检索结果-内蒙古大学图书馆

测绘通报 2022年第7期 33-37页

作者：孔瑞瑶谢涛马明孔瑞林南京信息工程大学遥感与测绘工程学院江苏南京210044 青岛海洋科学与技术国家实验室区域海洋动力学与数值模拟功能实验室山东青岛266237 北京应用气象研究所北京100029 西北工业大学软件学院陕西西安710129

在多光谱遥感水深反演研究中,由于影响反演精度的因素较多,传统的水深反演模型具有一定局限性。机器学习算法在解决非线性高复杂问题上较有优势,将其应用在某些特定区域水深反演可提高反演精度。本文利用Sentinel-2多光谱遥感影像和LiDA... 详细信息

在多光谱遥感水深反演研究中,由于影响反演精度的因素较多,传统的水深反演模型具有一定局限性。机器学习算法在解决非线性高复杂问题上较有优势,将其应用在某些特定区域水深反演可提高反演精度。本文利用Sentinel-2多光谱遥感影像和LiDAR测深数据,以瓦胡岛为研究区域,构建catboost水深反演模型,与传统水深反演模型及Boosting中的XGBoost和LightGBM模型的反演精度进行比较。试验结果表明,经过参数优化后的catboost水深反演模型的决定系数、均方根误差、平均绝对误差和平均相对误差分别为96.19%、1.09 m、0.77 m和9.61%,准确性最高,效果更佳。

关键词：水深反演多光谱遥感 Sentinel-2 机器学习 catboost模型

来源：评论

学校读者我要写书评

暂无评论

基于catboost模型的广东省近地面NO_(2)浓度估算

引用

环境科学 2024年第11期45卷 6276-6285页

作者：张洪飞杜宁王莉张显云龚德才李隆贵州大学矿业学院贵阳550025

氮氧化物(NO_(x))是大气中的一类重要空气污染物,二氧化氮(NO_(2))是其主要组成部分之一,NO_(2)浓度的监测和估算对于环境保护和公共健康至关重要.使用Sentinel-5P大气污染监测卫星提供的近实时二氧化氮浓度数据(NRTI NO_(2))、ERA5气... 详细信息

氮氧化物(NO_(x))是大气中的一类重要空气污染物,二氧化氮(NO_(2))是其主要组成部分之一,NO_(2)浓度的监测和估算对于环境保护和公共健康至关重要.使用Sentinel-5P大气污染监测卫星提供的近实时二氧化氮浓度数据(NRTI NO_(2))、ERA5气象再分析数据和DEM数据作为估算变量,基于catboost模型,对广东省近地面NO_(2)浓度进行估算.结果表明:①catboost模型估算的近地面NO_(2)浓度精度最高,其模型拟合的决定系数(R^(2))、均方根误差(RMSE)和平均绝对误差(MAE)分别达到0.91、4.89μg·m^(-3)和3.45μg·m^(-3),交叉验证R^(2)、RMSE和MAE分别达到0.90、4.91μg·m^(-3)和3.43μg·m^(-3),同时在月尺度和季尺度也具有良好的稳定性.②广东省近地面NO_(2)月均浓度总体上呈先降后升的“U”型趋势,1月的NO_(2)浓度最高,最高值为43.8μg·m^(-3),7月达到最低点,最低值为14.37μg·m^(-3).近地面NO_(2)季均浓度存在“冬高夏低,春秋过渡”的季节分布特征,各季节NO_(2)浓度大小依次为:冬季(27.53μg·m^(-3))>春季(20.77μg·m^(-3))>秋季(18.77μg·m^(-3))>夏季(14.85μg·m^(-3)).③从空间分布角度看,广东省近地面NO_(2)高值地区主要位于发展迅速且人口密集的地区,而低值地区主要分布在注重港口经济、农业和新能源等领域的地区.

