检索结果-内蒙古大学图书馆

光谱学与光谱分析 2020年第12期40卷 3825-3831页

作者：林楠刘海琪杨佳佳吴梦红刘翰霖吉林建筑大学测绘与勘查工程学院吉林长春130118 吉林大学地球科学学院吉林长春130026 东北大学资源与土木工程学院辽宁沈阳110819 中国地质调查局沈阳地质调查中心辽宁沈阳110034

黑土中的有机质、磷和钾等养分元素在作物生长过程中起着至关重要的作用,研究黑土养分元素的分布特征,开展元素含量的定量计算,对黑土地的科学管理和环境保护具有重要意义。基于黑龙江省讷河市80份黑土样品和高光谱实测数据,分析了光谱... 详细信息

黑土中的有机质、磷和钾等养分元素在作物生长过程中起着至关重要的作用,研究黑土养分元素的分布特征,开展元素含量的定量计算,对黑土地的科学管理和环境保护具有重要意义。基于黑龙江省讷河市80份黑土样品和高光谱实测数据,分析了光谱反射率、反射率一阶微分、反射率倒数对数、反射率倒数对数一阶微分与土壤有机质、磷元素和钾元素含量的相关性,并利用相关系数法提取敏感波段。针对机器学习模型中参数值优化选择问题,引入蝙蝠算法(BA)并与adaboost模型相结合,利用BA对adaboost模型中的最大迭代次数n和弱学习器权重缩减系数v两个核心参数进行寻优计算,选择CART决策树为模型的弱回归学习器,决定系数作为参数优化的目标函数值,构建BA-adaboost土壤养分含量高光谱预测模型,定量估测土壤有机质、磷元素和钾元素含量,结果表明:BA-adaboost组合模型可以快速搜索全局最优参数,经BA优化后的adaboost模型精度和可靠性显著提高, 3种元素中,土壤有机质估测精度最高,决定系数和均方根误差分别为0.864和0.152 g·kg^-1,对比优化前模型预测精度提高了14.2%和25.4%,说明构建的BA-adaboost模型在土壤元素含量高光谱估测中具有一定的应用前景,是一种高效的估测方法。

关键词：黑土区土壤养分含量高光谱估测蝙蝠算法 adaboost模型

来源：评论

学校读者我要写书评

暂无评论

基于adaboost模型的并发程序数据竞争语句级检测

引用

计算机工程 2021年第12期47卷 215-220页

作者：孙家泽易刚舒新峰西安邮电大学计算机学院西安710121 西安邮电大学陕西省网络数据分析与智能处理重点实验室西安710121

针对并发程序数据竞争检测时准确率低和开销大的问题,基于adaboost模型设计并发程序数据竞争语句级检测方法。对多线程并发程序进行插桩操作,记录指令的相关内存信息,并对提取出的指令集做语句级转化处理,利用语句对相关属性特征构建并... 详细信息

针对并发程序数据竞争检测时准确率低和开销大的问题,基于adaboost模型设计并发程序数据竞争语句级检测方法。对多线程并发程序进行插桩操作,记录指令的相关内存信息,并对提取出的指令集做语句级转化处理,利用语句对相关属性特征构建并发程序adaboost数据竞争检测模型,实现多线程程序数据竞争检测工具ADR。实验结果表明,相比于Eraser、Djit+和Thread Sanitizer工具,ADR能够在降低时间及内存开销的同时,有效提高分类准确率,验证了所提方法的有效性。

关键词：数据竞争并发程序程序插桩 adaboost模型语句级

来源：评论

学校读者我要写书评

暂无评论

基于随机搜索算法和adaboost模型预测LF精炼过程脱硫率

引用

材料与冶金学报 2023年第5期22卷 430-436,443页

作者：严旭梅陈超王楠陈敏东北大学多金属共生矿生态化冶金教育部重点实验室沈阳110819 东北大学冶金学院沈阳110819

脱硫是LF精炼过程的主要任务之一.为达到稳定脱硫率的目的,利用adaboost模型对某钢铁厂LF精炼过程的实际生产数据进行建模,通过对比网格搜索算法、随机搜索算法及贝叶斯优化算法对adaboost模型超参数的优化效果和优化时间的影响,讨论了... 详细信息

脱硫是LF精炼过程的主要任务之一.为达到稳定脱硫率的目的,利用adaboost模型对某钢铁厂LF精炼过程的实际生产数据进行建模,通过对比网格搜索算法、随机搜索算法及贝叶斯优化算法对adaboost模型超参数的优化效果和优化时间的影响,讨论了实际应用中adaboost模型的超参数优化方案.此外,根据实验对比结果及实际应用情况,确定了基于随机搜索算法和adaboost模型的LF精炼过程脱硫率预测模型.结果表明:该模型可以实现脱硫率误差在±0.07,±0.06和±0.05时,准确度分别为95.3%,93.0%和86.0%.

