期刊文献+
共找到89篇文章
< 1 2 5 >
每页显示 20 50 100
Advancements in energetic metal-organic frameworks, alkali and alkaline earth metal salts, and transition metal complexes: Predictive models for detonation velocity, heat, and pressure
1
作者 Mohammad Hossein Keshavarz Nasser Hassanzadeh Mohammad Jafari 《Defence Technology(防务技术)》 2025年第7期96-112,共17页
Recent advancements have led to the synthesis of various new metal-containing explosives,particularly energetic metal-organic frameworks(EMOFs),which feature high-energy ligands within well-ordered crystalline structu... Recent advancements have led to the synthesis of various new metal-containing explosives,particularly energetic metal-organic frameworks(EMOFs),which feature high-energy ligands within well-ordered crystalline structures.These explosives exhibit significant advantages over traditional compounds,including higher density,greater heats of detonation,improved mechanical hardness,and excellent thermal stability.To effectively evaluate their detonation performance,it is crucial to have a reliable method for predicting detonation heat,velocity,and pressure.This study leverages experimental data and outputs from the leading commercial computer code to identify suitable decomposition pathways for different metal oxides,facilitating straightforward calculations for the detonation performance of alkali metal salts,and metal coordination compounds,along with EMOFs.The new model enhances predictive reliability for detonation velocities,aligning more closely with experimental results,as evi-denced by a root mean square error(RMSE)of 0.68 km/s compared to 1.12 km/s for existing methods.Furthermore,it accommodates a broader range of compounds,including those containing Sr,Cd,and Ag,and provides predictions for EMOFs that are more consistent with computer code outputs than previous predictive models. 展开更多
关键词 Metal-organic framework Alkali and alkaline earth metal salt Transition metal complexe Detonation performance Decomposition pathway predictive reliability
