检索结果-内蒙古大学图书馆

信息技术时代 2022年第15期 156-161页

作者：汤克文提爱斯(上海)数码有限公司上海200030

对传染病的研究与预测一直是人类社会中的重要课题.各种各样的传染病给整个社会带来了极大影响,因此,准确预测传染病爆发及感染人数显得尤为重要.本文首先比较目前传染病传播预测的主要模型,然后分析极限梯度提升模型(XGBoost模型)对传... 详细信息

对传染病的研究与预测一直是人类社会中的重要课题.各种各样的传染病给整个社会带来了极大影响,因此,准确预测传染病爆发及感染人数显得尤为重要.本文首先比较目前传染病传播预测的主要模型,然后分析极限梯度提升模型(XGBoost模型)对传染病感染人数的预测能力,最后结合历史数据训练模型、调优参数给出预测的精确度分析.

关键词：极限梯度提升算法网格化搜索策略坐标下降优化时间序列模型动力学传播模型

来源：评论

学校读者我要写书评

暂无评论

基于多尺度熵和极限梯度提升算法的水电机组故障诊断

基于多尺度熵和极限梯度提升算法的水电机组故障诊断

引用

作者：张文静西北农林科技大学

学位级别：硕士

在我国“双碳”战略的持续推进下,能源技术不断革新,促进着新型能源体系的转型,同时也为电网安全带来新的挑战。水电作为新型电力系统中重要的调节器,其安全运行至关重要,一旦机组出现故障将会带来严重的经济损失与人员伤亡。利用智能... 详细信息

在我国“双碳”战略的持续推进下,能源技术不断革新,促进着新型能源体系的转型,同时也为电网安全带来新的挑战。水电作为新型电力系统中重要的调节器,其安全运行至关重要,一旦机组出现故障将会带来严重的经济损失与人员伤亡。利用智能故障诊断技术处理机组振动信号,能为机组健康状况的监测与判断提供数据支撑,及时发现并消除安全隐患,具有重要的工程实际意义。本文围绕水电机组故障诊断中信号降噪、特征提取以及故障类型识别所涉及的问题展开研究,主要工作内容如下:(1)针对水电机组运行环境下振动信号中的有效信息被大量噪声淹没的问题,提出了一种结合信号分解算法与熵值理论的水电机组振动信号自适应降噪方法。该方法通过完全自适应噪声集合经验模态分解(CEEMDAN)分解信号,利用排列熵(PE)反映信号混乱程度的特性实现噪声主导分量与信号主导分量的分离;然后通过奇异值分解(SVD)结合基于奇异熵的自适应定阶法对噪声主导分量中的噪声部分进行滤除;再将所有分量融合重构,实现机组信号的有效降噪。最后经过仿真信号与机组振动信号的实验,验证了所提方法的降噪能力与工程实用性。(2)考虑到水电机组振动信号的非线性、非平稳性与突变冲击性使其故障特征很难直接被识别,提出了基于排列熵(MPE)与极限梯度提升(XGBoost)的水电机组故障诊断模型,同时针对其参数数量众多且参数组合决定着模型性能的情况,引入蜣螂优化算法(DBO)优化模型的参数选择。首先按信号类型计算对应MPE的偏度作为DBO算法的适应度函数,综合比较后确定MPE的参数;然后以XGBoost分类器的诊断错误率作为适应度函数确定其主要参数,由此完成模型参数的优化;最后采用凯斯西储大学轴承故障数据集进行实验,通过不同模型的对比验证了DBO参数优化后MPE-XGBoost诊断模型在性能上的提升。(3)为改善MPE由于缺乏幅值信息而对结构相似信号的敏感性较低的缺陷,以及传统粗粒化方法使得其稳定性降低的问题,提出了一种新的特征提取工具——改进多尺度分数阶加权排列熵(IMFWPE)。该工具在MPE的基础上融入了分数阶熵与加权理论,同时对粗粒化方法进行改进,经过仿真信号与转子故障数据实验验证了其良好的抗干扰性与特征提取能力。利用转子试验台模拟水电机组故障情况,结合XGBoost分类器构建IMFWPE-XGBoost故障诊断模型进行实验,并与其他模型比较,结果表明所提方法在故障识别上表现最佳。最后,在真实机组环境下的实验验证了其在工程实际中同样具有良好的故障诊断能力。

