检索结果-南通市图书馆

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

面实体匹配的集成学习Catboost方法

地球信息科学学报 2022年第11期24卷 2198-2211页

作者：刘贺郭黎李豪张婉晨白翔天 61363部队西安710054 信息工程大学郑州450001 32021部队北京100094

现有的面实体多指标几何匹配方法在计算综合相似度和确定最终匹配实体时面临着指标权重和阈值难以科学量化的难题,集成学习算法通过构建并结合多个机器学习器来完成学习任务,在解决分类问题时体现出了较为明显的性能优势。为此,本文提... 详细信息

现有的面实体多指标几何匹配方法在计算综合相似度和确定最终匹配实体时面临着指标权重和阈值难以科学量化的难题,集成学习算法通过构建并结合多个机器学习器来完成学习任务,在解决分类问题时体现出了较为明显的性能优势。为此,本文提出了一种基于集成学习算法Catboost的面实体匹配方法,将匹配问题转化为分类问题。选取形状、面积、方向和位置4个几何特征作为模型分类特征;利用过采样与欠采样相结合的混合重采样技术减轻原始训练样本的类别不平衡度;借助贝叶斯优化算法确定Catboost模型的最优超参数;引入可解释人工智能领域的SHAP解释框架从全局和局部两个角度解释各输入特征对匹配结果的影响。在青藏高原的面状湖泊数据上对本文提出的方法进行了验证,实验结果表明:对模型预测影响最大的特征是位置,然后依次是面积、形状,影响最小的特征是方向。Catboost匹配方法在实验数据集上的查准率、查全率和F1-score分别达到0.9937、0.9753和0.9844,相比于直接使用样本不均衡的原始样本进行模型训练,分别提高了约5.8%、0.6%和3.3%。与传统的面实体多指标双向匹配方法和逻辑回归、K近邻、决策树、神经网络等常规机器学习分类算法相比,集成学习算法Catboost性能表现更加优异,在避免指标权重和阈值设置难题的同时取得了较好的匹配结果。

关键词：面实体相似性匹配集成学习 Catboost 类别不平衡贝叶斯优化 SHAP

Spatial patterns of residents’ daily activity space and its influencing factors based on the Catboost model: A case study of Nanjing, China

在线全文

学校读者我要写书评

暂无评论

Frontiers of Architectural Research 2022年第6期11卷 1193-1204页

作者： Jiemin Zheng Mingxing Hu Chenghui Wang Shuting Wang Bing Han Hui Wang School of Architecture Southeast UniversityNanjing210096China College of Landscape Architecture Nanjing Forestry UniversityNanjing210037China

The complexity and fragmentation of people’s activity space are challenging to planners.However,the relevant studies are mostly concerned on the relationship between the social attributes and the activity space of residents in a single or several communities,or the spatiotemporal laws of activity space on a macro scale.The research on the spatial characteristics of residents’activity space still needs to be strengthened.The present study analyses the spatial patterns of residents’activity space based on mobile phone signaling data to fill the gap of previous studies that assessed residents’activity space across small geographic areas.First,according to the spatial scope and direction of an activity space and residents’activity coverage rate,spatial patterns can be divided into three types:compact,extended,and directional extension patterns.The Catboost method is then used to statistically analyze the influencing variables of spatial patterns,and the order of importance of the following influencing factors is determined:the built environment is more influential than social and economic situations.This study aims to strengthen the understanding of residents’activity space at the spatial level and provide a basis for the optimization of communities with different spatial patterns.

关键词： Spatial patterns Activity space Catboost Influencing factors Mobile phone signaling data

基于贝叶斯算法优化的Catboost矿压显现预测

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

工矿自动化 2023年第7期49卷 83-91页

作者：柴敬张锐新欧阳一博张丁丁王润沛田志诚刘泓瑞韩志成西安科技大学能源学院陕西西安710054 教育部西部矿井开采及灾害防治重点实验室陕西西安710054

通过传统的监测手段获取矿压数据并采用统计学或机器学习算法对矿压进行预测已不能满足矿山智能化发展要求,需要寻求新的方法提升矿压数据监测及矿压预测的准确性和实时性。基于三维相似物理模型试验,搭建分布式光纤监测系统,沿模型走... 详细信息

