检索结果-内蒙古大学图书馆

作者：崔慧莹大连交通大学

学位级别：硕士

随着我国经济快速发展和城市化的不断推进,我国房地产市场日新月异,中国的房地产市场一直快速增长,价格预测已经成为人们和决策者的一个重要问题。本文主要是通过改进极端随机森林模型对大连市二手房屋价格进行预测,本文的创新点为提出... 详细信息

随着我国经济快速发展和城市化的不断推进,我国房地产市场日新月异,中国的房地产市场一直快速增长,价格预测已经成为人们和决策者的一个重要问题。本文主要是通过改进极端随机森林模型对大连市二手房屋价格进行预测,本文的创新点为提出一种基于卡方先验的混合特征选择算法的极端随机森林(GSR-ERF)模型,提出基于Hyperopt超参数优化方法来对GSR-ERF模型进行参数寻优。本文的研究工作主要包括以下几个方面:首先,本文的数据集使用python语言爬取房产超市2022年大连市二手房屋数据,将爬取的数据进行数据预处理、数据清洗等工作,对数据清洗后的二手房屋数据进行缺失值填补、标准化处理,最后对二手房屋数据进行分析描述。其次,本文提出一种基于先验卡方原理的混合特征选择算法的极端随机森林模型(GSR-ERF模型),该算法分别得出基于遗传算法、模拟退火算法、交叉验证递归消除法的最优特征子集,并通过先验测试集分别得到这三种模型在先验测试集上的卡方分数。随后通过这三种模型的卡方占比结合其对应的最优特征子集对其进行排序得到最终的最优特征子集,最终通过得到的最优特征子集训练极端随机森林模型。本文提出基于Hyperopt超参数优化技术对GSR-ERF模型进行超参数优化,基于Hyperopt超参数优化方法的核心是一种基于随机搜索和贝叶斯优化算法的优化器,它通过不断地尝试不同地参数组合来寻找最优的模型参数配置以提高GSR-ERF模型的准确率和适应度。最后,本文利用GSR-ERF模型对二手房价进行预测,通过实验对比得出本文提出的GSR-ERF模型对大连市二手房价预测的R已经达到了0.90,本文提出的GSR-ERF模型预测效果最佳,将本文提出的GSR-ERF模型应用到二手房价预测系统中。

关键词：决策树极端随机森林贝叶斯优化器特征选择二手房价预测

来源：评论

学校读者我要写书评

暂无评论

基于极端随机森林的大型风电机组发电机故障检测

引用

湖南电力 2019年第6期39卷 45-51页

作者：陈宇韬唐明珠吴华伟赵琪匡子杰长沙理工大学湖南长沙410114 湖北文理学院纯电动汽车动力系统设计与测试湖北省重点实验室湖北襄阳441053

针对风电机组海量运行数据中故障检测率低和实时性差的问题,提出基于极端随机森林的大型风电机组发电机故障检测方法。该方法先利用Pearson相关性分析剔除线性相关性极弱的变量和非主要特征中的冗余变量,降低样本维度。利用最大信息系... 详细信息

针对风电机组海量运行数据中故障检测率低和实时性差的问题,提出基于极端随机森林的大型风电机组发电机故障检测方法。该方法先利用Pearson相关性分析剔除线性相关性极弱的变量和非主要特征中的冗余变量,降低样本维度。利用最大信息系数获取主要特征参数的相关系数,消除冗余变量,从而提高计算效率和故障检测精度。将基于极端随机森林的分类方法用于大型双馈风力发电机的故障检测。实验结果表明,与经典随机森林方法相比,在风电机组发电机海量数据集上,该方法具有更低的漏报率、误报率和更好的实时性。

关键词：极端随机森林 Pearson相关性分析最大信息系数故障检测发电机风力发电机组

来源：评论

学校读者我要写书评

暂无评论

基于替代模型的旋转磁耦合器磁心结构优化

引用

电工技术学报 2025年第4期40卷 997-1008页

作者：丰宇宸孙跃邓德强胡宏晟胡韩重庆大学自动化学院重庆400044

旋转磁耦合器作为一种适用于各类旋转应用场景的无线电能传输系统电磁耦合机构,与传统接触式集电环相比,具有使用寿命长、无磨损、安全可靠等优点。其中,磁心的结构设计与旋转磁耦合器的性能、成本和可靠性息息相关。针对旋转磁耦合器... 详细信息