关键词：水电机组信号降噪多尺度熵极限梯度提升算法故障诊断

来源：评论

学校读者我要写书评

暂无评论

基于静力触探与机器学习的打入桩竖向承载力预测

引用

同济大学学报(自然科学版) 2025年第2期53卷 196-205页

作者：莫品强林浩东胡静高柳庄培芝中国矿业大学深地工程智能建造与健康运维全国重点实验室江苏徐州221116 中国矿业大学深圳研究院广东深圳518057 中国电建集团成都勘测设计研究院有限公司四川成都610072 山东大学齐鲁交通学院山东济南250002

分析了单桩承载力的主要影响因素,利用降维算法对静力触探数据进行预处理,使用树模型的重要性分析函数筛选主要特征,由贝叶斯优化算法确定超参数,提出了一种基于机器学习算法的打入桩竖向承载力预测模型。经过准度测试、蒙特卡洛模拟检... 详细信息

分析了单桩承载力的主要影响因素,利用降维算法对静力触探数据进行预处理,使用树模型的重要性分析函数筛选主要特征,由贝叶斯优化算法确定超参数,提出了一种基于机器学习算法的打入桩竖向承载力预测模型。经过准度测试、蒙特卡洛模拟检验及与经验关系模型的对比,对预测模型的有效性和鲁棒性进行了评估。结果表明,支持向量机(SVM)模型、随机森林(RF)模型、极限梯度提升算法(XGBoost)模型均能较准确地预测打入桩竖向承载力,且准确性显著高于经验关系模型。根据综合分析结果,建议选择XGBoost模型用于打入桩竖向承载力的预测。

关键词：静力触探打入桩承载力机器学习降维算法极限梯度提升算法

来源：评论

学校读者我要写书评

暂无评论

基于对流层检测仪和臭氧检测仪的我国近地面NO_(2)浓度的估算对比与优化

引用

光学学报 2024年第6期44卷 123-134页

作者：周文远秦凯何秦王璐瑶罗锦洪谢卧龙中国矿业大学环境与测绘学院江苏徐州221116 西安地球环境创新研究院陕西西安710061 山西省生态环境规划和技术研究院山西太原030000

由于二氧化氮(NO_(2))在大气中的存活寿命较短,卫星遥感反演的对流层NO_(2)柱浓度与近地面NO_(2)浓度关系密切。欧洲航天局(ESA)S5P卫星的对流层检测仪(TROPOMI)载荷提供了目前最高空间分辨率的对流层NO_(2)数据,其在近地面NO_(2)浓度... 详细信息

由于二氧化氮(NO_(2))在大气中的存活寿命较短,卫星遥感反演的对流层NO_(2)柱浓度与近地面NO_(2)浓度关系密切。欧洲航天局(ESA)S5P卫星的对流层检测仪(TROPOMI)载荷提供了目前最高空间分辨率的对流层NO_(2)数据,其在近地面NO_(2)浓度估算方面的潜在优势亟待检验。为此,本文采用极限梯度提升(XGBoost)算法和4年(2018—2021年)的TROPOMI/臭氧检测仪(OMI)数据估算了我国近地面NO_(2)浓度并开展了对比性分析。结果表明:1)TROPOMI的估算结果在精度和空间覆盖度两个方面,均明显高于OMI的结果;2)OMI数据由于自身空间分辨率的限制,无法和TROPOMI一样识别出NO_(2)浓度高值区附近的空间分布细节,导致其估算结果存在更严重的高估或低估。进一步,针对机器学习方法估算近地面NO_(2)普遍存在高值低估的现象,通过集成模型进行优化,得到了更优的结果(R^(2)=0.85,slope为0.89)。该研究结果有利于促进卫星遥感在近地面NO_(2)浓度估算与暴露评估领域的深入应用。

关键词：遥感与传感器近地面二氧化氮浓度估算极限梯度提升算法特征分析估算优化

来源：评论

学校读者我要写书评

暂无评论

基于概率建模的分层产液劈分方法

引用

中国石油大学学报（自然科学版） 2024年第2期48卷 109-117页

作者：辛国靖张凯田丰姚剑姚传进王中正张黎明姚军中国石油大学(华东)石油工程学院山东青岛266580 中国石化胜利油田分公司信息化管理中心山东东营257000

传统产液劈分方法无法考虑层间干扰及注水井和邻井的影响,难以准确判断井下实际状况。同时,海上油田产液剖面测试成本高,常规的机器学习方法面临样本数量少的问题。基于此,提出一种基于贝叶斯神经网络和极限梯度提升算法的多层合采产液... 详细信息