关键词：脱硫率 LF精炼过程预测模型 adaboost模型超参数优化

来源：评论

学校读者我要写书评

暂无评论

基于adaboost模型和SVM模型的铁水温度预测

引用

炼铁 2024年第3期43卷 66-70页

作者：李欣李宏扬刘然刘小杰唐文文吕庆陈树军华北理工大学冶金与能源学院河北唐山063210 河钢集团有限公司承德分公司河北承德067000

以某炼铁厂3号高炉实际生产数据为基础,针对原始数据存在的重复值、缺失值和异常值等问题进行数据处理,选用adaboost模型和SVM模型对铁水温度进行预测。结果表明,adaboost模型相较于SVM模型取得更好的预测效果,R达到0.878,±5℃预... 详细信息

以某炼铁厂3号高炉实际生产数据为基础,针对原始数据存在的重复值、缺失值和异常值等问题进行数据处理,选用adaboost模型和SVM模型对铁水温度进行预测。结果表明,adaboost模型相较于SVM模型取得更好的预测效果,R达到0.878,±5℃预测准确率为85.21%,可满足高炉实际生产需要。基于高炉炼铁数据仓库系统,建立FineBI前端工具与铁水温度预测应用的数据连接,构建由特征参数、相关性分析、预测结果、模型评估和预测曲线等模块组成的前端界面,实现了高炉铁水温度预测应用的可视化展示。

关键词：高炉铁水温度预测 adaboost模型 SVM模型数据仓库

来源：评论

学校读者我要写书评

暂无评论

EMD-adaboost模型在风速预测中的应用

EMD-Adaboost模型在风速预测中的应用

引用

作者：杨君琪兰州交通大学

学位级别：硕士

21世纪以来,现代社会飞速发展,而发展的代价是不间断高速消耗传统不可再生能源。传统的能源有两个巨大的不足之处,首先是其储量极其有限。其次,近些年来由于过度使用化石燃料而导致碳排量的严重超标,这加剧了全球变暖效应,从而全球极端... 详细信息

21世纪以来,现代社会飞速发展,而发展的代价是不间断高速消耗传统不可再生能源。传统的能源有两个巨大的不足之处,首先是其储量极其有限。其次,近些年来由于过度使用化石燃料而导致碳排量的严重超标,这加剧了全球变暖效应,从而全球极端气候发生次数持续增加。因此在全世界经济发展不确定的条件下,更加需要开发一种新型的可再生清洁能源。我国在构建生态环保方面一直走在前列,承诺在2030年全国碳排放达到峰值,2060年基本实现碳中和。在这种大环境下,可再生能源的开发已经成为全世界的共同任务。风能具有零污染的特性,属于自然界可再生资源而且具有可开发的优点;相比较其他可再生能源,诸如地热能,潮汐能,以及海洋盐水差能等,风能更容易得到广泛利用。为了更好地对风能进行利用,提前预知风速十分重要,当前一些学者已提出风速预测有关模型,但是精度不高,为使风速能够更精准地让我们捕获,需要对风速的预测模型提出相应的改进,因此,本文引入一种新的预测模型来有效提高风速预测的精度,为后续风能的应用及不确定情况下风速的应对提供实际技术支撑。在对风速数据进行预测之前,首先对数据进行特征重构,通过相关资料的查阅以及对各种方法的比较,为了能够最大程度的利用原始数据的信息,利用经验模态分解(EMD)方法来构建输入特征,由于经验模态分解具有良好处理非线性数据的性能以及强大的自适应性,因此用于特征重构;在进行风速预测过程中,BP神经网络对非线性数据较为敏感,在预测的过程中能有效提高模型的精准度,本文选择利用BP神经网络作为基回归器,为了解决BP神经网络预测过程中带来的局部最优问题,采用简单遗传算法进行优化处理,增强应对BP神经网络陷入局部最优的对抗能力。为了进一步改善预测模型的稳健性和精度,本文以集成学习adaboost方法为预测模型的框架。由于adaboost模型能够有效提高神经网络的预测精度以及鲁棒性,并且,在小批量数据下,adaboost模型能够充分利用有限的样本信息得到更加精准的预测结果。考虑到集成学习方法与EMD技术及机器学习模型有效衔接,可以改进风速预测性能,本文提出一种EMD结合集成模型adaboost改进的GA-BP算法,对风速预测方法进行改进优化,并在预测过程中提出一种新的隐层节点选择方法,在用经验模态分解得到新的输入数据后,考虑到分解后各分量与输出的关系,采取单隐层节点方法加强预测精度。利用来自NOAA的风电设备实测数据进行研究。实验证实了由本文提出的改进模型以及神经网络结构的优化方法所产生的预测结果优于传统的单一优化模型。其最终预测精度用均方根误差(RMSE)来评价,本文提出的方法的RMSE优于其他比较模型。

