检索结果-内蒙古大学图书馆

水土保持学报 2024年第3期38卷 54-63页

作者：李潼亮赵梓鉴李斌斌张风宝郭正何琪琳何庆杨明义西北农林科技大学水土保持科学与工程学院黄土高原土壤侵蚀与旱地农业国家重点实验室 712100陕西杨凌水利部水土保持监测中心北京100053 中国科学院水利部水土保持研究所陕西杨凌712100 中国科学院大学北京100049

[目的]针对黄土高原坡耕地土壤侵蚀过程复杂、人为干扰强烈且难以量化的特点,利用机器学习定量解析主要影响因素对坡耕地土壤水蚀的作用与贡献,模拟分析坡耕地土壤水蚀特征并探究其机理,为坡耕地土壤侵蚀的预报提供基础支撑。[方法]基... 详细信息

[目的]针对黄土高原坡耕地土壤侵蚀过程复杂、人为干扰强烈且难以量化的特点,利用机器学习定量解析主要影响因素对坡耕地土壤水蚀的作用与贡献,模拟分析坡耕地土壤水蚀特征并探究其机理,为坡耕地土壤侵蚀的预报提供基础支撑。[方法]基于黄土高原子洲试验站坡耕地小区1959—1969年产流产沙观测数据,精细化表征其影响因子,运用梯度提升树模型对侵蚀量和径流深的变化及其影响因素的贡献进行分析。[结果]数据集中次降雨侵蚀量(0~122.72 t/km^(2))、径流深(0.02~17.20 mm)、降雨历时(2~1410 min)及平均雨强(0.02~4.63 mm)属强变异,变异系数均>1,且多数变量呈右偏态;在相同训练集和测试集划分情况下,对侵蚀量模型预测精度(R^(2)=0.81)略优于径流深模型(R^(2)=0.80),但侵蚀量模型的层数(8层)大于径流深模型(5层),表明侵蚀机理相较径流机理更为复杂;通过梯度提升树模型与SHAP算法对自变量重要性进行排序发现,影响侵蚀模型与径流模型的自变量重要性不同。[结论]受特征提取的限制,在侵蚀量与径流深较小时预测结果不理想,未来研究应当通过引入更多自变量组合方式寻找更多相关变量以提高对侵蚀事件的预测。产流和产沙的主要影响因素存在差异,降水本身特征对产流过程起主要作用,侵蚀产沙过程中主要受到降水与地形相关自变量的共同影响。基于数据驱动,为揭示黄土高原坡耕地侵蚀机理提供参考,并为区域坡耕地土壤侵蚀防治提供科学依据。

关键词：预报模型梯度提升树模型坡耕地黄土坡面

来源：评论

学校读者我要写书评

暂无评论

基于回归树集成学习方法的工业增长预测和分析

引用

计量经济学报 2024年第1期4卷 104-129页

作者：陈磊李丽娟东北财经大学经济学院大连116025 东北财经大学经济计量分析与预测研究中心大连116025

本文从众多变量中筛选出59个相关经济指标,分别考查疫情前后传统时间序列模型和几种回归树集成学习模型对中国工业增加值增速的预测效果,并结合Shapley additive explanations(SHAP)方法对相关预测变量的作用进行解释分析.研究发现,随... 详细信息

本文从众多变量中筛选出59个相关经济指标,分别考查疫情前后传统时间序列模型和几种回归树集成学习模型对中国工业增加值增速的预测效果,并结合Shapley additive explanations(SHAP)方法对相关预测变量的作用进行解释分析.研究发现,随着预测步长的增加和新冠疫情的暴发,传统时间序列模型的预测性能明显减弱,而集成学习模型的预测表现则相对较好,其中梯度提升树模型在较长预测步长中更加稳健和准确.基于SHAP方法的分析发现,作为预测变量的经济指标在不同时期的重要性有所不同,除生产、投资等指标外,金融类变量在高风险时期也具有一定的预测作用,需结合具体时间和预期目标来选择合适的经济指标进行工业增长预测.基于预测的视角可在一定程度上说明新冠疫情冲击可能不会改变工业增长未来走势的基本面.