在线阅读 下载PDF
基于梯度提升决策树算法的电力工程造价预测模型 被引量:3
2
作者 邵帅 赵祥 +2 位作者 敖慧凝 柳禾丰 王冬 《沈阳工业大学学报》 北大核心 2025年第3期302-308,共7页
[目的]电力工程造价预测在电网企业资源优化、财务稳定、风险管理、效率提升、项目决策、政策制定、市场秩序维护和投资者决策等方面具有重要意义。针对传统预测方法综合性能较差的问题,并考虑电力工程造价数据的小样本特性,提出了一种... [目的]电力工程造价预测在电网企业资源优化、财务稳定、风险管理、效率提升、项目决策、政策制定、市场秩序维护和投资者决策等方面具有重要意义。针对传统预测方法综合性能较差的问题,并考虑电力工程造价数据的小样本特性,提出了一种基于梯度提升决策树(gradient boosting decision tree,GBDT)的预测模型,通过优化训练过程中的残差,显著提升预测精度。[方法]从自然环境和技术因素出发,深入分析了电力工程造价的影响因子,筛选出11个影响电力工程造价的关键变量。通过数据清洗、特征编码和对数变换,构建适配GBDT模型的特征工程。采用Optuna框架进行超参数调优,并利用5折交叉验证法评估模型性能。模型优化以拟合优度作为评价指标,迭代寻找最优超参数,直至满足预测精度要求或达到最大迭代次数,最终建立结合Optuna框架的梯度提升决策树预测模型。以某地区变电工程造价数据为例,90%的数据样本作为训练集和验证集,10%的数据样本作为测试集,对比分析随机森林、神经网络、GBDT和结合Optuna的GBDT模型的预测效果,通过拟合优度与均方根误差进行性能评估。[结果]实验结果显示,结合Optuna的GBDT模型预测效果优于随机森林、神经网络及GBDT算法,预测值在真实值的±10元/kVA区间浮动。在验证集上,拟合优度为0.8923,均方根误差为8.01;在测试集上,拟合优度为0.8866,均方根误差为8.09。[结论]基于GBDT的电力工程造价预测模型能够精准预测电力工程造价,相较传统方法具有更高预测精度,尤其适用于电力工程造价类的小样本数据集。结合Optuna框架进行超参数调优,进一步提升了预测效果。未来研究将引入更多样本数据,并结合神经网络算法,探索更优的预测方案,助力电网企业实现高效运营与良性发展。 展开更多
关键词 电力工程 造价预测 梯度提升决策树 残差优化 对数变换 影响因子 特征工程 Optuna框架
在线阅读 下载PDF
融合多源异构数据的ICO欺诈预测与可解释分析模型 被引量:3
3
作者 卢加荣 廖彬 +1 位作者 刘怡 陈海龙 《计算机应用研究》 北大核心 2025年第2期357-364,共8页
为了解决首次代币发行(ICO)欺诈检测研究中存在的特征建模单一、模型缺乏可解释性等问题,提出一种融合多源异构数据的ICO欺诈预测和可解释分析模型IICOFP。首先,融合ICO项目基本信息、评级分数、社交媒体等多源异构数据,通过Lasso特征... 为了解决首次代币发行(ICO)欺诈检测研究中存在的特征建模单一、模型缺乏可解释性等问题,提出一种融合多源异构数据的ICO欺诈预测和可解释分析模型IICOFP。首先,融合ICO项目基本信息、评级分数、社交媒体等多源异构数据,通过Lasso特征选择和Tomek-Link欠采样更有效地实现对ICO的特征建模;其次,基于GBDT算法训练ICO欺诈预测模型,并引入SHAP框架从多个角度分析欺诈型ICO的影响因素,有力增强模型的可解释性。实验结果表明,该模型的准确率、精确率、召回率、F 1分数和AUC值分别达到87.76%、85.37%、90.52%、87.87%和87.82%,各项性能比已有的最佳模型提高了约2%~10%,验证了融合多源异构数据进行特征建模在ICO欺诈预测中的关键作用(实验数据及代码:https://github.com/Lujiarong1203/IICOFP)。 展开更多
关键词 首次代币发行(ICO) 欺诈预测 GBDT模型 SHAP框架 可解释性
在线阅读 下载PDF
战略情报预警预测智能化方法发展
4
作者 刘鑫 王侃 +2 位作者 戴礼灿 曹开臣 王良刚 《现代防御技术》 北大核心 2025年第4期36-49,共14页