关键词：近地面NO_(2) Sentinel-5P 近实时二氧化氮 catboost模型时空分布

来源：评论

学校读者我要写书评

暂无评论

基于catboost模型和SHAP解释方法的土壤重金属影响因素与程度定量分析

引用

环境科学学报 2023年第4期43卷 448-456页

作者：郑家桐王鹏石航源肖荣波邓一荣庄长伟广东工业大学环境科学与工程学院广州510006 广东省环境科学研究院广州510045

掌握土壤重金属空间特征及定量解析污染源对于精准治污具有重要支撑作用,但定量分析影响因子的贡献和影响程度面临巨大挑战.本文选取空间位置、地形地貌、土壤特征三大类16个影响因素,采用catboost-SHAP耦合模型定量评估了土壤重金属空... 详细信息

掌握土壤重金属空间特征及定量解析污染源对于精准治污具有重要支撑作用,但定量分析影响因子的贡献和影响程度面临巨大挑战.本文选取空间位置、地形地貌、土壤特征三大类16个影响因素,采用catboost-SHAP耦合模型定量评估了土壤重金属空间分布的影响因子和范围边界.结果表明,catboost在预测土壤Cd、Pb和Cr含量上具有较高精度,R^(2)分别为0.76、0.71和0.81.空间位置对土壤Cd、Pb分布的影响分别可达71.28%和73.54%,其中,与冶炼厂的距离(DI_(Smp))是土壤Cd空间分布的关键影响因素,影响范围在7.5 km内;与二级公路的距离(DR_(Sec))是土壤Pb空间分布的关键影响因素,影响范围可达8 km;Fe_(2)O_(3)是土壤Cr空间分布的关键影响因素,土壤中氧化铁含量达到4.5%后开始正向影响土壤Cr含量.本研究定量解析了土壤重金属影响因素,可为土壤重金属污染防治提供科学决策依据.

关键词：重金属空间分布 catboost模型 SHAP解释方法可解释性影响因素

来源：评论

学校读者我要写书评

暂无评论

基于catboost模型和Logistic回归的2型糖尿病风险因素研究

引用

绥化学院学报 2024年第8期44卷 143-146页

作者：袁晓勇蒋剑军铜陵学院数学与计算机学院安徽铜陵244061

文章通过PolynomialFeatures方法获得高阶交互数据,应用catboost模型评估影响因素的重要性,引入Logistic回归对2型糖尿病进行识别并比较一阶数据和高阶数据的识别效果。catboost模型在对一阶变量的评估中,锻炼频率、血红蛋白、体质指数... 详细信息

文章通过PolynomialFeatures方法获得高阶交互数据,应用catboost模型评估影响因素的重要性,引入Logistic回归对2型糖尿病进行识别并比较一阶数据和高阶数据的识别效果。catboost模型在对一阶变量的评估中,锻炼频率、血红蛋白、体质指数、年龄等得分较高,对高阶变量则是锻炼频率、锻炼频率×白细胞、锻炼频率×总胆固醇等得分较高,Logistic回归在2型糖尿病风险识别效果上高阶数据显著高于一阶数据。得出结论:2型糖尿病主要是多因素交互作用的结果,其中锻炼频率、体质指数、年龄等因素起着决定性的作用。

关键词：糖尿病 catboost模型 Logistic回归风险预测

来源：评论

学校读者我要写书评

暂无评论

基于catboost-SHAP模型的滑坡易发性建模及可解释性

引用

中国地质灾害与防治学报 2024年第1期35卷 37-50页

作者：曾韬睿王林峰张俞程平吴帆重庆交通大学山区公路水运交通地质减灾重庆市高校市级重点实验室重庆400074 重庆交通大学河海学院重庆400074 浙江省地矿科技有限公司浙江杭州310007 温州工程勘察院有限公司浙江温州325006 山地灾害与地表过程重点实验室/中国科学院山地灾害与环境研究所四川成都610299

文章致力于深入探索滑坡易发性建模中集成学习模型的不确定性和可解释性。以浙江省东部沿海山区为研究对象,利用谷歌历史影像与Sentinel-2A影像,记录了2016年超级台风“鲇鱼”触发的552起浅层滑坡事件。研究首先对连续型因子进行了不分... 详细信息

文章致力于深入探索滑坡易发性建模中集成学习模型的不确定性和可解释性。以浙江省东部沿海山区为研究对象,利用谷歌历史影像与Sentinel-2A影像,记录了2016年超级台风“鲇鱼”触发的552起浅层滑坡事件。研究首先对连续型因子进行了不分级、等间距法和自然断点法的工况设计,进一步划分为4,6,8,12,16,20级。随后,引入了类别增强提升树模型(catboost)以评估不同工况下的滑坡易发性值,再结合受试者曲线与沙普利加性解释法分析,对建模过程中的不确定性和可解释性进行了深入研究,目的在于确定最优建模策略。结果表明:(1)在catboost模型计算中,河流距离成为最关键的影响因子,其次是与地质条件、人类活动相关的因子;(2)不分级工况下,模型能够获得最高的AUC值,达到0.866;(3)相较于等间距法,自然断点法的划分策略展现出更佳的泛化能力,且模型预测性能随着分级数量的增加而增加;(4)沙普利加性解释法模型揭示了主要影响因子道路距离、河流距离、DEM和坡向对台风诱发滑坡的控制机制。研究成果能够加深对滑坡易发性的理解,提高滑坡预测的准确性和可靠性,为相关地区的防灾减灾工作提供科学依据。