关键词：工业增加值预测回归树集成学习 Shapley additive explanations(SHAP)方法梯度提升树模型

来源：评论

学校读者我要写书评

暂无评论

具备数据隐私保护功能的网络异常流量检测算法研究

具备数据隐私保护功能的网络异常流量检测算法研究

引用

作者：孟泉润浙江大学

学位级别：硕士

互联网的快速发展使网络流量不断增长，同时网络攻击事件也层出不穷。作为一种发现网络攻击的有效手段，网络异常流量检测一直是研究热点。近年来，机器学习算法因其具有准确率高、检测速度快等优点被广泛应用于网络异常流量检测任务中... 详细信息

互联网的快速发展使网络流量不断增长，同时网络攻击事件也层出不穷。作为一种发现网络攻击的有效手段，网络异常流量检测一直是研究热点。近年来，机器学习算法因其具有准确率高、检测速度快等优点被广泛应用于网络异常流量检测任务中，其中梯度提升树模型更是因为具有可解释性强，泛化性能好等特点，成为一种常用的检测模型。然而，训练可用的梯度提升树模型需要使用大量的流量数据作为训练集，这可能会侵犯网络流量中的隐私数据，使数据持有方面临公众质疑和合规风险。因此，为了规避相关风险，数据持有方通常会通过合规方式来采集和使用流量数据。但这种方式往往会使各数据持有方的私有数据规模较小，导致无法训练出可用的检测模型。此时，各数据持有方希望在保护各自私有数据隐私性的前提下，在分布式的场景中完成检测模型的安全训练和安全预测。　　为了满足上述需要，本文针对网络流量检测任务中的梯度提升树模型，提出了一种实现数据隐私保护的网络异常流量检测技术。具体来说，在训练阶段，各数据持有方在联邦学习框架下，通过在训练过程中添加噪声扰动实现对私有数据的差分隐私保护;在预测阶段，模型方和数据方基于安全多方计算实现了对模型参数和流量数据的隐私保护，并完成安全预测。本文主要工作如下所示：　　1.提出了一种实现数据隐私保护功能的网络异常流量检测训练算法。通过设计一种分割块算法，本文解决了训练过程中特征的全局大小关系协同问题;基于指数机制和拉普拉斯机制，本文在训练过程中为决策树的节点添加扰动，实现了对各数据持有方私有数据集的差分隐私保护。本文所提出的训练算法相较于已有工作，具有准确率高，训练时间短的优点。　　2.提出了一种实现数据隐私保护功能的网络异常流量检测预测算法。本文将预测过程分为三个阶段，并在不同阶段分别使用混淆电路和同态加密方案来完成对模型参数和私有数据的隐私保护。本文所提出的预测算法相较于已有工作，具有计算开销小的优点。　　3.为了验证所提出的训练算法和预测算法的有效性，本文在公开数据集CICIDS2017上进行了一系列实验。实验结果表明，本文提出的两种算法在可用性和计算效率两种性能指标上，均实现了较大提升。具体来说，本文提出的训练算法相较于两种基准算法，准确率的提升至少为7.5%，相较于无隐私保护的梯度提升树模型，准确率的下降不超过9.8%。此外，本文提出的训练算法相较于两种基准算法，训练时间至少下降了13.75%。本文提出的预测算法相较于两种基准算法，所需的预测时间仅为基准算法所需时间的3.2%-82.5%。

关键词：计算机网络异常流量检测梯度提升树模型数据隐私保护

来源：评论

学校读者我要写书评

暂无评论

基于梯度提升树的电力物资在库时长预测

引用

电力信息与通信技术 2020年第9期18卷 50-56页

作者：董玉坤沈胜楠路欣武小雨及翠婷国网河北省电力有限公司信息通信分公司河北石家庄050000 国网保定供电公司河北保定071000

针对电力公司物资库龄长、周转率低等问题,文章通过分析物资周转显性化特征,梳理影响物资周转和积压的因素,引入物资需求偏差、项目施工进度偏差等指标参数,提出一种基于梯度提升树的物资在库时长预测模型,通过多参量构建梯度回归树拟... 详细信息

针对电力公司物资库龄长、周转率低等问题,文章通过分析物资周转显性化特征,梳理影响物资周转和积压的因素,引入物资需求偏差、项目施工进度偏差等指标参数,提出一种基于梯度提升树的物资在库时长预测模型,通过多参量构建梯度回归树拟合损失函数得出学习率,在预测模型中进行物资在库时长预测。通过对某电力公司2017—2019年物资数据进行训练和预测,经实验分析,该模型对电力物资在库时长预测准确率为95%。同BP神经网络、L1/2稀疏迭代回归和线性回归算法比对后发现,该模型在方差、误差、准确率方面优于其他算法,证明了该模型的准确性和实用性。