系统性探讨了国内外战略情报预警预测相关概念内涵及其演变过程,给出了契合新时期我国情与军情的战略情报预警预测定义。针对预警预测要求与活动特点,提出了战略情报预警预测的基本环节与流程框架,归纳总结了实施战略情报预警预测的认... 系统性探讨了国内外战略情报预警预测相关概念内涵及其演变过程,给出了契合新时期我国情与军情的战略情报预警预测定义。针对预警预测要求与活动特点,提出了战略情报预警预测的基本环节与流程框架,归纳总结了实施战略情报预警预测的认知驱动类和数据驱动类智能化方法的基本思想和主要算法模型,能为战略情报分析领域研究人员开展研究提供工具选择、方法途径等方面的指导与参考。认知驱动类方法有可解释性和交互性方面的优势,数据驱动类方法在大规模数据处理效率方面更佳,两者结合在人机协同式的复杂战略情报预警预测分析任务中能发挥更好的效能。未来上述智能化方法将重点解决人机认知差异性度量、异构知识关联融合、弱隐微线索挖掘、证据链印证闭环等方面的问题,以满足预警预测领域的全面性、准确性、可信度等要求。 展开更多
关键词 战略情报 预警预测概念 预警预测流程 智能化方法 求解框架
在线阅读 下载PDF
基于融合XGBoost的变电工程造价数据预测算法 被引量:1
5
作者 周波 刘云 +2 位作者 李维嘉 亓彦珣 王立功 《沈阳工业大学学报》 北大核心 2025年第3期317-323,共7页
【目的】传统电网变电工程造价预测方法通常依赖单一影响因子或线性假设模型,难以全面捕捉多因子间复杂的非线性关系,预测精度不足。此外,现有方法在处理高维度分类变量时面临维度爆炸或信息损失等问题,尤其在小样本数据场景下容易过拟... 【目的】传统电网变电工程造价预测方法通常依赖单一影响因子或线性假设模型,难以全面捕捉多因子间复杂的非线性关系,预测精度不足。此外,现有方法在处理高维度分类变量时面临维度爆炸或信息损失等问题,尤其在小样本数据场景下容易过拟合。因此,本文构建了一种能有效融合多源影响因子、适应非线性关系且在小样本数据中表现稳健的变电工程造价预测模型,为电网企业的投资决策提供更精准的技术支持。【方法】提出了一种基于均值编码(ME)并融合极端梯度提升框架(XGBoost)的变电工程造价预测模型(ME-XGB)。首先,从设备和材料、施工工艺、施工规模、地理环境及设计标准等多维度中提取13个关键影响因子,涵盖分类变量与连续变量。针对分类变量与造价间的非线性关系,利用均值编码进行特征工程处理,通过计算类别内目标变量即单位容量造价的均值并结合平滑因子,将分类变量转化为连续特征,既保留类别信息又避免维度爆炸。其次,利用XGBoost构建预测模型,通过集成多棵决策树逐步修正残差,并引入正则化项和超参数调优,提升模型泛化能力。实验选取某电网公司200个变电工程样本,随机划分为训练集(80%)与测试集(20%),以平均绝对误差(M_(AE))和拟合优度(R^(2))作为评价指标,与MK-TESM、BP神经网络和XGBoost模型的性能进行对比分析。【结果】ME-XGB模型在测试集上的预测精度显著优于对比模型。其M_(AE)中位数与均值分别为5和6.875,较MK-TESM、BP神经网络和XGBoost模型均有所降低。同时,ME-XGB模型的R^(2)值达到0.8579,远高于对比模型,表明该模型对数据变动的解释能力更强。此外,箱线图分析结果显示,ME-XGB模型的预测误差分布范围最窄,验证了该模型的稳定性更强。超参数调优结果表明,XGBoost模型的树深度和学习率等超参数设置有效平衡了模型复杂度与过拟合风险。【结论】ME-XGB模型通过均值编码解决了分类变量非线性表达与维度控制问题,结合XGBoost模型的集成学习能力,显著提升了小样本场景下的预测性能。ME-XGB模型在平均绝对误差、拟合优度及误差稳定性方面均优于对比模型,可为电网企业提供更可靠的造价预测。未来研究可进一步探索动态影响因子的建模,并结合迁移学习拓展模型在跨区域工程中的应用。 展开更多
关键词 变电工程 造价预测 非线性 影响因子 极端梯度提升 均值编码 融合框架 特征工程
在线阅读 下载PDF
拉伸速率对HTPB推进剂并行流变框架模型的影响
6
作者 周仕明 徐一航 +1 位作者 李道奎 申志彬 《国防科技大学学报》 北大核心 2025年第1期42-50,共9页
为分析四组元HTPB推进剂不同拉伸速率组合对并行流变框架模型的精度影响,基于并行流变框架建立了推进剂的非线性黏弹性本构模型;通过对不同拉伸速率实验进行组合构建了本构模型,得到相应的模型参数。将有限元模型和数值计算结果与实验... 为分析四组元HTPB推进剂不同拉伸速率组合对并行流变框架模型的精度影响,基于并行流变框架建立了推进剂的非线性黏弹性本构模型;通过对不同拉伸速率实验进行组合构建了本构模型,得到相应的模型参数。将有限元模型和数值计算结果与实验结果进行对比,将不同速率组别构建的本构模型误差进行了对比分析。结果表明当采用高速率与低速率组别相结合的方式即可精确建立本构模型,无须进行中间速率的大量实验。且高速率推进剂拉伸实验的速率可以截至3 000 mm/min,无须再增加速率。此分析为简化推进剂材料实验提供了合理建议,提高了实验效率。同时,为快速预测推进剂材料的力学性能开辟了一条有效途径。 展开更多