关键词：风速预测经验模态分解集成学习隐藏层节点 adaboost模型

来源：评论

学校读者我要写书评

暂无评论

基于adaboost模型的江苏省冬小麦产量预测

引用

现代农业科技 2019年第12期 248-249页

作者：张顺航张凤航李金泽山东农业大学信息科学与工程学院

农作物产量预测是农业科学的一个重要问题,而气象特征的变化将对农作物的产量产生影响。本文根据1981—2016年江苏省的气象数据,研究影响农作物产量的关键气象特征,并利用机器学习中的adaboost算法,对江苏省近几年的小麦产量进行预测。... 详细信息

农作物产量预测是农业科学的一个重要问题,而气象特征的变化将对农作物的产量产生影响。本文根据1981—2016年江苏省的气象数据,研究影响农作物产量的关键气象特征,并利用机器学习中的adaboost算法,对江苏省近几年的小麦产量进行预测。结果表明adaboost模型预测准确率较高,从而为农业生产中的正确决策提供参考。

关键词：冬小麦产量预测气象特征机器学习 adaboost模型江苏省

来源：评论

学校读者我要写书评

暂无评论

基于改进类经验模态分解-LSTM-adaboost组合模型对股市波动率预测研究

基于改进类经验模态分解-LSTM-Adaboost组合模型对股市波动率预测...

引用

作者：史心怡上海师范大学

学位级别：硕士

波动率是衡量一个资产价格变动水平的激烈程度,或是金融资产收益率变动的剧烈程度。波动率的变化越是剧烈,意味着资产的价格起伏不定,投资者面临的风险程度也越高,需要更加谨慎合理的分配资产。在金融风险管理领域,众多模型都将波动率... 详细信息

波动率是衡量一个资产价格变动水平的激烈程度,或是金融资产收益率变动的剧烈程度。波动率的变化越是剧烈,意味着资产的价格起伏不定,投资者面临的风险程度也越高,需要更加谨慎合理的分配资产。在金融风险管理领域,众多模型都将波动率纳入其中,如期权定价模型。由此可见,金融市场波动率的研究必然成为研究的热点。选用EEMD与VMD方法作为类经验模态分解的代表,并利用PSO对VMD参数进行优化选择。LSTM方法是一种良好的处理时间序列的机器学习方法,同时adaboost算法具有分类精确,特征不会被遗漏,兼容性强,优良的学习效果等优点而获得广泛的关注。基于此,本文利用HAR模型分别计算了已实现波动率的短期、中期和长期预测利用EEMD-LSTM-Ada Boost预测模型进行拟合预测。在实证研究中,首先对2012年9月15日至2022年2月7日上证指数的长短中期3个已实现波动率序列进行分解重构。然后将重构序列与每日已实现波动率的原始序列作为输入变量,分别拟合至LSTM-adaboost模型,并与HAR-RV、LSTM、adaboost、随机森林、LSTM-CNN模型预测结果进行对比。主要结论如下:(1)表明EEMD分解方法与VMD分解方法均成功地将序列的特征提取出来了,证明了该方法的合理性。(2)将经过分解重构的序列与已实现波动率的原始序列作为输入变量输入至模型中。结果表明LSTM-adaboost模型的预测效果均优于其他模型。说明本文构建的混合模型有效融合了LSTM与adaboost的优点,达到了1+1大于2的效果。同时也优于与其他常见简单的机器学习模型如随机森林。表明本文构建的预测模型LSTM-adaboost模型有助于提升日已实现波动率的预测准确率。(3)VMD的分解精度优于EEMD,但PSO-VMD分解的数据预测并没有完全优于所有的模型,说明PSO对VMD的参数优化仍有待于进一步提高。不同模型的比较结果存在差异,因而需要依据预测模型的类型选择合适的数据分解方法。

关键词： EEMD分解 VMD PSO LSTM模型 adaboost模型已实现波动率

来源：评论

学校读者我要写书评

暂无评论

基于代价敏感的adaboost双层分类社会救助预测模型

引用

计算机与数字工程 2023年第1期51卷 156-162,276页

作者：贺远珍樊重俊熊红林上海理工大学管理学院上海200093 上海交通大学安泰经济与管理学院上海200240

社会救助服务是保障社会公平的重要举措之一。针对社会救助业务中被救助人员类型的精准识别问题具有极度不平衡性和传统算法在极度不平衡数据分类中具有强偏好性这两大难点进行研究,提出一种新的不平衡多分类模型—基于代价敏感的AdaBo... 详细信息