关键词：滑坡易发性建模可解释性 catboost模型沙普利加性解释法模型台风诱发滑坡

来源：评论

学校读者我要写书评

暂无评论

车险欺诈的Smote-catboost识别模型

车险欺诈的Smote-Catboost识别模型

引用

作者：汪文重庆大学

学位级别：硕士

目前国内外都面临着严重的车险欺诈问题,约有20%-30%的保险赔款涉嫌欺诈。车险欺诈数据往往是不平衡数据,但分类模型常常基于类别平衡假设,同时会给予易分类样本更高的权重,从而导致分类不够准确。此外,尽管XGboost算法在以往车险欺诈... 详细信息

目前国内外都面临着严重的车险欺诈问题,约有20%-30%的保险赔款涉嫌欺诈。车险欺诈数据往往是不平衡数据,但分类模型常常基于类别平衡假设,同时会给予易分类样本更高的权重,从而导致分类不够准确。此外,尽管XGboost算法在以往车险欺诈识别研究中均有着不错的表现,但其仍然存在类别特征难以处理以及容易过拟合的问题,同时模型表现也很依赖参数设置。据此,寻找精度更高鲁棒性更好的车险欺诈识别模型的研究将同时具有理论意义和现实意义。根据上述问题,本文建立了Smote-catboost模型,具体步骤如下:(1)对数据集进行了特征工程,处理了缺失值、异常值、共线性问题,为减少模型过拟合程度使用了XGboost进行特征构建和选择;(2)针对于数据不平衡问题,本文采用了经典的Smote抽样方法,通过熵权法保留数据自身信息来改进距离度量以减缓Smote抽样会产生的模糊边界问题,同时为进一步缓解不平衡数据的影响以及提高对不易分类样本损失的关注,在模型中还使用了Focal loss函数进行改进;(3)针对XGboost算法存在的问题,本文使用了catboost算法。catboost算法能够自动处理类别特征,通过梯度提升减少预测偏移,缓解过拟合问题,同时因为调整参数较少而较为稳定。实证结果表明:相较于catboost模型,改进后的Smote-catboost车险欺诈识别效果提升,拟合程度提高。模型的精确度、召回率、F1值均有显著提升,加权指标均从70%左右上升到了88%,AUC值从0.864上升到了0.893,改进效果较好。最后选择了对于预测最重要的五个指标,分别是整体索赔金额、每年保费、汽车型号、成为客户时长年龄。

关键词：车险欺诈识别 catboost模型 Smote抽样方法 Focal loss函数

来源：评论

学校读者我要写书评

暂无评论

基于集成学习catboost优化模型的爆堆大块率预测

引用

东北大学学报（自然科学版） 2023年第12期44卷 1743-1750页

作者：金长宇于佳强王强陈立军东北大学深部金属矿山安全开采教育部重点实验室辽宁沈阳110819

爆破产生的爆堆大块率问题一直以来都影响着矿山的生产效益.利用机器学习机制中集成学习思想实现大块率预测.以满洲里乌山铜矿实际采集的36组实测数据为例,整理形成10种特征数据.通过给定参数循环训练调优,再用交叉验证网格搜索的方法... 详细信息

爆破产生的爆堆大块率问题一直以来都影响着矿山的生产效益.利用机器学习机制中集成学习思想实现大块率预测.以满洲里乌山铜矿实际采集的36组实测数据为例,整理形成10种特征数据.通过给定参数循环训练调优,再用交叉验证网格搜索的方法进行模型二次调优,并对比调优实现后模型与随机森林法、XGBoost模型、LightGBM模型和catboost模型进行效果对比.结果表明,经过两轮调优后的catboost模型预测效果明显高于其他几种模型,R~2准确度可达98.83%,证明了两轮调优后catboost模型具有较高的预测水平,验证了该方法在大块率预测研究中的可行性,为爆破参数设计和大块率优化分析提供了可靠的参考.