关键词 HTPB推进剂 并行流变框架 拉伸速率 快速预测
在线阅读 下载PDF
基于CatBoost优化算法的自密实混凝土工作性预测
7
作者 梁其旻 王喆 +2 位作者 梅英杰 孙奥 李鹏飞 《硅酸盐通报》 北大核心 2025年第9期3178-3187,共10页
针对自密实混凝土工作性控制不当易导致结构缺陷的问题,本研究提出一种基于CatBoost优化算法的自密实混凝土工作性预测方法。首先,通过试验建立了包含313组数据的数据集。随后,基于CatBoost算法建立自密实混凝土工作性预测模型,并采用Op... 针对自密实混凝土工作性控制不当易导致结构缺陷的问题,本研究提出一种基于CatBoost优化算法的自密实混凝土工作性预测方法。首先,通过试验建立了包含313组数据的数据集。随后,基于CatBoost算法建立自密实混凝土工作性预测模型,并采用Optuna超参数自动优化框架确定模型的最优超参数。最后,对模型输入参数进行分析。结果表明:相较于未加入净浆试验参数的数据集,本文所建立的数据集能有效提高自密实混凝土工作性预测精度;净浆试验参数在模型预测中表现出较高的相关性和重要性;所建立的模型可以高精度地预测扩展度和V型漏斗时间,表明该模型具有良好的泛化能力,可为自密实混凝土的设计和应用提供参考。 展开更多
关键词 自密实混凝土 净浆阈值理论 CatBoost算法 Optuna框架 敏感性分析 工作性预测
在线阅读 下载PDF
基于隐式自回归时空通道聚合策略的多输入单输出云图预测算法
8
作者 吴禹乾 张秀再 李景轩 《电子测量技术》 北大核心 2025年第9期140-148,共9页
云图预测的本质是时空序列预测。基于深度学习的时空序列预测算法可以归纳为三种框架,即SISO、MIMO和MISO。针对云图运动特点,在MISO框架下结合MIMO与SISO两种框架特性设计了一种基于隐式自回归时空通道聚合策略的云图预测算法(IASCACP... 云图预测的本质是时空序列预测。基于深度学习的时空序列预测算法可以归纳为三种框架,即SISO、MIMO和MISO。针对云图运动特点,在MISO框架下结合MIMO与SISO两种框架特性设计了一种基于隐式自回归时空通道聚合策略的云图预测算法(IASCACP)。针对MIMO类模型存在的图像关联性缺失以及SISO类模型存在的误差累积过量的问题,引入一种隐式自回归编解码器,利用隐式自回归结构为模型赋予一定的递归特性以捕获序列中的时空关联信息,再用掩码与真实映射模块减少递归带来的误差累积,增强模型鲁棒性;针对云运动不稳定与非线性等问题,设计了一种时空通道聚合预测器,该模块可以有效聚合多阶时空相互作用信息,并对其进行自适应通道再分配以减少特征冗余。将该算法分别在MovingMNIST数据集及FY-4A卫星云图数据集上进行实验,实验结果表明,该算法有效改进了MIMO与SISO类模型的缺点,预测精度高于其他模型,体现了该模型在云图预测领域的可靠性与有效性。 展开更多
关键词 卫星云图预测 风云四号A星 隐式自回归 多输入单输出框架
在线阅读 下载PDF
基于TCN模型的软件系统老化预测框架 被引量:1
9
作者 王艳超 姚江毅 +1 位作者 李雄伟 刘林云 《计算机应用与软件》 北大核心 2025年第5期25-29,61,共6页
随着软件规模的扩大和逻辑复杂度的提高,软件老化特征表现更加隐蔽,老化参数时序信号更加复杂,针对时序预测法对序列平稳性要求高和BP神经网络收敛速度慢、易陷入局部极值的问题,提出以时域卷积网络(TCN)模型为基础的软件老化预测框架... 随着软件规模的扩大和逻辑复杂度的提高,软件老化特征表现更加隐蔽,老化参数时序信号更加复杂,针对时序预测法对序列平稳性要求高和BP神经网络收敛速度慢、易陷入局部极值的问题,提出以时域卷积网络(TCN)模型为基础的软件老化预测框架。采集可用内存数据作为框架的输入,经TCN模型进行预测,通过检查预测输出的内存与实际内存的平均误差评价模型的效率。与ARIMA模型和RNN(LSTM)模型预测结果进行对比表明,TCN模型对时间序列平稳性要求低、适应性更强,不存在梯度爆炸或消失的问题,对采集的老化数据预测效果最好。 展开更多
关键词 软件老化 时域卷积网络 老化预测框架 预测误差 差分自回归滑动平均模型 长短时记忆模型
在线阅读 下载PDF
Boosting框架算法模型预测雷击火的适用性
10
作者 周暖阳 睢星 +6 位作者 赵凤君 杜建华 李笑笑 闫凯达 张师渊 李威 王京鲁 《陆地生态系统与保护学报》 2025年第2期47-62,共16页
