检索结果-内蒙古大学图书馆

数据分析与知识发现 2024年第3期8卷 41-52页

作者：聂卉吴晓燕中山大学信息管理学院广州510275

【目的】本研究旨在探讨构建抑郁严重度预测模型及其解释性问题,通过分析互联网用户生成的内容,进一步发展抑郁症风险预测研究,从而提高抑郁症自动检测模型的可靠性和实用性。【方法】通过收集“好大夫在线”平台上的抑郁症医疗咨询文... 详细信息

【目的】本研究旨在探讨构建抑郁严重度预测模型及其解释性问题,通过分析互联网用户生成的内容,进一步发展抑郁症风险预测研究,从而提高抑郁症自动检测模型的可靠性和实用性。【方法】通过收集“好大夫在线”平台上的抑郁症医疗咨询文本记录,构建了一个语料库。利用心理学词典,从中提取了患者的心理特征,并采用梯度提升树算法预测患者的病情,同时引入可解释机器学习方法SHAP解读模型,借助SHAP独特的可视化图表剖析患者年龄、性别、认知、情感、感知、社会家庭及个人得失与抑郁症发生之间的复杂关系。【结果】抑郁症患者心理状态能反馈患者病况,利用从患者问诊记录中提取的心理特征能够有效检测重度抑郁,准确率达到86%。可解释机器学习模型SHAP解释了模型的预测结果,揭示出患者各层面心理特征对抑郁症发生产生的多重效应。【局限】受语料集所限,仅利用单次问诊记录对抑郁程度做预测;而模型特征基于心理学词典,更多与抑郁症发生风险有关的要素可纳入建模考虑中。【结论】影响抑郁症产生及发展的因素复杂。个体差异致使各项特征对于疾病预测产生不同效应。构建抑郁症的自动诊断模型,不仅要关注模型的精准度,更需增强对模型预测的理解。

关键词：抑郁症预测在线用户生成内容可解释机器学习梯度提升树算法

来源：评论

学校读者我要写书评

暂无评论

梯度提升树算法在陕北风电场短期风电功率预测中的应用

引用

电网与清洁能源 2022年第4期38卷 124-128,134页

作者：孙川永彭友兵刘志亮郝赢玺吴怡东琦郑永恒国网陕西省电力有限公司经济技术研究院陕西西安710048 西安交通大学人居环境与建筑工程学院陕西西安710049 国网陕西省电力有限公司陕西西安710004

为了对地形和气候条件复杂的陕北风电场短期风电功率进行准确预测,通过将(weather research and forecasting,WRF)模式输出结果和同期实测风电功率资料相结合,利用梯度提升树算法进行预报气象场和实测风电功率之间的统计关系分析,从而... 详细信息

为了对地形和气候条件复杂的陕北风电场短期风电功率进行准确预测,通过将(weather research and forecasting,WRF)模式输出结果和同期实测风电功率资料相结合,利用梯度提升树算法进行预报气象场和实测风电功率之间的统计关系分析,从而建立了一套陕北风电场短期风电功率预测模型。以陕北靖边某风电场为例,预测结果表明:所提模型年平均预测准确率伟15.7%;月平均归一化均方根误差在20%以下。模型对风电场风电功率预测精度较好。

关键词：梯度提升树算法风电功率 WRF

来源：评论

学校读者我要写书评

暂无评论

基于梯度提升树算法预测体检者体质量超重的研究

引用

医疗装备 2024年第23期37卷 6-10,18页

作者：马刘桁孙日晗高志宏黄文亭王纳胡建东温州医科大学附属第一医院浙江温州325005 温州医科大学第一临床医学院信息与工程学院浙江温州325000

目的探讨梯度提升树算法预测体检者体质量超重的可行性。方法选取2017年1月至2020年3月美国国家健康和营养检查调查(NHANES)数据库中1.4万组包括体质量指数(BMI)、身高、体质量及年龄等资料的体检数据形成数据集。随机抽取未成年组(2... 详细信息

目的探讨梯度提升树算法预测体检者体质量超重的可行性。方法选取2017年1月至2020年3月美国国家健康和营养检查调查(NHANES)数据库中1.4万组包括体质量指数(BMI)、身高、体质量及年龄等资料的体检数据形成数据集。随机抽取未成年组(2~19岁)数据1 440组[各年龄段体质量超重数据(540组)、非超重数据(900组)],成年组(≥20岁)数据1100组,共2540组数据,并以8:2比例随机分为训练集和测试集。训练集包含2 032组数据,测试集包含508组数据(其中未成年组数据288组和成年组数据220组)。使用训练集训练梯度提升树算法构建LightGBM和XGBoost模型,并通过测试集验证LightGBM和XGBoost模型的性能。结果 LightGBM和XGBoost模型在成年组测试集中预测性能优异,准确率和曲线下面积(AUC)值均为1;在未成年组中也表现出良好性能,未成年组、未成年不含BMI组准确率分别为0.931和0.938,AUC值为0.983和0.986。结论梯度提升树算法可以有效识别成年人和未成年人的体质量超重情况,为临床实践提供支持。