传统产液劈分方法无法考虑层间干扰及注水井和邻井的影响,难以准确判断井下实际状况。同时,海上油田产液剖面测试成本高,常规的机器学习方法面临样本数量少的问题。基于此,提出一种基于贝叶斯神经网络和极限梯度提升算法的多层合采产液劈分混合学习模型。概率方法可以识别预测中的不确定性,通过将神经网络与概率建模结合,进行分层产液数据分布特征挖掘,结合主控因素分析,混合学习算法可以实现小层产液量的准确预测,可以依据较少的数据获得更为稳健的模型。为验证所提方法的有效性,将其应用于实际油田某区块进行产液剖面预测。结果表明:相比KH劈分方法在计算中劈分系数固定,不会随着生产过程波动,所提出的方法可从历史数据中学习,预测精度达到87.9%,预测结果更加逼近真实单层产液量。

关键词：多层合采产液剖面预测贝叶斯神经网络极限梯度提升算法小样本

来源：评论

学校读者我要写书评

暂无评论

基于CNN和XgBoost的香蕉成熟度判别

引用

食品与机械 2024年第4期40卷 127-135,178页

作者：韩雪张磊赵雅菲王聪徐州开放大学江苏徐州221000 河南师范大学河南新乡453007 开封大学河南开封475004 江苏理工学院江苏常州213001

目的:提高香蕉成熟度的判别准确率。方法:基于卷积神经网络和极限梯度提升算法建立香蕉成熟度的判别方法。先通过卷积神经网络提取香蕉图像特征,并采用全连接层网络和线性判别分析方法精简香蕉图像特征;通过贝叶斯优化算法优化极限梯度... 详细信息

目的:提高香蕉成熟度的判别准确率。方法:基于卷积神经网络和极限梯度提升算法建立香蕉成熟度的判别方法。先通过卷积神经网络提取香蕉图像特征,并采用全连接层网络和线性判别分析方法精简香蕉图像特征;通过贝叶斯优化算法优化极限梯度提升算法超参数;将简化后的香蕉图像特征输入极限梯度提升算法,通过极限梯度提升算法对香蕉成熟度进行判别。结果:所提方法对香蕉成熟度的判别准确度为91.25%;与已有方法相比,所提方法对小数据量香蕉的成熟度判别准确率明显提高。结论:该方法可实现被测香蕉成熟度的准确判别,有助于仓库经理、出口商实时监测香蕉的成熟度状况。

关键词：香蕉成熟度判别卷积神经网络极限梯度提升算法小数据量

来源：评论

学校读者我要写书评

暂无评论

驾驶性主客观综合评价方法在起步工况下的应用

引用

华南理工大学学报(自然科学版) 2025年

作者：吴飞孙现魁王鹏程武汉理工大学机电工程学院

为提高驾驶性评价方法的准确性与可靠性，提出一种融合极限梯度提升算法、麻雀搜索算法与沙普利解释算法的主客观综合评价方法。该研究以车辆起步工况为目标，定义车辆起步工况下的9项客观评价指标，完善驾驶性起步工况的评价体系；提... 详细信息

为提高驾驶性评价方法的准确性与可靠性，提出一种融合极限梯度提升算法、麻雀搜索算法与沙普利解释算法的主客观综合评价方法。该研究以车辆起步工况为目标，定义车辆起步工况下的9项客观评价指标，完善驾驶性起步工况的评价体系；提出以极限梯度提升算法双向映射客观评价指标值与主观评分，为避免驾驶性评价模型陷入局部最优解，采用麻雀搜索算法对极限梯度提升算法的核心超参数进行快速寻优，使得驾驶性评价模型在数据集扩充后具有自主迭代能力；最后利用沙普利解释算法对映射模型进行特征归因，量化客观评价指标对驾驶性评价的影响权重，构建兼具预测准确性、稳定性与可解释性的驾驶性综合评价模型。应用该方法，结合国内外主流驾驶性综合评价进行多次道路试验，对比分析结果表明：所提出的驾驶性评价模型的平均绝对误差、均方根误差和决定系数均优于BP神经网络、随机森林与极限学习机等主流驾驶性评价算法，映射准确性相较于其他方法明显提升，且该驾驶性综合评价方法具有一定的可解释性，对驾驶性评价中的主客观综合评价具有参考意义。

关键词：驾驶性起步工况评价方法极限梯度提升算法沙普利解释算法

来源：评论

学校读者我要写书评

暂无评论

基于多变量时间序列模型的高含水期产量预测方法

引用

中国石油大学学报（自然科学版） 2023年第5期47卷 103-114页

作者：刘合李艳春杜庆龙贾德利王素玲乔美霞屈如意东北石油大学机械科学与工程学院黑龙江大庆163318 中国石油勘探开发研究院北京100083 大庆油田有限责任公司勘探开发研究院黑龙江大庆163712

