为了探究不同统计模型预测猪肌内脂肪含量和眼肌面积的可行性,试验利用测定的312头民猪的体重、背膘厚和日龄数据,以岭回归最佳线性无偏估计(ridge regression best linear unbiased prediction,rrBLUP)、贝叶斯B (Bayes B)、随机森林算...
详细信息
为了探究不同统计模型预测猪肌内脂肪含量和眼肌面积的可行性,试验利用测定的312头民猪的体重、背膘厚和日龄数据,以岭回归最佳线性无偏估计(ridge regression best linear unbiased prediction,rrBLUP)、贝叶斯B (Bayes B)、随机森林算法(Random Forest,RF)三种模型来预测民猪肌内脂肪(intramuscular fat,IMF)含量和眼肌面积(eye muscle area,EMA),每种模型均采用5倍交叉法和去一法进行验证,比较预测结果以得出预测准确率较好的一种模型。结果表明:两种验证方法中,去一法的预测准确率要明显高于5倍交叉法,但计算效率较慢。在预测肌内脂肪含量的模型中,rrBLUP、Bayes B、RF模型的预测准确率分别为0.639,0.595,0.631,其中rrBLUP模型预测效果较好。在预测眼肌面积的模型中,rrBLUP、Bayes B、RF模型的预测准确率分别为0.618,0.464,0.642,其中RF模型预测效果较好。说明基于体重、日龄和背膘厚测定数据预测民猪IMF和EMA是可行的。
针对电力计量大数据复杂、用户检索困难的问题,该研究利用随机森林算法模型,构建出基于云计算的智能电网大数据处理平台SP-DPP(smart power system big data processing platform in cloud environment),并且通过物联网通讯方式实现底...
详细信息
针对电力计量大数据复杂、用户检索困难的问题,该研究利用随机森林算法模型,构建出基于云计算的智能电网大数据处理平台SP-DPP(smart power system big data processing platform in cloud environment),并且通过物联网通讯方式实现底层设备到用户层的数据信息传递。SP-DPP软件平台具有较好的吞吐量与加速比,可在较短的时间内接收大量的数据,提高了数据的容纳能力。该研究通过随机森林算法实现了大数据的训练、学习,将接收的电力数据按照用户设定的属性进行训练、学习、检索,提高了电能计量装置数据检索的准确度。试验结果表明,该技术方案提高了数据处理能力。
暂无评论