旋转磁耦合器作为一种适用于各类旋转应用场景的无线电能传输系统电磁耦合机构,与传统接触式集电环相比,具有使用寿命长、无磨损、安全可靠等优点。其中,磁心的结构设计与旋转磁耦合器的性能、成本和可靠性息息相关。针对旋转磁耦合器的磁心结构优化问题,该文提出了一种基于替代模型的磁心结构优化方法,该方法能够在确保耦合系数稳定的同时减少磁心的使用量。首先确定了旋转磁耦合器的结构参数,并采用拉丁超立方抽样方法对不同结构参数进行随机抽样,并根据结果创建了数据集。在此数据集的基础上,利用极端随机森林算法构建了替代模型,用于预测不同磁心结构下的系统耦合系数,并通过测试数据集验证了该替代模型的预测精度。最后,结合替代模型和多目标粒子群优化算法,给出了旋转磁耦合器的磁心结构优化方法,通过该方法可以得到在考虑磁心使用量和保证耦合系数稳定前提下的最优磁心结构设计方案。搭建了实验样机以验证该优化方法的正确性和可行性,系统的传输功率为3.2 kW,传输效率为97%,磁心用量得到大幅下降。

关键词：无线电能传输旋转磁耦合器磁心结构优化极端随机森林多目标粒子群优化

来源：评论

学校读者我要写书评

暂无评论

基于机器学习训练金属离子吸附能预测模型的研究

引用

无机材料学报 2021年第11期36卷 1178-1184页

作者：张瑞鸿魏鑫卢占会艾玥洁华北电力大学数理学院北京102206 华北电力大学控制与计算机工程学院北京102206 华北电力大学环境科学与工程学院资源与环境系统优化教育部重点实验室北京102206

本研究通过密度泛函理论对氧化石墨烯和金属离子的吸附行为进行理论模拟。基于机器学习方法训练预测模型的过程中,缺失值采用推荐系统中广泛使用的奇异值分解方法处理,并用梯度提升机解释了影响吸附能的重要因素。结果发现吸附体系中存... 详细信息

本研究通过密度泛函理论对氧化石墨烯和金属离子的吸附行为进行理论模拟。基于机器学习方法训练预测模型的过程中,缺失值采用推荐系统中广泛使用的奇异值分解方法处理,并用梯度提升机解释了影响吸附能的重要因素。结果发现吸附体系中存在九种特征可为吸附能提供90%的累积重要性,分别为离子半径、零点振动能量、密立根电荷、沸点、偶极矩、原子量、摩尔定容热容、自旋多重度和键长。定量评估了六种回归方法的预测精度,包括支持向量回归、岭回归、随机森林、极端随机森林、极端梯度提升和轻梯度提升机。结果表明,机器学习方法可提供足够的吸附能预测准确性,其中极端随机森林方法表现出最优的预测性能,均方误差仅为0.075。该模型用于香兰素吸附金属离子的测试,验证了基于机器学习训练金属离子吸附能预测模型的可行性,但仍需进一步提高其泛化能力。本研究基于机器学习预测吸附能,简化预测过程、节省计算时间,可为吸附去除金属离子的理论和实验研究提供参考。

关键词：机器学习密度泛函理论吸附能金属离子极端随机森林

来源：评论

学校读者我要写书评

暂无评论

基于机器学习的星载短波红外CO_(2)柱浓度估算

引用

中国环境科学 2023年第4期43卷 1499-1509页

作者：李静波张莹盖荣丽大连大学信息工程学院辽宁大连116622 中国科学院空天信息创新研究院遥感科学国家重点实验室北京100101

利用OCO-2卫星遥感数据、全球碳柱总量观测网(TCCON)站观测数据、NDVI归一化植被指数数据、ERA5大气数据,采用决策树和集成学习(XGBoost、普通随机森林、极端随机森林、梯度提升)对二CO_(2)平均柱浓度进行预测.通过相关性分析、特征选... 详细信息

利用OCO-2卫星遥感数据、全球碳柱总量观测网(TCCON)站观测数据、NDVI归一化植被指数数据、ERA5大气数据,采用决策树和集成学习(XGBoost、普通随机森林、极端随机森林、梯度提升)对二CO_(2)平均柱浓度进行预测.通过相关性分析、特征选择与特征提取,建立模型预测CO_(2)平均柱浓度,再与TCCON站点的地基观测数据进行比对.通过分析不同模型(决策树、XGBoost、普通随机森林、极端随机森林、梯度提升)预测的结果,发现使用极端随机森林回归模型预测CO_(2)平均柱浓度的精度最高,R^(2)、均方根误差(RMSE)、平均绝对误差(MAE)、平均相对误差(MRE)分别为:0.953、0.492×10^(-6)、0.260×10^(-6)、0.063%,其余模型次之,因此对极端随机森林回归模型的预测性能随自身参数的影响进行了分析,结果表明,在误差允许的范围内(±2×10^(-6)),极端随机森林回归模型和梯度提升回归模型预测的准确率一样,都为98.10%.由于CO_(2)的背景浓度较高,而边界层内CO_(2)浓度的空间差异相对较小,因此需要进一步缩小误差的范围,在±1×10^(-6)误差范围内,极端随机森林回归模型和梯度提升预测的准确率分别为91.82%和90.51%.所以采用极端随机森林算法预测CO_(2)柱浓度的结果更好,精度更高,符合CO_(2)预测的精度要求.