针对油田高含水期地质条件复杂、地层物性变化多样导致产量预测正确率低的问题,提出一种基于多变量时间序列模型即多变量长短期记忆神经网络(LSTM)的产量预测方法。在基于极限梯度提升算法(XGBoost)筛选产量主控因素的基础上,建立综合... 详细信息

针对油田高含水期地质条件复杂、地层物性变化多样导致产量预测正确率低的问题,提出一种基于多变量时间序列模型即多变量长短期记忆神经网络(LSTM)的产量预测方法。在基于极限梯度提升算法(XGBoost)筛选产量主控因素的基础上,建立综合考虑产量与地质、开发等影响因素之间相关性特征,并兼顾产量自身的时序性变化特征的产量预测模型;实验选取中国某中高渗透砂岩区块油田生产历史数据进行高含水期产量预测模型的训练和测试,并与单变量长短时记忆模型以及其他全连接网络模型结果进行比较。结果表明:该方法具有较好的预测性能,新模型克服了传统全连接神经网络无法描述产量时序数据相关性,以及单变量LSTM无法表征高含水期产量变化受多因素影响的问题,有效地提高了油田高含水期产量预测的准确性。

关键词：产量预测高含水期长短期记忆神经网络极限梯度提升算法

来源：评论

学校读者我要写书评

暂无评论

基于极限梯度提升的冷鲜猪肉食品安全风险预测

引用

食品科技 2025年第3期50卷 111-120页

作者：孙晓荣张晨光李静刘翠玲张善哲谭成功北京工商大学计算机与人工智能学院北京100048 北京工商大学北京市食品安全大数据技术重点实验室北京100048 中国网络安全审查认证与市场监管大数据中心北京100088

为实现冷鲜猪肉的食品安全风险预测,在不同温度、不同存放时间条件下,采集冷鲜猪肉感官指标和菌落数量,依据国家标准建立感官和品质等级评价体系,使用温度、时间、感官指标和菌落总数数据,基于决策树(Decision tree,DT)、支持向量机(Sup... 详细信息

为实现冷鲜猪肉的食品安全风险预测,在不同温度、不同存放时间条件下,采集冷鲜猪肉感官指标和菌落数量,依据国家标准建立感官和品质等级评价体系,使用温度、时间、感官指标和菌落总数数据,基于决策树(Decision tree,DT)、支持向量机(Support vector machine,SVM)和极限梯度提升算法(Extreme gradient boosting,XGB)分别建立感官等级和品质等级预测模型。其中,XGB构建的模型预测准确率均在85.71%以上,预测集决定系数(Coefficient of determination,R^(2))最高为0.929,最低为0.768。考虑到冷链食品储运过程的实际情况,减少模型输入,使用温度和时间对感官等级和品质等级进行预测。其中,XGB构建的模型预测准确率均在80.95%以上,R^(2)最高为0.929,最低为0.698。研究结果表明,基于XGB算法建立的模型准确率最高,所建立的感官和品质预测模型稳定可靠,具有较高的预测精度和泛化能力,实现了对冷鲜猪肉的风险预测。

关键词：冷鲜猪肉风险预测定性分析极限梯度提升算法

来源：评论

学校读者我要写书评

暂无评论

华北落叶松林立地因子提取及立地指数遥感估测

引用

东北林业大学学报 2024年第4期52卷 72-81,88页

作者：李金恬范文义东北林业大学哈尔滨150040

根据2019年Landsat8 OLI光学遥感数据和塞罕坝机械林场地区2020年森林资源二类清查数据以及临时样地数据,编制塞罕坝机械林场华北落叶松林立地指数表,并得到华北落叶松林小班立地指数。在小班尺度上获取影像的光谱、纹理、植被指数、线... 详细信息

根据2019年Landsat8 OLI光学遥感数据和塞罕坝机械林场地区2020年森林资源二类清查数据以及临时样地数据,编制塞罕坝机械林场华北落叶松林立地指数表,并得到华北落叶松林小班立地指数。在小班尺度上获取影像的光谱、纹理、植被指数、线性变换、地形等6个种类59个特征,利用极限梯度提升算法(XGBoost)提取华北落叶松林小班林分因子信息估测立地指数。结果表明:遥感-立地因子特征立地指数估测模型的精度更高,准确度为0.877376,召回率为0.894318,精确率为0.926923,F_(1)值为0.908221。因此,在立地指数估测中,将多光谱遥感特征与立地因子提取相结合具有应用潜力。

关键词：立地指数华北落叶松林 Landsat8 OLI 极限梯度提升算法

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：