检索结果-内蒙古大学图书馆

作者：林沛文江西理工大学

学位级别：硕士

沿江小流域地区的地质灾害点多面广、规模小、突发性强,会对周边人民的生命财产安全造成严重威胁。但目前还缺少专门面向沿江小流域地质环境条件的指标体系和风险评价体系,且区划的精度多集中于行政单元,不能满足沿江小流域防灾减灾的... 详细信息

沿江小流域地区的地质灾害点多面广、规模小、突发性强,会对周边人民的生命财产安全造成严重威胁。但目前还缺少专门面向沿江小流域地质环境条件的指标体系和风险评价体系,且区划的精度多集中于行政单元,不能满足沿江小流域防灾减灾的精度需求。因此,针对沿江小流域地区进行相应的减灾措施研究工作,对指导防灾减灾和降低地质灾害带来的损失具有重要意义。本研究将围绕着沿江小流域地质灾害危险性评价这一主题,以赣南地区的沿江小流域为研究对象,通过总结研究区的地质灾害分布特征,探索区内地质灾害的主要致灾因子,在此基础上建立了适用于沿江小流域的评价指标体系,最后基于无监督学习(模糊聚类)和监督学习(堆叠算法)相结合的方法构建了沿江小流域地质灾害危险性评价模型,提高了负样本的收集纯度和评价结果的准确性、可靠性和适用性。主要研究内容及结论如下: 1.通过历史资料收集、遥感影像解译和现场地灾调查,对研究区的地形地貌、地层岩性、地质构造和气象水文等地质环境条件进行研究,并对区内地质灾害进行数据统计,根据其发育特征和分布规律,分析影响地质灾害发育因素,并据此选定了相对独立性较强的13个评价指标因子,分别是:高程、坡度、坡向、平面曲率、剖面曲率、地层岩性、到断层的距离、年均降雨量、地形湿度指数(TWI)、到水系的距离、归一化植被指数(NDVI)、土地利用类型、到道路的距离。建立了针对沿江小流域地区的地质灾害危险性评价指标体系。 2.采用水文分析法对研究区进行斜坡单元的划分,将整个研究区划分为734个斜坡单元,并运用斜坡单元提取13个评价指标因子,建立空间数据库。针对斜坡单元在沿江小流域地区的适用性,本研究选用栅格单元进行建模对比验证,结果显示,斜坡单元在预测性能方面和栅格单元相差不大,堆叠(Stacking)算法在不同评价单元下的模型预测性能没有区别(AUC=0.93)。但斜坡单元的危险区分区效果更好,更适用于沿江小流域地区的地质灾害危险性评价。 3.提出一种从基于模糊C均值聚类(FCM)模型生成的地质灾害易发性图中的极低易发区选择负样本的方法。为探讨无监督学习和监督学习相结合在地质灾害危险性评价中应用的效果,本研究对定向负样本采用将多种监督学习算法(梯度提升决策树算法(GBDT)、随机森林(RF)、卷积神经网络算法(CNN)、逻辑回归算法(LR))按一定规则组合而成的堆叠(Stacking)算法以构建地质灾害风险评价模型,最终将其应用到研究区的危险性评价中。结果表明:评价结果均符合当地地质灾害发育逻辑事实和实地调查验证情况,堆叠(Stacking)算法模型在性能评估中表现最优,其AUC值最高(AUC=0.9340)。除此之外,堆叠(Stacking)算法模型在分区效果检验中的表现也很突出,其在极高、高危险区域覆盖面积相对较小(33%),在极高、高危险区的地灾分布百分比较高(94%)。 4.针对基于无监督学习(模糊C均值聚类)的负样本选取方法的优异性,本研究选用随机生成负样本的方法进行对比验证,结果显示,本研究提出的选取负样本的方法与随机生成负样本相比准确率最高可提升5%。

关键词：沿江小流域模糊聚类堆叠算法地质灾害危险性评价

来源：评论

学校读者我要写书评

暂无评论

一种注塑机械手堆叠算法及其运动控制策略

引用

机电工程技术 2023年第12期52卷 142-145页

作者：余杰先张中华陈凌玲李久林温舒然珠海格力智能装备有限公司广东珠海519000

传统的注塑机行业中,注塑机锁模产品成型后,由人工伸手进模内抓取产品,这不仅效率低,而且风险高,容易造成工人误伤。尽管随着工业机器人的发展,一种可应用于注塑机自动抓取的机械臂控制系统应运而生,其快速的加减速速度曲线规划可以将... 详细信息