通过传统的监测手段获取矿压数据并采用统计学或机器学习算法对矿压进行预测已不能满足矿山智能化发展要求,需要寻求新的方法提升矿压数据监测及矿压预测的准确性和实时性。基于三维相似物理模型试验,搭建分布式光纤监测系统,沿模型走向和高度2个方向预埋分布式光纤,在模拟工作面开采过程中采集来压数据,并引入光纤布里渊频移平均变化度作为判断是否来压的指标;通过对光纤监测数据进行噪声去除、归一化及相空间重构等预处理,将一维初始监测数据转换为三维数据;使用贝叶斯算法对Catboost算法进行迭代参数寻优,在达到最大迭代次数后将最优参数组合装载到Catboost算法中,通过训练得到矿压显现预测模型。结果表明:贝叶斯算法比传统网格搜索法的迭代次数更少、误差更小;与随机森林(RF)、梯度提升决策树(GBDT)和极值梯度提升树(XGBoost)算法相比,Catboost算法的预测精度更高、泛化能力更强;基于贝叶斯算法优化的Catboost矿压显现预测模型能准确预测出测试集中的3次来压,且整体预测趋势与实测值较为吻合,平均绝对误差为0.0091,均方根误差为0.0077,决定系数为0.9339。

关键词：矿压显现预测 Catboost 分布式光纤贝叶斯优化参数光纤布里渊频移平均变化度相空间重构

基于Catboost的温室日参考作物蒸发蒸腾量估算模型研究

在线全文

学校读者我要写书评

暂无评论

节水灌溉 2022年第1期 14-19页

作者：牛曼丽李红岺李新旭北京市农业技术推广站北京100029

参考作物蒸发蒸腾量(Reference Evapotranspiration,ET_(0))是估算作物需水量、制定灌溉制度、提高用水效率,实现农业节水的重要参数。针对传统Penman-Monteith(P-M)公式计算作物蒸发蒸腾量需要参数多,计算复杂等问题,提出了一种基于支... 详细信息

参考作物蒸发蒸腾量(Reference Evapotranspiration,ET_(0))是估算作物需水量、制定灌溉制度、提高用水效率,实现农业节水的重要参数。针对传统Penman-Monteith(P-M)公式计算作物蒸发蒸腾量需要参数多,计算复杂等问题,提出了一种基于支持分类特征的梯度提升决策树(Catboost)算法估算温室日参考作物蒸发蒸腾量。以温室修正型Penman-Monteith公式计算的ET_(0)作为标准值,通过Pearson’s方法对输入参数与ET_(0)之间的相关性进行分析,组合不同输入特征向量。当输入参数组合为3参数,即平均室内温度、平均相对湿度、累积太阳辐射时,Catboost性能最优,测试集估算精度MAE为0.220 mm/d,RMSE为0.310 mm/d。进一步对比了6种其他机器学习模型(XGBoost、AdaBoost、随机森林、决策树、KNN、SVM)的估算精度,结果表明Catboost模型具有最佳的估算精度和稳定性,能够较好地模拟参考作物蒸发蒸腾量。构建的日参考作物蒸发蒸腾量估算模型为水肥精准化管理、灌溉控制系统研发提供了一种新的思路。

关键词： Catboost 参考作物蒸发蒸腾量估算模型

基于Catboost模型与SHAP分析研究地理环境因子对健康人血尿酸参考值的影响

在线全文

学校读者我要写书评

暂无评论

西安交通大学学报（医学版） 2023年第4期44卷 601-607页

作者：梁向荣葛淼王聪霞何进伟陕西师范大学地理科学与旅游学院健康地理研究所陕西西安710119 西安交通大学第二附属医院心内科陕西西安710004 延安大学医学院陕西延安716099

目的探究可能对健康人血尿酸(uric acid,UA)产生影响的地理环境因子并探究全国尺度下UA参考值的变化趋势。方法收集全国565个位点的607905例健康人的UA参考值,运用相关分析法分析25项地理环境因素与UA参考值的相关性,构建Catboost模型... 详细信息

目的探究可能对健康人血尿酸(uric acid,UA)产生影响的地理环境因子并探究全国尺度下UA参考值的变化趋势。方法收集全国565个位点的607905例健康人的UA参考值,运用相关分析法分析25项地理环境因素与UA参考值的相关性,构建Catboost模型并应用SHAP值解释模型,预测全国各县市级的健康人UA参考值,并采用普通克里金绘制全国健康人的UA参考值地理分布图。结果纬度、海拔高度、年平均气温、年平均相对湿度、年降水量、气温年较差、年平均风速、表土粉粒百分率、表土容重、表土石砾含量、表土有机质含量、表土pH、表土(粘土)阳离子交换量、表土(粉土)阳离子交换量、表土盐基饱和度、表土总可交换量、T-CaCO 3、T-CaSO 4、表土碱度、表土盐分这20项指标与全国健康人UA参考值呈现相关。全国健康人UA参考值的空间分布呈现差异性,表现为高海拔地区较高,沿海地区在相近海拔高度下高于内陆地区,中东部低、西南部高的变化趋势。结论本研究为后续近一步研究不同影响因子对UA参考值的作用机制奠定基础。建立Catboost模型在不同地区使用UA参考值作为高尿酸血症及相关慢性疾病预后因子制定参考标准时提供依据。