关键词：二氧化碳平均柱浓度集成学习极端随机森林梯度提升决策树 XGBoost 短波红外

来源：评论

学校读者我要写书评

暂无评论

基于奇异值分解与卡尔曼滤波修正多位置NWP的短期风电功率预测

引用

太阳能学报 2022年第12期43卷 392-398页

作者：王丽婕刘田梦王勃郝颖王铮张元鹏北京信息科技大学自动化学院北京 100192 国网北京昌平供电公司北京 102200 中国电力科学研究院有限公司北京 100192 国网山东省电力公司济南 250001

考虑到数值天气预报网格点位置和系统误差对短期风电功率预测精度的影响,提出一种基于奇异值分解与卡尔曼滤波修正多位置数值天气预报的短期风电功率预测模型.首先通过奇异值分解对多位置数值天气预报数据进行特征提取与降维处理;然后... 详细信息

考虑到数值天气预报网格点位置和系统误差对短期风电功率预测精度的影响,提出一种基于奇异值分解与卡尔曼滤波修正多位置数值天气预报的短期风电功率预测模型.首先通过奇异值分解对多位置数值天气预报数据进行特征提取与降维处理;然后使用卡尔曼滤波方法修正数值天气预报风速数据,降低数值天气预报的系统误差;最后基于极端随机森林算法,利用修正的数值天气预报数据搭建短期风电功率预测模型.通过对某风电场进行仿真,并与单位置、未降维、未修正模型比较,结果表明降维修正模型的预测效果最好,平均误差和均方根误差分别为7.94％和9.96％.

关键词：风电功率预测数值天气预报奇异值分解卡尔曼滤波极端随机森林

来源：评论

学校读者我要写书评

暂无评论

基于网格搜索优化ERF模型的风电机组异常状态预警

引用

热能动力工程 2022年第2期37卷 160-166页

作者：马良玉赵尚羽孙佳明於世磊华北电力大学自动化系河北保定071003

提出一种基于网格搜索优化(GS)极端随机森林(ERF)模型的风电机组性能预测及异常状态预警方法。首先,采用离散度分析法清洗噪声和异常工况数据,以获取建模用正常运行状态数据。其次,通过分析风机运行与控制原理,选取与转速和功率具有较... 详细信息

提出一种基于网格搜索优化(GS)极端随机森林(ERF)模型的风电机组性能预测及异常状态预警方法。首先,采用离散度分析法清洗噪声和异常工况数据,以获取建模用正常运行状态数据。其次,通过分析风机运行与控制原理,选取与转速和功率具有较高相关度的特征参数作为模型输入,完成预测模型训练和验证,并对比ERF模型与其它几种模型的建模效果。最后,基于滑动窗口算法确定窗宽为10 min,增量为1 min,计算窗内数据的平均绝对误差作为状态指标,采用非参数估计确定发电机转速阈值为33.78,有功功率阈值为55.07。借助某风电机组真实历史运行数据和故障样本,验证异常状态预警方法,结果表明,该方法能够对即将发生的故障进行检测,预警时间比实际故障时间有效提前。

关键词：风电机组极端随机森林异常工况预警滑动窗口网格搜索

来源：评论

学校读者我要写书评

暂无评论

基于集成学习的热红外CO2柱浓度估算研究

基于集成学习的热红外CO2柱浓度估算研究

引用

作者：宫晓勇桂林理工大学

学位级别：硕士

随着大气中二氧化碳（CO2）浓度不断上升,全球气温持续攀升,使得冰川融化、海平面上升,全球气候变暖已成为可持续发展中一项重大挑战,由此,准确高效的CO2监测显得尤为重要。CO2地基观测手段所获取的数据具备高精度及高时空分辨率的优势... 详细信息