传统的注塑机行业中,注塑机锁模产品成型后,由人工伸手进模内抓取产品,这不仅效率低,而且风险高,容易造成工人误伤。尽管随着工业机器人的发展,一种可应用于注塑机自动抓取的机械臂控制系统应运而生,其快速的加减速速度曲线规划可以将注塑模内产品的抓取周期缩短至2 s,大量应用于手机壳、塑料片的抓取,极大改善了生产安全和效率问题。然而随着行业的不断发展,注塑机产品工艺流程复杂度不断提高,当前的机械手从注塑机中取出产品都是按固定的点位投放,这就还需要工人手动将产品按指定排列方式进行堆放。因此,提出一种用于注塑机的机械手的堆叠算法,并规划了在机械手中实现该算法的运动控制策略。这种算法可以控制机械手以期望的排列方式自动将成品整齐排列,从而提高生产效率,并且使生产过程更加安全,更加智能化。

关键词：注塑机械手驱控一体堆叠算法提前加减速算法

来源：评论

学校读者我要写书评

暂无评论

基于多模型Stacking融合的基坑测斜时序预测

引用

浙江大学学报(工学版) 2025年第4期59卷 706-716页

作者：胡比澜王洋洋张永强浙江大学建筑工程学院浙江杭州310058 国家电投集团云南国际电力投资有限公司云南昆明650228

为了准确预测基坑倾斜变形,提出基于极致梯度提升(XGBoost)、长短期记忆(LSTM)和线性回归(LR)的堆叠多变量预测模型.利用XGBoost集成学习的优越性和双层LSTM算法预测传统基坑变形的准确度,提升模型的预测精度和泛化能力.在数据预处理阶... 详细信息

为了准确预测基坑倾斜变形,提出基于极致梯度提升(XGBoost)、长短期记忆(LSTM)和线性回归(LR)的堆叠多变量预测模型.利用XGBoost集成学习的优越性和双层LSTM算法预测传统基坑变形的准确度,提升模型的预测精度和泛化能力.在数据预处理阶段,引入K最近邻(KNN)插补算法增加可有效利用的数据总量,使用深度学习模型Informer的时间信息处理方式,改善传统算法中有监督学习忽略时间序列数据不同时间间隔的问题.以杭州某在建基坑为工程案例,插补616条缺失数据,将时间信息转为3列时间点特征信息,使用所提模型进行基坑变形预测分析.已有实测数据验证表明,所提模型在预测基坑最大测斜位移及该位移点处深度时的训练精度和泛化能力相比双层LSTM模型及XGBoost模型均有较大提升,使用时间点特征的XGBoost模型比LSTM模型更适合预测对时间因素敏感的指标.

关键词：时间序列分析基坑测斜双层LSTM 极致梯度提升(XGBoost) 堆叠算法

来源：评论

学校读者我要写书评

暂无评论

基于Stacking的脓毒症患者死亡风险预测模型

引用

建模与仿真 2025年第3期14卷 261-269页

作者：李文锦上海理工大学健康科学与工程学院上海

脓毒症是由感染反应失调引起的危及生命的器官功能障碍,早期识别和预测高风险群体是降低患者死亡风险的关键。本研究采用多指标评估基础分类器的可信度得分,并引入贝叶斯优化算法构建脓毒症患者死亡风险预测模型。通过AUC、准确率、召... 详细信息

脓毒症是由感染反应失调引起的危及生命的器官功能障碍,早期识别和预测高风险群体是降低患者死亡风险的关键。本研究采用多指标评估基础分类器的可信度得分,并引入贝叶斯优化算法构建脓毒症患者死亡风险预测模型。通过AUC、准确率、召回率、精确度和F1分数等指标全面评估模型的预测效果和性能,并使用特征重要性分析对模型预测结果进行可解释性分析,以提高辅助临床决策的及时性和准确性。结果表明,构建的Stacking模型在AUC、准确率、精确率等多个评估指标上表现优异,性能表现较优。特征重要性分析表明APACHE III评分、WBC等是影响脓毒症患者死亡风险的重要因素。本研究构建的Stack-ing脓毒症患者死亡风险预测模型具有较高的预测准确性,能够有效辅助医务人员对患者进行死亡风险评估,从而及时采取干预措施,改善患者预后。