关键词：梯度提升树算法体质量超重成年人未成年人

来源：评论

学校读者我要写书评

暂无评论

改进梯度提升树算法的输电线路故障识别

引用

黑龙江科技大学学报 2024年第2期34卷 310-316页

作者：赵岩孙江山黑龙江科技大学电气与控制工程学院哈尔滨150022

为精准识别输电线路的短路故障类型,提高输电线路短路故障诊断精度,提出一种贝叶斯优化梯度提升树的输电线路短路故障识别方法。通过变分模态分解和对称分量法,提取故障特征,构建特征集。采用贝叶斯优化梯度提升树挖掘特征集与短路故障... 详细信息

为精准识别输电线路的短路故障类型,提高输电线路短路故障诊断精度,提出一种贝叶斯优化梯度提升树的输电线路短路故障识别方法。通过变分模态分解和对称分量法,提取故障特征,构建特征集。采用贝叶斯优化梯度提升树挖掘特征集与短路故障类型之间的关系,建立短路故障识别模型,利用Simulink识别输电线路的故障精度。结果表明,该诊断模型能够快速且准确地识别短路故障类型,识别准确率高达99.75%。与传统方法相比,该方法显著减少了过渡电阻、故障距离和故障初始角对模型识别准确率的影响。

关键词：故障识别变分模态分解贝叶斯优化梯度提升树算法

来源：评论

学校读者我要写书评

暂无评论

基于梯度提升树算法的广州市紫外辐射拟合模型构建与相关因子分析

引用

气象科技 2024年第1期52卷 124-131页

作者：李文慧杨颖璨沈海波广东省气象公共服务中心广州510640 中国南方电网电力调度控制中心广州510799

利用2019—2021年广州市紫外辐射数据、常规气象观测数据以及环境空气质量观测数据,对广州市紫外线辐射强度变化特征及与气象、环境因子的相关性进行分析,选择与广州市紫外辐射显著相关的7种特征因子,采用梯度提升树(Gradient Boosting ... 详细信息

利用2019—2021年广州市紫外辐射数据、常规气象观测数据以及环境空气质量观测数据,对广州市紫外线辐射强度变化特征及与气象、环境因子的相关性进行分析,选择与广州市紫外辐射显著相关的7种特征因子,采用梯度提升树(Gradient Boosting Decision Tree,GBDT)算法建立广州市紫外辐射拟合模型。结果表明:(1)广州市紫外线辐射强度具有明显的季节变化和日变化特征,季节变化表现为夏秋季高、冬春季低的特征。2020、2021年紫外辐射强度的最大值出现在7月,2019年出现在9月。3年紫外线辐射最小值都出现在3月,2020年最小为15.9 W·m^(-2)。日变化呈现出早晚小中午大的特征,于12:00左右达到日最大值;(2)与紫外线辐射强度显著相关的因子为气温、能见度、总云量、相对湿度、太阳高度角、臭氧(O3)浓度、二氧化氮(NO2)浓度;(3)紫外线辐射模型拟合效果较好,训练集和测试集的决定系数R2分别为0.93、0.80,对应的均方根误差RMSE为2.7 W·m^(-2)、4.9 W·m^(-2)。模型拟合估算等级正确的为75%,相差1级的占21%,相差2级的比例为4%。

关键词：紫外线辐射特征紫外线辐射拟合模型梯度提升树算法

来源：评论

学校读者我要写书评

暂无评论

基于梯度提升树算法的玉米施肥模型构建

引用

水资源与水工程学报 2020年第4期31卷 223-228,237页

作者：卓越严海军中国农业大学水利与土木工程学院北京100083

为了模拟作物的土壤养分含量、施肥量与产量之间的非线性关系,利用玉米"3414"试验数据进行插值,以土壤养分含量和施肥量作为输入量,产量作为输出量,使用梯度提升树(GBDT)算法建立施肥模型,并与BP神经网络(BPNN)、支持向量回归... 详细信息