【目的】旨在为我国雷击火发生最严重的大兴安岭林区筛选性能优良的雷击火发生预测模型,为该地区的雷击火精准防控提供科学支撑。【方法】采用大兴安岭林区2015—2023年的历史雷击火案例、气象因子、闪电、可燃物、火险天气指数等多源数... 【目的】旨在为我国雷击火发生最严重的大兴安岭林区筛选性能优良的雷击火发生预测模型,为该地区的雷击火精准防控提供科学支撑。【方法】采用大兴安岭林区2015—2023年的历史雷击火案例、气象因子、闪电、可燃物、火险天气指数等多源数据,运用机器学习方法构建雷击火发生概率模型;并通过对比基于Boosting框架算法(包括AdaBoost、GBM、XGBoost、LightGBM和CatBoost)的模型与其他常用模型(随机森林、决策树和深度神经网络)在雷击火预测性能上的差异,筛选最优的算法模型。【结果】首先,基于Boosting框架集成算法(除AdaBoost)的预测模型在准确率、查准率、召回率、F1值和ROC AUC等关键指标上优于其他常用模型。其次,在所有Boosting框架集成算法中,梯度提升机(Gradient Boosting Machines,GBM)表现最为优异,其准确率达到91%,F1值为0.7004,ROC AUC值为0.9329,表明其在预测雷击火发生概率方面具有较强的综合性能。在实际预测结果验证中,GBM的预测效果也是最优的。模型的特征重要性评估结果表明,空气相对湿度和森林火险天气指数在多个模型中都具有高的重要性,另外纬度也具有较高的重要性。【结论】Boosting框架的集成算法能够有效处理不平衡数据,提高对少数类样本(雷击火)的预测能力,相比于构建模型的其他算法,Boosting框架算法在构建雷击火发生预测模型中具有明显优势,特别是GBM。 展开更多
关键词 雷击火 Boosting框架算法 GBM 预测模型 大兴安岭
在线阅读 下载PDF
长江航道运行“三预”体系框架研究
11
作者 单敏尔 俞鹏 +2 位作者 谢辉 雷雪婷 王岩 《中国航海》 北大核心 2025年第S1期299-308,共10页
航道运行预测、预报、预警体系研究是推动智慧航道建设和全面推进长江经济带高质量发展的关键路径。基于对长江航道现有预测、预报、预警相关已有工作基础和国内外关于预测、预报、预警相关理论的分析,开展了长江航道运行“三预”体系... 航道运行预测、预报、预警体系研究是推动智慧航道建设和全面推进长江经济带高质量发展的关键路径。基于对长江航道现有预测、预报、预警相关已有工作基础和国内外关于预测、预报、预警相关理论的分析,开展了长江航道运行“三预”体系顶层设计研究,取得如下进展:明晰长江航道运行“三预”体系的基本内涵和主要内容;提出由基础设施体系、数字底板体系、模型平台体系模型和业务应用场景体系等四大体系及试点建设构成的航道运行“三预”体系总体架构;构建以航道尺度业务应用场景为例的“三预”实现路径,分析了“三预”预期效果,结合实现路径和当前数据及技术状态,提出在外部协作、基础设施、基础数据和模型平台等方面的后续工作方向。 展开更多
关键词 长江航道 预测 预报 预警 框架研究
在线阅读 下载PDF
H.265联合框架的设计与优化
12
作者 董苏娴 逄玉叶 《现代电子技术》 北大核心 2025年第21期172-176,共5页
为了应对日益增加的视频数据量,如何在H.265框架上进一步提升编码效率成为亟待解决的问题。文中对传统的操作率失真优化框架Operational⁃RDO进行改进。在Operational⁃RDO框架下,率失真优化中的运动估计和模式选择被分为两个独立步骤,而... 为了应对日益增加的视频数据量,如何在H.265框架上进一步提升编码效率成为亟待解决的问题。文中对传统的操作率失真优化框架Operational⁃RDO进行改进。在Operational⁃RDO框架下,率失真优化中的运动估计和模式选择被分为两个独立步骤,而且最优运动矢量选择的标准基于真实率失真代价值的估计,而非率失真代码的真实值。基于软判决量化(SDQ)模型,文中设计了一个在联合率失真优化框架下的二次运动估计模型,使用真实编码率失真代价值作为判决最优运动矢量的标准,并从理论上对所提框架进行论证。基于HEVC参考编码器HM16.20进行实验,结果表明:与原始H.265编码标准相比,文中方法能降低2.31%的比特率;第二次运动预测为优化视频质量与压缩效率之间的平衡提供了一种新方案,能够更有效地传输高质量视频。 展开更多
关键词 视频编码 H.265 率失真优化 率失真代价 运动预测 混合编码框架
在线阅读 下载PDF
裂隙介质VOCs传输扩散通量高效预测建模框架及突破点探析
13
作者 曲辞晓 王明玉 《地学前缘》 北大核心 2026年第1期207-221,共15页