关键词：贝叶斯优化堆叠算法评估函数脓毒症死亡风险

来源：评论

学校读者我要写书评

暂无评论

基于特征筛选脑电睡眠分期算法研究

基于特征筛选脑电睡眠分期算法研究

引用

作者：王强强重庆邮电大学

学位级别：硕士

睡眠对于人的身心健康和日常工作具有重要生理意义。睡眠分期是了解睡眠状况和检测睡眠相关疾病的重要标准。传统睡眠分期是一项困难且耗时的分类过程。目前,研究者主要利用计算机对睡眠阶段进行自动和高准确度的分类。本文研究主要由... 详细信息

睡眠对于人的身心健康和日常工作具有重要生理意义。睡眠分期是了解睡眠状况和检测睡眠相关疾病的重要标准。传统睡眠分期是一项困难且耗时的分类过程。目前,研究者主要利用计算机对睡眠阶段进行自动和高准确度的分类。本文研究主要由四个部分组成:睡眠脑电信号的预处理、睡眠脑电信号的特征提取、睡眠脑电信号的特征筛选、睡眠脑电信号的分类。首先本文利用启发式阈值小波降噪函数对睡眠脑电进行降噪,从而完成了信号的预处理。降噪函数的信噪比为14db,证明该算法有效地降低了脑电信号噪音,同时使用小波降噪可以很好地保护有用的信号尖峰和突变信号。接着从时域分析、时频域分析和非线性分析三个方面提取了15个特征算法,得出30个特征参数。它们分别为Hjorth参数,δ/α比的能量,LZ复杂度,分形维数,最大Lyapunov指数,Hurst指数,峰度,偏度,Tsallis熵,排列熵,模糊熵,样本熵,α、β、θ和δ的标准差、最大值和小波能量。同时研究了特征算法内部参数。同时利用Fisher Score(FS)、序列浮动前向选择(Sequential Floating Forward Selection,SFFS)、Fast Correlation-Basd Filter Solution(FCBF)进行了特征筛选,并提出了基于Stacking模型的二层学习算法进行睡眠六期分类。第一层使用了五个分类器:K近邻法(K-Nearest Neighbor,KNN)、随机森林(Random Forest,RF)、极端随机树(Extremely Randomized Trees,ERT)、多层感知器(MultilayerPerceptron,MLP)和Extreme Gradient Boosting(XGBoost);第二层采用通用的线性分类器。并比较研究了随机森林、梯度提升树(Gradient Boosting Decision Tree,GBDT)和XGBoost。最后采用Sleep EDF数据库中的睡眠脑电信号,对算法进行了实验,结果表明Stacking中使用FS特征筛选算法可以达到最大分类准确度(0.9667),算法的kapper系数为0.96。该算法可以高效和准确地进行睡眠分期,具有很好的应用前景。

关键词：脑电信号睡眠分期特征提取集成学习算法堆叠算法

来源：评论

学校读者我要写书评

暂无评论

面向工业现场铝电解数据缺失的多故障诊断方法研究

面向工业现场铝电解数据缺失的多故障诊断方法研究

引用

作者：陈旭东华中科技大学

学位级别：硕士

铝电解作为我国生产原铝最主要的手段,其生产环境恶劣,导致铝电解槽生产故障类型多、对系统及环境危害大,发展铝电解故障诊断技术对提升生产效率与安全性具有重大意义。目前我国的铝电解故障诊断及预测研究仍处于起步阶段,普遍存在目标... 详细信息