为了模拟作物的土壤养分含量、施肥量与产量之间的非线性关系,利用玉米"3414"试验数据进行插值,以土壤养分含量和施肥量作为输入量,产量作为输出量,使用梯度提升树(GBDT)算法建立施肥模型,并与BP神经网络(BPNN)、支持向量回归(SVR)、随机森林(RF)算法建立的施肥模型进行对比。结果表明:应用构建的GBDT模型得到的玉米产量平均相对误差、平均绝对误差和均方根误差分别为0.46%、48.7和62.2 kg/hm^2,优于其他3种算法。基于GBDT算法的施肥模型在模拟土壤养分含量、施肥量与产量之间关系时具有较高精度,对于指导精准施肥具有较强的应用价值。

关键词：施肥模型梯度提升树算法施肥量产量玉米

来源：评论

学校读者我要写书评

暂无评论

基于梯度提升树算法的玉米施肥模型构建

基于梯度提升树算法的玉米施肥模型构建

引用

中国农业工程学会农业水土专业委员会第十一届学术研讨会

作者：卓越严海军中国农业大学水利与土木工程学院北京 100083

为了模拟作物的土壤养分含量、施肥量与产量之间的非线性关系,利用玉米"3414"试验数据进行插值,以土壤养分含量和施肥量作为输入量,产量作为输出量,使用梯度提升树(GBDT)算法建立施肥模型,并与BP神经网络(BPNN)、支持向量回归(SVR)、随机森林(RF)算法建立的施肥模型进行对比.结果表明：应用构建的GBDT模型得到的玉米产量平均相对误差、平均绝对误差和均方根误差分别为0.46%、48.7和62.2 kg/hm2,优于其他3种算法.基于GBDT算法的施肥模型在模拟土壤养分含量、施肥量与产量之间关系时具有较高精度,对于指导精准施肥具有较强的应用价值.

关键词：施肥模型梯度提升树算法施肥量产量玉米

来源：评论

学校读者我要写书评

暂无评论

铁路轨道工程物化阶段碳排放预测及影响因素研究

引用

铁道科学与工程学报 2024年第10期21卷 4299-4310页

作者：鲍学英韩通霍雨雨兰州交通大学土木工程学院甘肃兰州730070

在国家“双碳”战略目标下,铁路领域低碳转型势在必行。轨道工程作为铁路工程的重要组成部分,其物化阶段产生的碳排放是铁路工程碳排放的重要来源。为量化铁路轨道工程物化阶段碳排放,并实现智能化分析,建立铁路轨道工程物化阶段碳排放... 详细信息

在国家“双碳”战略目标下,铁路领域低碳转型势在必行。轨道工程作为铁路工程的重要组成部分,其物化阶段产生的碳排放是铁路工程碳排放的重要来源。为量化铁路轨道工程物化阶段碳排放,并实现智能化分析,建立铁路轨道工程物化阶段碳排放计算模型,并提出一种基于机器学习算法的碳排放预测及影响因素分析模型。首先,界定物化阶段研究边界,分解铁路轨道工程,以主要工序为基本计算单元,采用碳排放因子法建立碳排放计算模型;其次,运用梯度提升树算法(Light Gradient Boosting Machine,LigtGBM)构建碳排放预测模型,并引入可解释机器学习模型(Shapley Addictive Explanation,SHAP)分析影响因素对碳排放量的贡献。以某西南山区铁路轨道工程为例,选取其中典型单元轨节计算碳排放量,结果显示1 km长度碳排放总量为1290.94 t,物化阶段中材料生产阶段碳排放占比最大,约为87.21%;分项工程中铺轨和铺道床的碳排放占比较高,分别为47.44%和46.44%。提取该轨道工程碳排放相关特征作为影响因素,对LigtGBM-SHAP模型进行验证,各项评估指标的数值表明模型具有较好的预测效果,影响因素重要度由大到小依次为轨道结构形式、线路地段、轨枕类型或轨道板、施工天数、区段坡度、区段运输距离,并在结果分析中通过单因素特征依赖图明晰各影响因素的分类变量或数值变化对碳排放量产生的影响。研究成果为铁路轨道工程碳排放计算、预测及分析提供了一个更加智能、全面的研究模型,为铁路工程建设进行碳减排工作提供参考。

关键词：物化阶段碳排放预测影响因素梯度提升树算法可解释机器学习

来源：评论

学校读者我要写书评

暂无评论

机器学习方法研究肝癌预测问题

引用

系统科学与数学 2022年第2期42卷 417-433页

作者：胡雪梅李佳丽蒋慧凤重庆工商大学数学与统计学院重庆400067 经济社会应用统计重庆市重点实验室重庆400067 长江上游经济研究中心重庆400067

肝癌在所有癌症中病死率高居第二名.由于机器学习方法能改进疾病预测精度,因此文章将利用它们研究肝癌前期诊断问题,提高肝癌的预测精度.首先选取影响肝癌的10个指标作为预测变量,将579位肝癌患者分为两组:随机抽取492位患者构成训练样... 详细信息