随着大气中二氧化碳（CO2）浓度不断上升,全球气温持续攀升,使得冰川融化、海平面上升,全球气候变暖已成为可持续发展中一项重大挑战,由此,准确高效的CO2监测显得尤为重要。CO2地基观测手段所获取的数据具备高精度及高时空分辨率的优势,但其只提供站点附近CO2浓度变化的高精度表征,具有一定的空间局限性;卫星遥感观测手段可以在短时间内获得较广覆盖范围的CO2监测结果,已被广泛应用。近年来,将地基站点数据与卫星遥感数据结合开展区域尺度CO2浓度监测的研究逐渐成为热点。本文利用搭载在JPSS-1卫星上的跨轨红外探测器（CrIS）数据,结合全球碳柱总量观测网（TCCON）提供的地基观测数据、欧洲中程天气预报中心（ECMWF）再分析v5（ERA5）气象参数、归一化植被指数数据（NDVI）、地表反射率数据（SR）、站点高程数据（DEM）,利用相关显著性分析（CSA）和主成分分析（PCA）方法进行数据整合,采用目前常用于学习和预测温室气体浓度的集成学习模型:极端随机森林（ERT）、梯度提升决策树Boosters（XGBoost）、和梯度提升回归树（GBRT）,提出了一种基于多源数据融合的集成学习估算CO2浓度的方法,避免了最优化方法（Optimization Estimation,OE）反演时迭代计算耗时长的问题。通过对比分析三种集成学习算法得到的二氧化碳柱浓度（XCO2）估算结果,获得以下几个方面的主要研究内容: （1）XCO2预测模型适用性方面。使用PCA数据集方法的三种集成学习模型训练结果的R2值分别为0.9216、0.9038和0.9086,PCA方法构建的数据集XCO2预测结果R2比CSA构建的数据集XCO2预测值更高。使用验证集对三种模型进行验证的结果表明,ERT模型表现出最佳预测精度,ERT模型预测值与地基观测值之间的差异表现为:R2=0.9006,RMSE=0.7994 ppmv,MAE=0.5804 ppmv。（2）XCO2预测年均、月均尺度结果验证方面。将预测结果与2019年12个TCCON站点的XCO2的观测结果进行验证,最终模型预测值和地基观测值的均方根误差及标准差均在±1 ppm以内。典型区域模型估算XCO2浓度的月均值与TCCON地面观测月均值结果基本一致,四个区域预测结果精度表现分别为:亚洲区域,R2=0.9671,RMSE=0.7072 ppmv;北美洲区域,R2=0.9800,RMSE=0.6187 ppmv;欧洲区域,R2=0.9703,RMSE=0.8733 ppmv;大洋洲区域,R2=0.9558,RMSE=0.4614 ppmv。（3）XCO2预测空间分布方面。京津冀地区的XCO2预测结果分析表明,利用ERT模型进行估算取得的预测结果空间分布效果较好,尤其在重点城市区域XCO2浓度高低差异性更为明显。季节性变化特征明显,春季和冬季的XCO2浓度明显高于夏季和秋季。因此,使用ERT模型对热红外数据进行XCO2浓度的估算、开展区域尺度的XCO2反演研究具有较好的效果。

关键词： CrIS CO2平均柱浓度主成分分析集成学习极端随机森林

来源：评论

学校读者我要写书评

暂无评论

基于机器学习的金属有机框架材料吸附分离模型研究

基于机器学习的金属有机框架材料吸附分离模型研究

引用

作者：孙萌华北电力大学(北京)

学位级别：硕士

氪和氙是放射性惰性气体,具有很高的工业价值,利用金属有机框架材料进行氪氙吸附分离是一种高性价比的方法。目前,已经合成数十万种金属有机框架材料,如何快速地选择合适材料、减少实验次数、降低实验成本变得非常重要。机器学习方法可... 详细信息