铝电解作为我国生产原铝最主要的手段,其生产环境恶劣,导致铝电解槽生产故障类型多、对系统及环境危害大,发展铝电解故障诊断技术对提升生产效率与安全性具有重大意义。目前我国的铝电解故障诊断及预测研究仍处于起步阶段,普遍存在目标故障单一、使用特征单一、预测时间短与诊断准确率低等问题。由于工业现场铝电解生产数据通常表现为缺失、质量低等特征,进一步限制了铝电解多故障诊断及预测研究的发展。针对上述问题,本文以铝电解生产过程真实数据为对象,利用信号分解、特征提取和堆叠算法理论方法,从多特征融合、多模型融合等角度,开展面向工业现场铝电解数据缺失的多故障诊断方法研究。为了解决铝电解原始生产数据关键信息缺失、数据质量差等问题,本文针对正常槽况、阳极效应、电压摆三种槽况进行数据选择及归一化处理,并使用线性样条插值法与奇异值阈值法分别对铝电解时序信号与铝电解槽内数据进行补齐,构造完善实验数据集。在此基础上,利用多种信号分解及特征提取方法进行信号处理,以获取铝电解生产数据中蕴含的深层信息,并构造相应分类器。进一步地,将时序特征应用到铝电解故障诊断与预测任务的解决,提出特征混合长短时神经网络（Multi-LSTM）网络结构,使其能同时利用铝电解信号时序特征和铝电解槽内数据特征,以提升铝电解故障诊断与预测的性能。最后,构建了一种基于Stacking策略的多种特征融合铝电解多故障诊断模型,融合基于时序特征、混合熵特征、能量密度特征的三种分类器,实现了多故障关联特征融合,进一步提升诊断准确率与预测性能。实验结果显示,时序特征在铝电解故障诊断任务中效果良好,将多种特征进行融合可以进一步提升铝电解故障诊断及预测的准确率。基于时序特征的Multi-LSTM分类器和基于Stacking策略的多特征融合分类模型在针对三种槽况的实时诊断任务中准确率分别为86.54%和88.48%,在提前10分钟的预测任务中,两者的准确率分别超过了74.38%和79.57%,诊断与预测性能提升明显。

关键词：铝电解故障诊断故障预测堆叠算法特征提取数据补齐

来源：评论

学校读者我要写书评

暂无评论

复杂地层中大型泥水盾构掘进地质特征的智能识别

复杂地层中大型泥水盾构掘进地质特征的智能识别

引用

作者：申晓赫汕头大学

学位级别：硕士

在盾构施工中对沿线地层地质特征的识别和预测是目前的热点问题。本研究以深圳春风泥水平衡盾构隧道为研究背景，在对现场施工条件和盾构掘进参数监测数据分析的基础上，利用相关性分析、聚类分析和堆叠算法开展研究。对两个问题进行了... 详细信息

在盾构施工中对沿线地层地质特征的识别和预测是目前的热点问题。本研究以深圳春风泥水平衡盾构隧道为研究背景，在对现场施工条件和盾构掘进参数监测数据分析的基础上，利用相关性分析、聚类分析和堆叠算法开展研究。对两个问题进行了探索:(1)泥水平衡盾构机在掘进过程中掘进参数与地质参数间以及掘进参数间的相关性;(2)基于聚类分析和堆叠算法识别预测隧道地层地质特征。主要内容成果介绍如下:　　(1)建立隧道掘进断面的地质参数量化方法。　　根据地质勘探钻孔确定掘进断面岩层类别及埋深，对各岩层地质参数进行面积加权得到掘进断面的地质参数。在盾构参数中选取盾构推力、刀盘扭矩和掘进速度等重要参数，与掘进断面地质参数做相关性研究。结果显示盾构推力、掘进速度与粘聚力、内摩擦角和天然密度呈正相关关系，刀盘扭矩与粘聚力、内摩擦角和天然密度呈负相关关系。　　(2)盾构掘进参数之间的相关性分析。　　由于盾构掘进参数受多个地质参数影响，对任一掘进参数与地质参数进行相关性分析，不足以找到对应相关性。所以可采用对掘进参数间做相关性分析，利用已有相关性间接验证掘进参数与地质参数的相关性，为后续预测模型选取输入参数提供理论依据。　　(3)建立了识别地层类别的k-means++聚类模型。　　使用主成分分析法提取标准化数据特征，将数据转化为前10个主成分，降低了数据复杂度。将原始数据与主成分降维数据分别输入聚类模型，结合评估指标和地质剖面图分析表明输入降维数据的聚类效果更理想且聚类模型能更好地识别软土地层、以软土为主地层、以硬岩为主地层和全断面硬岩地层。　　(4)建立了基于堆叠算法的地质特征预测模型。　　选取支持向量机、随机森林和梯度提升决策树为初级学习器，逻辑回归为次级学习器，基于堆叠算法建立地质特征预测模型。利用网格搜索和K折交叉验证对初级学习器进行参数调优和测试,利用次级学习器对最优初级学习器输出结果进行整合，实现对地质特征的预测。结合评估指标显示模型性能良好。　　(5)评估对比最优初级学习器和堆叠算法的性能。　　根据混淆矩阵和分类报告对模型性能进行评估，由于地层间的相似性和不同类型学习器的偏重差异，支持向量机对以硬岩为主地层预测效果较差，随机森林对各地层预测效果比较均衡，梯度提升决策树对以软土为主地层预测效果更准确，而基于堆叠算法的预测模型对各地层的预测性能都有大幅提升，整体精确度达0.984,验证了堆叠算法的可靠性。　　(6)评估对比极限梯度提升与堆叠算法的性能。　　极限梯度提升算法的整体准确率达到了0.952,相比于初级学习器，在各类别上的预测也取得了较好的表现，模型性能有了比较明显的提升。通过与堆叠算法对比发现，在以软土为主地层中两者表现相当且分类的侧重点有所不同，但极限梯度提升算法在软土、以硬岩为主和全断面硬岩地层的表现和模型整体性能均不如堆叠算法，进一步验证了堆叠算法的优越性。