肝癌在所有癌症中病死率高居第二名.由于机器学习方法能改进疾病预测精度,因此文章将利用它们研究肝癌前期诊断问题,提高肝癌的预测精度.首先选取影响肝癌的10个指标作为预测变量,将579位肝癌患者分为两组:随机抽取492位患者构成训练样本,剩余87位患者构成测试样本.接着利用训练样本建立6个分类器:逻辑回归、L_(2)惩罚逻辑回归、支持向量机(Support Vector Machine,SVM)、梯度提升决策树(Gradient Boosting Decision Tree,GBDT)、人工神经网络(Artificial Neural Network,ANN)和极限梯度提升算法(eXtreme Gradient Boosting,XGBoost),其中逻辑回归和L_(2)惩罚逻辑回归采用NewtonRaphson算法得到模型参数的迭代加权最小二乘估计,计算患者肿瘤细胞为恶性和良性的概率估计,确定最佳阈值预测肿瘤性状.最后用测试样本计算混淆矩阵、灵敏度和特异度,绘制ROC曲线评价预测精度.结果表明L_(2)惩罚逻辑回归预测精度最高,SVM预测精度排第二,XGBoost预测精度排第三,逻辑回归预测精度排第四,GBDT预测精度排第五,ANN和随机森林预测精度最差.

关键词： L_(2)惩罚逻辑回归支持向量机梯度提升树算法人工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Stacking融合模型的创业板上市公司财务危机预警研究

基于Stacking融合模型的创业板上市公司财务危机预警研究

引用

作者：张鹄湖南大学

学位级别：硕士

在经济全球化背景下,社会竞争日趋激烈,企业面临越来越多的问题和危机,其中财务危机是目前表现最为显著的危机形式。一旦上市公司发生财务问题,不仅会导致投资者收益受损,公司面临破产危机,还有可能对整个经济社会造成巨大的冲击,特别... 详细信息

在经济全球化背景下,社会竞争日趋激烈,企业面临越来越多的问题和危机,其中财务危机是目前表现最为显著的危机形式。一旦上市公司发生财务问题,不仅会导致投资者收益受损,公司面临破产危机,还有可能对整个经济社会造成巨大的冲击,特别对于我国创业板上市公司而言。我国创业板存在上市门槛低、成立时间短、相关法律法规还不够完善等问题,相比其他板块市场,在创业板上市的公司会面临更大的财务风险,同时也会更容易发生财务危机。基于此背景,探讨并建立一个科学合理的财务危机预警模型,提前防范化解财务危机,对于创业板上市企业获得长期稳定的发展来说具有重大的意义。立足于这一现状,本文根据深交所发布的创业板上市规则对我国创业板上市企业财务危机发生标志进行了界定,选取创业板2012年至2019年的680家上市公司作为研究样本,并依据指标选取原则,从财务指标、非财务指标两个维度,盈利能力、现金流能力、成长能力等六个方面共选取了31个预警指标。随后本文就财务危机预警指标体系和预警模型的构建为重点开展研究。在财务危机预测指标体系方面:为保证模型预测的有效性,在模型构建之前,首先对所有的指标数据进行数据清洗和归一化,然后通过正态性检验、显著性检验和相关性分析筛选出最终进入模型的财务危机预警指标。实证结果显示原31个指标中有29个指标通过了显著性检验,能够显著区分财务正常公司和财务危机公司,经过相关性删减之后得到15个指标构成最终的财务危机预警指标体系。在财务危机预测模型方面:在对样本进行划分并对不平衡样本进行综合采样处理之后,基于已建立的财务危机预警指标体系,分别构建逻辑回归、支持向量机、随机森林和梯度提升树(Gradient Boosting Decision Tree简称GBDT)四个算法模型,通过对各个模型进行调参优化之后,采用五个模型性能评估指标对模型预测结果进行了比较分析,其中预测效果最好的是GBDT模型,准确率高达93.56%。为了能够使预警模型的预测性能得到进一步的增强,将四个单一模型作为初级学习器,GBDT模型作为次级学习器,以初级学习器的输出结果作为次级学习器的输入变量,对四个单一模型进行了stacking融合。通过模型融合得到了一个总体性能优于所有单一模型的融合模型,该模型的预测准确率提高到了94.06%,AUC值高达0.9658。最后,对本次研究内容进行了总结并提出了相应的政策建议与本文的不足之处。

关键词：融合模型梯度提升树算法创业板上市公司财务危机预警

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：