地下水有机污染是全球可持续发展与水安全的长期威胁。裂隙基岩(包括裂隙化多孔介质沉积岩、火成岩、溶隙化碳酸盐岩)含水层分布广泛,是挥发性有机物(VOCs)污染的主要对象之一。量化裂隙介质中VOCs的传输扩散过程,对环境系统保护与资源... 地下水有机污染是全球可持续发展与水安全的长期威胁。裂隙基岩(包括裂隙化多孔介质沉积岩、火成岩、溶隙化碳酸盐岩)含水层分布广泛,是挥发性有机物(VOCs)污染的主要对象之一。量化裂隙介质中VOCs的传输扩散过程,对环境系统保护与资源安全利用至关重要。然而,在较大尺度条件下此类建模往往高度复杂,实现对污染物传输扩散通量的快速、便捷与精准预测,仍面临巨大挑战。基于此,本文分析了裂隙介质VOCs传输扩散通量建模的复杂性及高效精准预测的难点,针对性地阐释了裂隙介质VOCs传输扩散通量高效预测综合建模框架,并给出了高效统计替代模型建模框架与高效智能预测模型建模框架的应用案例。最后,提出了裂隙介质VOCs传输扩散通量高效精准建模未来需进一步研究的重要问题及瓶颈突破路径,包括:裂隙网络中VOCs传输扩散通量高效预测等效降维建模方法、基于知识图谱的多维度深度融合综合建模、基于仿真模拟与本构/统计关系数据强化驱动的人工智能建模,以及基于应用场景条件与综合建模框架的裂隙介质VOCs通量高效精准预测智能化建模软件系统。本文所提出的综合建模框架、典型案例建模流程及未来应深入研究的突破方向与途径,有助于解决复杂条件地下水环境系统VOCs多相态污染物关键界面通量高效精准预测与量化难题,可望为地下水污染高效修复与风险优化管控提供重要支撑。 展开更多
关键词 裂隙介质 地下水环境 NAPLS VOCS 高效与精准预测 综合建模框架
在线阅读 下载PDF
基于Predictive&Prescriptive框架的鲁棒最优潮流 被引量:3
14
作者 郑丽琴 谢东梅 白晓清 《电力自动化设备》 EI CSCD 北大核心 2023年第7期175-181,共7页
目前解决不确定性潮流问题的主要方法是先对不确定量进行预测,再根据预测结果进行分析决策,但预测与决策分离可能会导致次优解。将预测过程融入求解不确定性潮流问题的决策过程中,提出基于Predictive&Prescriptive框架的鲁棒最优潮... 目前解决不确定性潮流问题的主要方法是先对不确定量进行预测,再根据预测结果进行分析决策,但预测与决策分离可能会导致次优解。将预测过程融入求解不确定性潮流问题的决策过程中,提出基于Predictive&Prescriptive框架的鲁棒最优潮流模型。利用k近邻算法预测并构造表示风电功率不确定性的最小体积椭球集,建立考虑风电不确定性的鲁棒二阶锥最优潮流模型,并利用对偶理论将该模型转换为可求解的混合整数规划模型进行高效求解。IEEE 14和IEEE 118节点系统算例仿真结果表明,所提模型能有效降低预测、决策过程分离时最优解的劣化程度,在保证系统安全运行的前提下提高系统经济性。 展开更多
关键词 predictive&Prescriptive框架 不确定性优化问题 鲁棒优化 对偶理论 最优潮流
在线阅读 下载PDF
基于完形填空的方面级情感四元组预测 被引量:2
15
作者 彭文忠 夏家莉 +4 位作者 万齐智 刘德喜 万本庭 曹重华 夏池玉 《计算机学报》 EI CAS CSCD 北大核心 2024年第8期1744-1768,共25页
方面情感四元组预测(ASQP)任务旨在从给定的评论语句中提取所有方面词以及相应的方面类别、观点表达和情感极性,有助于全面了解用户对产品或服务不同方面的评价情况.现有情感四元组预测方法主要存在以下局限:(1)判别式模型没有利用promp... 方面情感四元组预测(ASQP)任务旨在从给定的评论语句中提取所有方面词以及相应的方面类别、观点表达和情感极性,有助于全面了解用户对产品或服务不同方面的评价情况.现有情感四元组预测方法主要存在以下局限:(1)判别式模型没有利用prompt捕获情感元素之间的语义关系;(2)生成式模型要么简单地将情感元素类型标签组合形成prompt,缺乏理解标签类型涵义的语境;要么将离散模板作为解码器的输入,而编码器则无法捕获到模板中情感元素之间的语义关系.为了缓解这些问题,本文首先基于完形填空思想研制离散和连续2类prompt,提供理解4个情感元素类型涵义的语境,帮助模型更好地捕获情感元素之间的语义关系;然后,基于设计的prompt,提出C-ASQP框架,包含判别式模型DC-ASQP和生成式模型GC-ASQP.在DC-ASQP中,采用2阶段策略,先预测4个情感元素中2个较为容易的情感元素,再将预测结果嵌入到设计的prompt中,帮助模型理解情感元素类型的涵义,从而有效预测另外2个情感元素.在GC-ASQP中,将设计的prompt作为编码器的输入,借助预训练模型的学习模式,充分利用预训练模型蕴含的知识提升四元组的生成效果.实验结果显示,DC-ASQP模型在4个常用数据集上的F1值相比同类判别式最优模型分别提高4.70%、6.48%、6.97%和2.60%,GC-ASQP模型的F1值比最优基准模型分别提高0.86%、1.67%、0.15%和1.02%,验证了将ASQP建模为完形填空任务的有效性,所设计的2类prompt以及C-ASQP框架是有效的. 展开更多
