立多层土壤湿度反演模型反演了不同深度的土壤湿度。结果表明:随机森林模型模拟结果更加稳定,反演效果更佳;受气象因子驱动的影响,3种机器学习模型对地表0~10 cm深度内土壤湿度的反演效果更佳,对深层土壤湿度的反演效果随着深度增加而变差;增加表层土壤湿度及不同深度土壤温度作为驱动因子可以有效提高机器学习模型对深层土壤湿度的反演能力。 展开更多
关键词 土壤湿度 机器学习 支持向量机 BP神经网络 随机森林 主成分分析法
在线阅读 下载PDF
基于近红外光谱的醇化雪茄烟叶品种判别模型研究 被引量：2
18
作者 孙利 张毅 +3 位作者 孟广云 余彦 高飞 王潞 《天津农业科学》 CAS 2024年第4期82-90,共9页
为提高不同醇化后雪茄烟叶品种的判别准确性,采用多元散射校正等预处理算法对光谱数据进行去噪处理,以降低试验、环境和仪器噪音对数据的影响。结合支持向量机、BP神经网络和随机森林建立不同品种的近红外光谱判别模型,通过准确率和混... 为提高不同醇化后雪茄烟叶品种的判别准确性,采用多元散射校正等预处理算法对光谱数据进行去噪处理,以降低试验、环境和仪器噪音对数据的影响。结合支持向量机、BP神经网络和随机森林建立不同品种的近红外光谱判别模型,通过准确率和混淆矩阵评估模型性能。结果表明:采用SNV+FD预处理算法和CARS特征波长选择算法建立的模型效果最佳,在训练集和预测集上均表现出较高准确性,证实了利用近红外光谱技术快速判别不同醇化后雪茄烟叶品种的可行性。综上,利用近红外光谱技术可实现对不同品种醇化后雪茄烟叶的无损、快速判别,进一步提高雪茄烟叶工业可用性。 展开更多
关键词 雪茄烟叶 近红外光谱技术 品种判别 支持向量机 随机森林 BP神经网络
在线阅读 下载PDF
特征扩展的随机向量函数链神经网络
19
作者 龙茂森 王士同 《软件学报》 EI CSCD 北大核心 2024年第6期2903-2922,共20页
基于宽度学习的动态模糊推理系统(broad-learning-based dynamic fuzzy inference system,BL-DFIS)能自动构建出精简的模糊规则并获得良好的分类性能.然而,当遇到大型复杂的数据集时,BL-DFIS因会使用较多模糊规则来试图达到令人满意的... 基于宽度学习的动态模糊推理系统(broad-learning-based dynamic fuzzy inference system,BL-DFIS)能自动构建出精简的模糊规则并获得良好的分类性能.然而,当遇到大型复杂的数据集时,BL-DFIS因会使用较多模糊规则来试图达到令人满意的识别精度,从而对其可解释性造成了不利影响.对此,提出一种兼顾分类性能和可解释性的模糊神经网络,将其称为特征扩展的随机向量函数链神经网络(FA-RVFLNN).在该网络中,一个以原始数据为输入的RVFLNN被作为主体结构,BL-DFIS则用作性能补充,这意味着FA-RVFLNN包含具有性能增强作用的直接链接.由于主体结构的增强节点使用Sigmoid激活函数,因此,其推理过程可借助一种模糊逻辑算子(I-OR)来解释.而且,具有明确含义的原始输入数据也有助于解释主体结构的推理规则.在直接链接的支撑下,FA-RVFLNN可利用增强节点、特征节点和模糊节点学到更丰富的有用信息.实验表明:FA-RVFLNN既减缓了主体结构RVFLNN中过多增强节点带来的“规则爆炸”问题,也提高了性能补充结构BL-DFIS的可解释性(平均模糊规则数降低了50%左右),在泛化性能和网络规模上仍具有竞争力. 展开更多
关键词 宽度学习系统 模糊推理系统 特征扩展 随机向量函数链神经网络(rvflnn) Sigmoid激活函数 可解释
在线阅读 下载PDF
特发性肺纤维化肺移植受者术后严重原发性移植物功能障碍预后模型的建立
20
作者 宋志云 戴韬寅 +5 位作者 顾思佳 李小杉 黄睦容 唐诗笑 胡春晓 陈静瑜 《器官移植》 CAS CSCD 北大核心 2024年第4期591-598,共8页
目的探索性构建基于机器学习算法预测特发性肺纤维化(IPF)肺移植受者术后原发性移植物功能障碍(PGD)的预后模型。方法回顾性分析226例行肺移植手术的IPF患者的资料。所有入组患者按7∶3随机划分为训练集和测试集。利用正则化logistic回... 目的探索性构建基于机器学习算法预测特发性肺纤维化(IPF)肺移植受者术后原发性移植物功能障碍(PGD)的预后模型。方法回顾性分析226例行肺移植手术的IPF患者的资料。所有入组患者按7∶3随机划分为训练集和测试集。利用正则化logistic回归、随机森林、支持向量机和人工神经网络4种方法,通过变量筛选、构建模型、模型调优流程构建模型。使用受试者工作特征曲线下面积(AUC)、阳性预测值、阴性预测值和准确度进行模型性能评估。结果共筛选出16个关键特征用于建模。4种预后模型的AUC值均>0.7。DeLong检验和McNemar检验发现模型间性能差异无统计学意义(均为P>0.05)。结论基于4种机器学习算法初步构建了肺移植术后3级PGD的预后模型。各模型整体预测性能相似,均可对IPF患者肺移植术后3级PGD进行较好的预测。 展开更多
关键词 肺移植 特发性肺纤维化 机器学习 原发性移植物功能障碍 随机森林 LOGISTIC回归 支持向量机 人工神经网络
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 … 4 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