检索结果-内蒙古大学图书馆

中国医学物理学杂志 2023年第4期40卷 512-520页

作者：赵小强乔慧兰州理工大学电气工程与信息工程学院甘肃兰州730050 兰州理工大学甘肃省工业过程先进控制重点实验室甘肃兰州730050 兰州理工大学国家级电气与控制工程实验教学中心甘肃兰州730050

提出基于不完整数据的IHB-LightGBM(Improved Hyperband-Light Gradient Boosting Machine)心脏病预测模型。首先,在Hyperband算法超参数采样的基础上引入了权重值,并通过蓄水池法按特征权重对其进行排序,从而筛选出最优参数以提高算法... 详细信息

提出基于不完整数据的IHB-LightGBM(Improved Hyperband-Light Gradient Boosting Machine)心脏病预测模型。首先,在Hyperband算法超参数采样的基础上引入了权重值,并通过蓄水池法按特征权重对其进行排序,从而筛选出最优参数以提高算法的参数寻优能力;其次,针对心脏病数据样本小且属性缺失的问题,使用K近邻算法对不完整数据进行缺失值插补,再将处理得到的完整数据进行归一化,使数据映射至0~1范围内;最后,对LightGBM采用改进后的IHB优化算法进行全局参数寻优,建立IHB-LightGBM心脏病预测模型。使用UCI心脏病数据集进行实验,结果表明IHB算法的参数寻优效果优于贝叶斯、随机搜索等优化算法,IHB-LightGBM模型在各项评价指标也上明显高于随机森林、极端随机树等算法,可以获得更快的预测速度和更高的预测精度。

关键词：数据挖掘心脏病预测超参数优化算法 LightGBM算法

来源：评论

学校读者我要写书评

暂无评论

基于滚动交叉验证的城市需水预测技术框架

引用

水资源保护 2024年

作者：董增川王佳晟崔璨韩亚雷陈荣豪杨家亮王淑云河海大学水文水资源学院湖南省水利水电勘测设计规划研究总院

为提高机器学习算法在城市需水预测中的精度，构建了一套系统化的需水预测技术框架，包括主要影响因子筛选、基于机器学习的需水预测模型构建、结合滚动交叉验证的超参数优化以及多种耦合模型性能的评估与优选。以衡阳市为例验证框架的... 详细信息

为提高机器学习算法在城市需水预测中的精度，构建了一套系统化的需水预测技术框架，包括主要影响因子筛选、基于机器学习的需水预测模型构建、结合滚动交叉验证的超参数优化以及多种耦合模型性能的评估与优选。以衡阳市为例验证框架的实际应用效果，结果表明：（1）结合滚动交叉验证结合的超参数优化显著地提高了模型的泛化能力和预测精度，能够更好地适应真实应用场景中的需水预测需求。（2）衡阳市2025年需水量预测值与规划值具有较高的一致性，表明技术框架的适用性和实际应用价值。（3）技术框架具有较高的普适性，可根据不同区域的经济社会发展趋势及用水结构灵活调整指标体系和模型组合，并且通过结合滚动交叉验证的超参数优化保证预测精度。研究中构建的需水预测技术框架可广泛用于城市及其他领域的需水预测。

关键词：城市需水预测机器学习算法超参数优化算法交叉滚动验证耦合预测模型

来源：评论

学校读者我要写书评

暂无评论

基于特征工程和深度学习的短期电价预测模型研究

基于特征工程和深度学习的短期电价预测模型研究

引用

作者：卿国华广西大学

学位级别：硕士

电价预测在电力市场参与者的决策过程中有着不可或缺的作用。一方面,准确的电价预测可以帮助市场参与者制定更加合理和优化的决策方案,从而降低成本、提高效益;另一方面,不准确的电价预测可能导致市场参与者做出不良的决策,导致供需失... 详细信息

电价预测在电力市场参与者的决策过程中有着不可或缺的作用。一方面,准确的电价预测可以帮助市场参与者制定更加合理和优化的决策方案,从而降低成本、提高效益;另一方面,不准确的电价预测可能导致市场参与者做出不良的决策,导致供需失衡、市场波动等问题,从而影响整个电力市场的稳定性和可靠性。因此,电价预测在电力市场中的重要性越来越受到广泛关注。然而,电力市场的开放化以及可再生能源的大量投入,改变了市场的格局和运行方式,市场供需关系变得更加复杂和不稳定,进而导致电价的波动性增大,给电价预测带来了更大的挑战和困难。为构建符合现阶段电力市场电价的预测模型,提高电价预测的准确性,本文结合特征工程和深度学习算法进行了相关尝试和创新,主要内容包括:(1)搭建了一种基于长短期记忆网络(LSTM)的电价预测基准模型,并结合贝叶斯优化和超频带优化算法(BOHB)来优化超参数,提出了一种可靠的短期电价预测模型框架。(2)介绍了一种基于Copula熵估计互信息的特征选取算法,并针对其非自适应的缺点利用条件互信息进行改进,提出了一种基于最大相关最小冗余准则的自适应特征选取算法(ACBFS)用于短期电价预测模型输入特征的选取。(3)现阶段流行的短期电价预测方法中,基于“分而治之”策略的信号分解重构与预测模型结合的混合预测方法存在多次预测原始电价信号的子序列,以及高频信号子序列难以预测的问题。为解决这些问题,本文提出一种基于“分解去噪”策略的新型信号分解重构方法。该方法将信号分解重构的主体从原始电价序列转变为预测电价的输入特征,通过变分模态分解(VMD)算法对输入特征进行分解重构,提高特征自身与预测电价之间的相关性、减少冗余性,最终构建基于ACBFS-VMD-BOHB-LSTM的混合模型来提升短期电价预测的准确性。该模型只需对原始电价进行一次预测即可,避免了高频信号子序列的预测难题。此外,对特征进行分解重构的时间远小于对各原始电价子序列预测的时间,从而减小了预测模型的计算量。(4)利用2017年PJM电力市场春、夏、秋、冬四个电价数据集交叉对比了一系列预测模型的预测性能,实验结果表明本文所提混合模型的预测精度更高、稳定性更强。

关键词：短期电价预测特征工程信号分解超参数优化算法长短期记忆网络

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：