关键词：大块率预测机器学习集成学习爆破 catboost模型

来源：评论

学校读者我要写书评

暂无评论

基于catboost和XGBoost组合模型的水深反演

引用

海洋测绘 2023年第3期43卷 59-63页

作者：曾书玉谢涛孔瑞瑶南京信息工程大学遥感与测绘工程学院江苏南京210044 青岛海洋科学与技术国家实验室区域海洋动力学与数值模拟功能实验室山东青岛266237

为获取高精度的水深信息以满足海洋研究各领域的需要,提出一种catboost和XGBoost模型组合的水深反演模型。选取Sentinel-2A卫星遥感数据,以瓦胡岛为研究区域,引入catboost和XGBoost模型,对二者进行线性组合,构建catboost-XGBoost组合模... 详细信息

为获取高精度的水深信息以满足海洋研究各领域的需要,提出一种catboost和XGBoost模型组合的水深反演模型。选取Sentinel-2A卫星遥感数据,以瓦胡岛为研究区域,引入catboost和XGBoost模型,对二者进行线性组合,构建catboost-XGBoost组合模型。实验结果表明:组合模型的决定系数、均方根误差、平均绝对误差以及平均相对误差分别为95.32%、1.29 m、0.86 m、20.51%,与单一模型相比,组合模型的水深反演精度有一定提高。

关键词：海洋遥感水深反演组合模型 catboost模型 XGBoost模型

来源：评论

学校读者我要写书评

暂无评论

基于catboost的供水量组合预测模型探讨

引用

石油化工自动化 2023年第5期59卷 10-14页

作者：朱俊杰叶文静曹萃文顾幸生上海南汇自来水有限公司华东理工大学能源化工过程智能制造教育部重点实验室

如何合理安排水资源并减少水资源浪费是亟需解决的问题，精确预测供水量并为供水系统调度方案的制定提供必要的数据支持是目前重要研究方向之一。建立了一种基于catboost的城市供水量组合预测模型，该模型基于KNN算法对异常数据进行识... 详细信息

如何合理安排水资源并减少水资源浪费是亟需解决的问题，精确预测供水量并为供水系统调度方案的制定提供必要的数据支持是目前重要研究方向之一。建立了一种基于catboost的城市供水量组合预测模型，该模型基于KNN算法对异常数据进行识别和校正，从而减少异常数据对模型精度的影响；随后采用SVR,XGBoost, LightGBM和catboost模型预测供水量数据；为了融合各模型的优点并提高模型的预测精度，将各单一模型的预测结果作为输入特征，采用catboost模型进一步预测供水量数据并得到最终的供水量预测结果。仿真实验结果表明：所提出的基于catboost的组合预测模型具有更好的预测精度，验证了该模型在城市供水量预测问题中的有效性。

关键词：供水量预测 KNN算法异常数据识别 catboost模型

来源：评论

学校读者我要写书评

暂无评论

基于数据驱动的交通事故严重程度预测及影响因素研究

引用

山西交通科技 2025年第1期 122-125页

作者：张健健山西省智慧交通研究院有限公司

交通事故严重程度预测及影响因素分析对于能否采取及时有效的救援措施至关重要，但目前研究多针对交通事故是否发生，对于事故严重程度预测较少。以美国2016—2023年交通事故数据集为基础进行数据预处理和特征提取，构建catboost(Catego... 详细信息

交通事故严重程度预测及影响因素分析对于能否采取及时有效的救援措施至关重要，但目前研究多针对交通事故是否发生，对于事故严重程度预测较少。以美国2016—2023年交通事故数据集为基础进行数据预处理和特征提取，构建catboost(Categorical Boosting)模型对交通事故严重程度进行预测，同时分析不同特征对事故严重程度的影响。研究表明构建的catboost模型能够很好地预测交通事故严重程度，模型的准确率为0.84、召回率为0.89、F1分数为0.81,AUC值为0.96，各评价指标均处于较高水平。年份、城市和时刻3个特征对事故严重程度影响最大，不同特征下的交通事故分布规律存在显著差异。研究有助于提高交通事故应急响应效率，降低事故对交通系统的影响。

关键词：交通事故严重程度预测 catboost模型交通安全

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：