氪和氙是放射性惰性气体,具有很高的工业价值,利用金属有机框架材料进行氪氙吸附分离是一种高性价比的方法。目前,已经合成数十万种金属有机框架材料,如何快速地选择合适材料、减少实验次数、降低实验成本变得非常重要。机器学习方法可以快速计算材料特征和性质之间的关系,对材料的性质进行准确预测,从而在短时间内筛选出性能良好的材料。本文建立了金属有机框架材料数据库,基于机器学习方法给出了氪氙吸附分离的预测模型,并对模型进行了优化,对所提出预测模型进行了适用性检验。具体研究内容如下:(1)建立金属有机框架材料数据库并分析。数据库包含材料的物理特征、化学特征和氪氙吸附量,共计1 801条数据。运用决策树、支持向量机、随机森林和极端随机森林方法,分别对三种不同的特征描述符组合:物理结构描述符、化学结构描述符、同时包含物理/化学结构描述符建立模型。从均方根误差和平均绝对百分比误差两个维度对所有模型进行对比分析。(2)基于机器学习方法的预测模型与优化。随机森林和极端随机森林模型预测均方根误差分别为0.79、0.73,平均绝对百分比误差分别为31.33%、29.59%,在四个模型中预测精度相对较高,考虑对这两个模型进行优化。先利用网格搜索方法寻找最优超参数,再利用交叉验证来减少模型过拟合的风险。提出两个新的模型:自组织映射神经网络-随机森林模型和自组织映射神经网络-极端随机森林模型。这两种模型的均方根误差分别为0.54、0.51,平均绝对百分比误差为20.61%、17.53%。相比于传统机器学习方法,模型的预测精度均有提高,且自组织映射神经网络-极端随机森林模型预测效果最好。再对选取的特征进行重要性排序,了解影响金属有机框架材料吸附分离性能的重要特征。(3)自组织映射神经网络-极端随机森林模型的适用性。将自组织映射神经网络-极端随机森林模型代入到假想的金属有机框架材料氪氙吸附分离的体系中进行测试,均方根误差为0.56,结果较好。再将模型代入到假想的金属有机框架材料吸附二氧化碳的体系当中,筛选适合进行二氧化碳吸附的材料特征。利用机器学习方法对金属有机框架材料氪氙吸附分离选择性进行预测,可以避免仅由直觉而造成的时间和材料的浪费,对实验有非常好的指导意义。

关键词：金属有机框架材料氪氙吸附分离机器学习随机森林极端随机森林自组织映射神经网络

来源：评论

学校读者我要写书评

暂无评论

用于故障检测的高压加热器数字孪生模型研究

用于故障检测的高压加热器数字孪生模型研究

引用

作者：赵尚羽华北电力大学

学位级别：硕士

近年来,随着工业生产领域的产业变革和云计算、物联网、人工智能、大数据、虚拟现实等前沿技术的不断出现,数字孪生逐渐成为研究和应用热点。当前,我国火力发电不断向大容量、超(超)临界机组方向发展,且大机组参与电网一次调频和自动发... 详细信息

近年来,随着工业生产领域的产业变革和云计算、物联网、人工智能、大数据、虚拟现实等前沿技术的不断出现,数字孪生逐渐成为研究和应用热点。当前,我国火力发电不断向大容量、超(超)临界机组方向发展,且大机组参与电网一次调频和自动发电量控制(AGC)进行深度调峰、负荷频繁变动已成为常态。这使得热力设备承受更加恶劣的工作条件,故障可能性大大增加。借助数字孪生技术实现热力系统状态监测和故障检测,对提高机组运行的安全经济性具有重要的现实意义。论文以数字孪生的五维模型作为框架,通过研究各个维度的功能和实现方法,搭建起以故障检测为目标的的高压加热器数字孪生模型,并通过实验验证了该系统在高加故障检测方面的有效性,为数字孪生技术在电站热力系统性能监测和故障诊断领域的进一步推广应用奠定基础。首先介绍了数字孪生的五维模型定义,比较了数字孪生和仿真的异同点,并分别介绍了数字孪生系统的物理实体、数字模型、数据、服务体系、交互连接五个维度在热力系统中的具体定义和实现方法。其次,以高压给水加热器为研究对象,研究了建立数字孪生模型的两种方法,即机理法和数据驱动法。前者是对现有机理型动态实时仿真模型进行重构,仅利用DCS系统可测参数对模型进行驱动,并解决模型并行同步运算的问题而得到的;后者是基于机组历史运行数据,利用机器学习中的极端随机森林算法,通过合理确定模型的输入输出参数,并采用随机搜索算法对模型超参数进行寻优,得到的精度更高的数据驱动模型。利用现有仿真平台和Python环境,分别建立了上述两种高加数字孪生模型,试验表明两种模型均能满足高加故障检测的应用要求。最后,在分析高加常见故障的基础上,利用Python平台和算法构建了高加性能监测和故障检测服务体系。在服务体系中,选取模型的9个输出参数以最大值伸缩法进行无量纲化处理,以9个输出的平均绝对误差的倒数为权值,整合出1个故障检测性能指标,其阈值则结合故障数据库和系数法确定。借助600MW超临界机组仿真机模拟高加故障,分别利用两种数字孪生模型进行稳态和动态变负荷过程故障检测仿真试验。结果表明,两种数字孪生模型和服务体系,均能实现对高加管系泄漏、部分管束堵塞、进出水室短路等故障的准确检测,验证了本文方法的有效性。

关键词：数字孪生高压加热器机理模型数据驱动模型极端随机森林故障检测

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：