关键词 方面情感四元组预测 完形填空 离散和连续prompt 判别式和生成式模型 C-ASQP框架
在线阅读 下载PDF
冻融循环下玄武岩纤维混凝土冲击力学性能预测模型 被引量:2
16
作者 李艳 何峻宇 +5 位作者 翟越 李昌昊 贾宇 谢梓涵 殷溥隆 梁文彪 《西安科技大学学报》 CAS 北大核心 2024年第4期768-777,共10页
冻融循环下纤维混凝土的劣化规律是寒区服役混凝土工程安全性和耐久性评价的重要依据,现有服役混凝土工程的安全性和耐久性评价的研究具有工作量大、成本高、周期长等特点,构建基于机器学习的高精度力学性能预测模型已成为本领域研究热... 冻融循环下纤维混凝土的劣化规律是寒区服役混凝土工程安全性和耐久性评价的重要依据,现有服役混凝土工程的安全性和耐久性评价的研究具有工作量大、成本高、周期长等特点,构建基于机器学习的高精度力学性能预测模型已成为本领域研究热点。为探究冻融循环后玄武岩纤维混凝土冲击力学性能的高精度预测模型,采用SHPB装置对冻融循环后BFRC开展动态冲击压缩力学性能试验,并构建机器学习-Optuna混合预测模型,对60组以玄武岩纤维体积掺量、冻融循环次数、动荷载冲击速度为影响因素建立的动态峰值应力样本数据集进行预测。结果表明:k近邻、Lasso、多层感知机、极度梯度提升树和随机森林5种经典机器学习模型的预测准确度均较高,说明机器学习算法对于冻融循环后BFRC动态力学性能预测具有良好的预测效果,其中随机森林算法为最优预测算法;RF-Optuna混合预测模型显示出0.9754的拟合优度,具有良好的预测精度;非数据集工况预测表明,该混合模型对于各影响因素均具有良好泛化能力。研究成果可为冻融循环条件下BFRC动态力学性能的快捷精准预测提供参考。 展开更多
关键词 动态力学性能预测 玄武岩纤维混凝土 冻融循环 随机森林模型 Optuna框架优化
在线阅读 下载PDF
基于权参数优化的并行深度学习光伏功率预测 被引量:11
17
作者 董坤 冉鹏 +4 位作者 刘旭 樊钦洋 李政 曾庆华 李伟起 《动力工程学报》 CAS CSCD 北大核心 2024年第1期91-98,共8页
针对不同应用场景下光伏数据波动模式差异较大时,现有的光伏发电功率预测模型存在精度及适应性不足的问题,提出了一种具有权参数自适应性的并行深度学习光伏发电功率预测框架。该框架包含2种可以并行预测的深度学习算法单元(Attention-S... 针对不同应用场景下光伏数据波动模式差异较大时,现有的光伏发电功率预测模型存在精度及适应性不足的问题,提出了一种具有权参数自适应性的并行深度学习光伏发电功率预测框架。该框架包含2种可以并行预测的深度学习算法单元(Attention-Seq2Seq单元、Transformer单元)以及一个权参数自适应优化单元。基于所提出的并行深度学习框架,对光伏发电功率进行预测,并分别与Attention-Seq2Seq、Transformer模型的预测结果进行了对比验证。结果表明:基于权参数优化的并行深度学习光伏功率预测框架弥补了不同数据波动模式下单一算法预测精度和适应性不足的问题,也可以有效解决时间序列预测中的长距离依赖问题,较单一算法预测精度更高,其平均绝对误差和均方根误差在夏季典型日最大降幅分别是41.18%和45.59%,在冬季典型日最大降幅分别是81.13%和82.86%。 展开更多
关键词 光伏发电功率预测 权参数优化 并行深度学习框架 量子粒子群
在线阅读 下载PDF
基于校准窗口集成与耦合市场特征的可解释双层日前电价预测 被引量:8
18
作者 刘慧鑫 沈晓东 +3 位作者 魏泽涛 刘友波 刘俊勇 白元宝 《中国电机工程学报》 EI CSCD 北大核心 2024年第4期1272-1285,I0003,共15页