关键词：盾构掘进参数地质参数堆叠算法智能识别

来源：评论

学校读者我要写书评

暂无评论

考虑事件影响的机票价格预测

考虑事件影响的机票价格预测

引用

作者：魏晓雨中国民航大学

学位级别：硕士

机票价格预测问题在民航领域有着重要的研究价值与应用前景,旅客期望在不影响自身出行计划的同时购买到最便宜的机票,航空公司需要预测竞争对手的票价,从而在不损失自身价格竞争力的同时达到收益最大化,因此预测机票未来价格对旅客和航... 详细信息

机票价格预测问题在民航领域有着重要的研究价值与应用前景,旅客期望在不影响自身出行计划的同时购买到最便宜的机票,航空公司需要预测竞争对手的票价,从而在不损失自身价格竞争力的同时达到收益最大化,因此预测机票未来价格对旅客和航司都具有重要意义。当前针对机票价格预测问题的研究工作主要聚焦于预测机票未来价格涨跌趋势,由于无法得知具体价格数值,在实际应用中较为不便;然而针对机票未来具体价格数值的研究未综合考虑航班内部因素对机票的影响,及外部因素如疫情事件的冲击作用,预测效果有待进一步提高。本文基于上述分析,重点研究机票未来最低价格预测,具体研究工作如下:针对现有机票最低价格预测研究未综合考虑如离起飞天数、出发时间段等多重内部因素对价格影响的问题,从机票历史价格数据出发,深入分析价格数据特点,总结出机票价格数据所具有的波动性、航司依赖性和节假日相关性。并以此为基础选取预测模型中所需的多重影响因素,提出一种基于Stacking算法构建综合考虑机票价格特性的二层预测模型,通过组合基学习器学习到的不同信息,使元学习器XGBoost更好地捕捉非线性机票价格数据的变动特点。在数据集上的验证结果表明,综合考虑多重影响因素的机票最低价格预测模型在拟合程度和预测准确率方面都优于传统模型。在综合考虑多重影响因素的机票最低价格预测模型的基础上,进一步研究外部因素对机票价格预测产生的冲击,结合疫情新闻分析疫情事件对机票产生的影响。首先构建疫情知识图谱,通过知识抽取手段构建疫情事件三元组;其次基于知识表示学习将三元组与机票数据集、疫情期间每日病例人数嵌入至二层预测模型。通过将知识做向量化处理,使模型更易理解知识图谱中蕴含的丰富语义信息,从而进一步提升其语义表达能力。实验证明,建立疫情事件知识图谱的预测模型相较于传统模型有着更高的拟合程度、预测准确率和更低的误差。

关键词：价格预测集成学习堆叠算法 XGBoost 知识图谱知识表示学习

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：