社会救助服务是保障社会公平的重要举措之一。针对社会救助业务中被救助人员类型的精准识别问题具有极度不平衡性和传统算法在极度不平衡数据分类中具有强偏好性这两大难点进行研究,提出一种新的不平衡多分类模型—基于代价敏感的adaboost双层分类(Cost sensitive adaboost-Softmax,CA-SF)模型。首先,基于数量均衡原则设计一种“多变二”机制将多分类问题转化为二分类问题,利用具有代价敏感的adaboost模型以降低救助数据的极度不平衡性对分类效果的影响。其次,采用能有效规避多重共线性的Softmax回归来解决平衡数据的二次分类。综合实验结果表明CA-SF与多种常用模型相比在社会救助的精准识别上有更高的预测精度和更强的稳定性,能为精准社会救助提供科学且有效的辅助决策手段。

关键词：不平衡数据精准救助代价敏感 adaboost模型回归预测

来源：评论

学校读者我要写书评

暂无评论

基于机器学习模型的淮河流域中长期径流预报研究

引用

地学前缘 2022年第3期29卷 284-291页

作者：胡义明陈腾罗序义唐超梁忠民河海大学水文水资源学院江苏南京210098

准确可靠的中长期径流预报是支撑水资源科学调配、提高水资源利用效率的关键。本研究采用adaboost模型(AdB)、随机森林模型(RF)和支持向量机模型(SVM)进行淮河流域王家坝和蚌埠站当年11月至次年10月共12个月的中长期径流预报研究。采用... 详细信息

准确可靠的中长期径流预报是支撑水资源科学调配、提高水资源利用效率的关键。本研究采用adaboost模型(AdB)、随机森林模型(RF)和支持向量机模型(SVM)进行淮河流域王家坝和蚌埠站当年11月至次年10月共12个月的中长期径流预报研究。采用置换准确度重要性度量法从130项气象-气候因子及前期降雨/流量构建的1 562个因子变量中筛选出影响各月径流的关键因子,构建了基于AdB、RF和SVM模型的各月径流预报模型,模型参数采用随机搜索技术并结合交叉验证方式确定。采用变幅误差合格率和等级(五级)预报合格率指标对模型的预报精度进行了评估。变幅误差合格率指标表明,王家坝12个月的平均合格率分别为99.8%(AdB)、96.6%(RF)和95.9%(SVM),蚌埠站分别为100%(AdB)、94.8%(RF)和93.8%(SVM);等级预报合格率指标表明,王家坝12个月的平均合格率分别为79.0%(AdB)、76.4%(RF)和79.9%(SVM),蚌埠站分别为81.0%(AdB)、75.6%(RF)和76.6%(SVM)。模型均具有较好的预报效果,但RF和SVM模型对于高流量值的预报存在偏低现象,AdB模型整体上优于RF和SVM模型。

关键词：机器学习 adaboost模型随机森林模型支持向量机模型径流预报淮河流域

来源：评论

学校读者我要写书评

暂无评论

再分析数据在玛纳斯河径流模拟中适用性研究

引用

干旱区地理 2024年第8期47卷 1348-1357页

作者：刘渤陈伏龙唐豪姜龙王统霞石河子大学水利建筑工程学院新疆石河子832000 寒旱区生态水利工程兵团重点实验室新疆石河子832000 新疆石河子水文勘测局新疆石河子832000

气象数据是水文过程研究的关键因素,但是因为流域地形复杂,上游没有足够实测数据的气象站点,流域水文过程研究在较大程度上受到了限制。以玛纳斯河流域为研究区,研究对象选取CMFD、ERA5-Land和CFSR 3种再分析数据,构建基于物理过程的SWA... 详细信息

气象数据是水文过程研究的关键因素,但是因为流域地形复杂,上游没有足够实测数据的气象站点,流域水文过程研究在较大程度上受到了限制。以玛纳斯河流域为研究区,研究对象选取CMFD、ERA5-Land和CFSR 3种再分析数据,构建基于物理过程的SWAT模型和基于数据驱动的adaboost模型,验证不同数据集在2种类型水文模型中径流模拟的适用性,选用纳什效率系数(NSE)和决定系数(R^(2))进行定量分析。结果表明:(1)数据集在adaboost模型中的表现要好于SWAT模型,各数据集和气象站NSE与R^(2)均有所提升,adaboost模型由于对输入数据的限制更少其更适用于资料缺乏地区。(2)验证期ERA5-Land在2种模型中拟合效果均为最好(ERA5-Land+SWAT:NSE=0.83,R^(2)=0.85;ERA5-Land+adaboost:NSE=0.87,R^(2)=0.87),再分析数据集ERA5-Land可为西北实测气象资料不足的干旱区径流模拟提供参考。

关键词：再分析数据集 adaboost模型 SWAT模型径流模拟玛纳斯河流域

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：