随着电力市场之间耦合程度不断加深,只局限于单个市场内部的传统特征集不足以支撑高精度预测的需求。而且模型预测性能对校准窗口的选择敏感,而传统电价预测仅使用一个固定时间长度的数据集,同时预测模型的“黑盒”结构导致预测结果在... 随着电力市场之间耦合程度不断加深,只局限于单个市场内部的传统特征集不足以支撑高精度预测的需求。而且模型预测性能对校准窗口的选择敏感,而传统电价预测仅使用一个固定时间长度的数据集,同时预测模型的“黑盒”结构导致预测结果在工程应用中可信度偏低。针对上述问题,该文提出一种考虑校准窗口集成与耦合市场特征的可解释双层日前电价预测框架。内层框架为基于改进自适应噪声完备集合经验模态分解(improved complete ensemble empirical mode decomposition,ICEEMDAN)的择优预测,首先分解原始电价序列,然后应用Lasso估计回归(lassoestimated autoregressive,LEAR)、长期和短期时间序列网络(long-term and short-term time-series networks,LSTNet)、卷积神经网络-长短记忆神经网络(convolutionalneuralnetworks-longshort termmemory,CNN-LSTM)、移动平均(autoregressive integrated moving average,ARIMA)和核极限学习机(kernel extreme learning machines,KELM)模型预测子序列并选择最优预测算法。外层框架为基于贝叶斯模型平均(bayes modelaveraging,BMA)的校准窗口集成预测,针对每个不同校准窗口长度数据集下的预测分配权重并集成得到预测电价。最后,通过可解释方法沙普利加性解释模型(shapley additiveexplanations,SHAP)分析耦合市场特征如何影响预测电价。该文通过北欧电力市场数据集的算例分析证明了所提算法的优越性和校准窗口集成方案的有效性。 展开更多
关键词 校准窗口集成 耦合市场特征 双层预测框架 改进自适应噪声完备集合经验模态分解(ICEEMDAN) 贝叶斯模型平均(BMA) 沙普利加性解释模型(SHAP)
在线阅读 下载PDF
基于Optuna框架的L_(p)范数约束下多核支持向量机在违约风险预测中的应用
19
作者 郑怡昕 王重仁 《现代电子技术》 北大核心 2024年第6期147-153,共7页
针对违约数据存在数据量大、维度多、不平衡及噪声大等缺点,提出一种改进的支持向量机方法,即基于Optuna框架的L_(p)范数约束的代价敏感的多核支持向量机(L_(p)-Optuna-SVM)。该方法采用成本矩阵对不同预测错误赋予不同数值,通过多核学... 针对违约数据存在数据量大、维度多、不平衡及噪声大等缺点,提出一种改进的支持向量机方法,即基于Optuna框架的L_(p)范数约束的代价敏感的多核支持向量机(L_(p)-Optuna-SVM)。该方法采用成本矩阵对不同预测错误赋予不同数值,通过多核学习引入多核混合核函数组合;同时采用Optuna优化框架对犯错成本、核函数的参数和权重实现了自动化的调优过程;还在核函数权重上引入L_(p)范数约束,以提高模型对噪声和异常数据的鲁棒性。最后,对4种常用的基础核函数组合的L_(p)-Optuna-SVM进行探讨,并与单核支持向量机以及K邻近法、逻辑回归、高斯贝叶斯进行对比。结果表明,在给定数据集上,L_(p)-Optuna-SVM在违约数据上的g-mean和AUC均高于其他算法,并且在加了不同方差的噪声数据集上,该算法整体依旧保持较好的鲁棒性。 展开更多
关键词 多核支持向量机 Optuna优化框架 L_(p)范数约束 多核学习 不平衡数据集 违约风险预测
在线阅读 下载PDF
南堡凹陷东营组层序地层格架及沉积相预测 被引量:64
20
作者 徐安娜 郑红菊 +3 位作者 董月霞 汪泽成 殷积峰 严伟鹏 《石油勘探与开发》 SCIE EI CAS CSCD 北大核心 2006年第4期437-443,共7页
黄骅坳陷南堡凹陷属走滑伸展型断陷,古近系东营组主要发育冲积扇—扇三角洲—湖相沉积体系。为了查明南堡凹陷油气分布规律及勘探前景,利用高分辨率层序地层学方法,结合岩心、测井和地震资料分析,识别南堡凹陷东营组各级层序界面和相序... 黄骅坳陷南堡凹陷属走滑伸展型断陷,古近系东营组主要发育冲积扇—扇三角洲—湖相沉积体系。为了查明南堡凹陷油气分布规律及勘探前景,利用高分辨率层序地层学方法,结合岩心、测井和地震资料分析,识别南堡凹陷东营组各级层序界面和相序,建立等时地层层序格架和演化模式,综合预测层序地层格架下的沉积相和油气分布。研究认为:层序界面、最大湖泛面、层序格架下的沉积相分布和构造背景是有利砂体分布和油气富集的主控因素,东营组油气分布具有纵向相对集中和平面分带的特点,表现为油气主要富集于最大湖泛面之下的东三上亚段地层中,且多分布于凹陷第二走滑断阶带。 展开更多
关键词 南堡凹陷 东营组 等时层序地层格架 沉积相预测
在线阅读 下载PDF
上一页 1 2 5 下一页 到第
使用帮助 返回顶部