关键词：库存周转率物资积压物资需求偏差梯度提升树模型

来源：评论

学校读者我要写书评

暂无评论

CEO特征与股价崩盘风险预警——基于Gradient-Boosting模型的研究

引用

福建商学院学报 2022年第5期 42-49页

作者：赵甜甜尉昊李昊泽兰州财经大学会计学院甘肃兰州730020

选取2010—2020年沪深A股企业样本,构建梯度提升树模型评估CEO先天特征、人生经历、认知水平与公司组织结构四个特征维度对股价崩盘风险的预警和识别效果。研究发现:CEO特征对于股价崩盘风险预测效果显著;CEO特征与股价崩盘风险之间存... 详细信息

选取2010—2020年沪深A股企业样本,构建梯度提升树模型评估CEO先天特征、人生经历、认知水平与公司组织结构四个特征维度对股价崩盘风险的预警和识别效果。研究发现:CEO特征对于股价崩盘风险预测效果显著;CEO特征与股价崩盘风险之间存在多重内在预测机制;采用Kmeans聚类算法对CEO类型进行划分,“领导型”与“改革型”CEO对股价崩盘风险的影响与预测效果存在显著差异。应完善高管遴选制度与激励机制设计,提高公司治理水平,促进资本市场健康发展。

关键词： CEO特征股价崩盘风险梯度提升树模型 Kmeans聚类算法

来源：评论

学校读者我要写书评

暂无评论

基于机器学习的场外配资识别算法设计与应用

引用

微型电脑应用 2021年第12期37卷 33-36,47页

作者：俞建群李双宏东方证券股份有限公司上海200010

场外配资是一种高风险的融资手段,对可疑的场外配资行为进行及时的识别与监控,有利于维护投资者的合法权益与证券市场的稳定。为此提出一种基于改进XGBoost机器学习算法的配资账户识别方法。通过分析场外配资的业务逻辑,构建了与识别算... 详细信息

场外配资是一种高风险的融资手段,对可疑的场外配资行为进行及时的识别与监控,有利于维护投资者的合法权益与证券市场的稳定。为此提出一种基于改进XGBoost机器学习算法的配资账户识别方法。通过分析场外配资的业务逻辑,构建了与识别算法强相关的特征指标体系,并结合场外配资行为特性采用召回率作为关键度量指标。通过对所构建识别算法的对比分析,所提出的基于XGBoost的场外配资识别模型得到了更加准确的识别效果,并且通过市场交易行为分析能够更加灵活快速适应市场环境变化,从而更好地用于证券市场的场外配资监控。

关键词：场外配资随机森林梯度提升树模型特征工程

来源：评论

学校读者我要写书评

暂无评论

基于梯度提升树的电力物资在库时长预测

基于梯度提升树的电力物资在库时长预测

引用

2020年电力信息通信新技术大会

作者：董玉坤沈胜楠路欣武小雨及翠婷国网河北省电力有限公司信息通信分公司河北石家庄 050000 国网国网保定供电公司河北保定071000

针对电力公司物资库龄长、周转率低等问题，文章通过分析物资周转显性化特征，梳理影响物资周转和积压的因素，引入物资需求偏差、项目施工进度偏差等指标参数，提出一种基于梯度提升树的物资在库时长预测模型，通过多参量构建梯度回归... 详细信息

针对电力公司物资库龄长、周转率低等问题，文章通过分析物资周转显性化特征，梳理影响物资周转和积压的因素，引入物资需求偏差、项目施工进度偏差等指标参数，提出一种基于梯度提升树的物资在库时长预测模型，通过多参量构建梯度回归树拟合损失函数得出学习率，于预测模型中进行物资在时长预测。通过对某电力公司2017—2019年物资数据进行训练和预测，经实验分析该模型对电力物资在库时长预测准确率为95%。同BP神经网络、L1/2稀疏迭代回归和线性回归算法比对后发现，该模型在方差、误差、准确率方面优于其他算法，证明了该模型准确性和实用性。

关键词：库存周转率物资积压物资需求偏差梯度提升树模型

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：