关键词：高尿酸血症尿酸(UA) 地理环境 Catboost SHAP模型克里金

基于SMOTE-GA-Catboost算法下的全国地表水水质分类评价

在线全文

学校读者我要写书评

暂无评论

中国环境科学 2023年

作者：徐玲景向楠杨英李卫华刘怡心严国兵安徽建筑大学水污染控制与废水资源化安徽省重点实验室合肥城市学院土木工程学院杭州市城建设计研究院有限公司(安徽分公司) 合肥城市学院经济与管理学院安徽建筑大学环境与能源工程学院中国科学技术大学地球和空间科学学院

针对地表水分类评价中水污染特征空间的高冲突性以及水质类别的不均衡性等问题，以7项地表水水质指标为水质评价因子，采用SMOTE过采样技术结合遗传算法和Catboost模型对全国主要江河和重要湖泊分别进行水质分类评价，并与其他4种改进... 详细信息

针对地表水分类评价中水污染特征空间的高冲突性以及水质类别的不均衡性等问题，以7项地表水水质指标为水质评价因子，采用SMOTE过采样技术结合遗传算法和Catboost模型对全国主要江河和重要湖泊分别进行水质分类评价，并与其他4种改进集成算法进行对比.结果表明:SMOTE预处理有效改善样本类别的不均衡性，提高Catboost模型对少数类水质样本分类的准确性;遗传算法调参有效提高Catboost模型的收敛速度和分类精度，优化了模型的分类性能;SMOTE-GA-Catboost模型对江河和湖库的水质分类效果均优于其他4种改进集成分类模型，其对江河水水质分类的准确率、精确率、召回率、F1分别为97.7%、97.8%、96.1%、96.9%，对湖库水水质分类的准确率、精确率、召回率、F1分别为96.7%、96.2%、95.4%、95.8%，该模型可以实现不同水域的水质分类评价，可为全国地表水水质分类评价提供一种新的技术参考.

关键词：地表水水质分类评价 Catboost SMOTE 遗传算法

基于WRSR和BOA-Catboost的电力用户分类模型研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

浙江电力 2023年第5期42卷 76-84页

作者：仲赞邢翼俞伟李健刘广生国网浙江省电力有限公司湖州供电公司浙江湖州313000 国网浙江省电力有限公司杭州310007 四川大学电气工程学院成都610065

售电企业对电力用户进行合理评估是开展售电业务的关键。针对当前评估方法存在的评估不全面、应用性不强等问题,提出一种基于WRSR(加权秩和比)和Catboost算法的电力用户分类模型。首先使用WRSR对现有电力用户进行分档并标记;接着使用Cat... 详细信息

售电企业对电力用户进行合理评估是开展售电业务的关键。针对当前评估方法存在的评估不全面、应用性不强等问题,提出一种基于WRSR(加权秩和比)和Catboost算法的电力用户分类模型。首先使用WRSR对现有电力用户进行分档并标记;接着使用Catboost算法学习分类规律,构建分类器,同时采用BOA(贝叶斯优化算法)优化Catboost的超参数,提升分类效果;最后根据模型分析每个特征的重要程度,并按重要性分数对用户特征进行筛选。实验结果表明:该方法能实现电力用户的合理分类;所提分类模型与其他机器学习模型相比准确性更高,可解释性更好。

关键词：电力用户标签加权秩和比用户分类 Catboost 贝叶斯优化

基于Catboost算法与图谱特征融合的土壤全氮含量预测

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2021年第S01期52卷 316-322页

作者：王炜超杨玮崔玉露周鹏王懂李民赞中国农业大学现代精细农业系统集成研究教育部重点实验室北京100083

针对高光谱技术应用于土壤养分定量检测中忽略彩色图像外部特征与土壤养分的内在关系的问题,结合土壤的光谱信息与图像特征构建一种图谱特征融合的土壤全氮含量预测模型,探究图谱特征融合对于土壤全氮含量的预测能力。通过实验室高光谱... 详细信息

针对高光谱技术应用于土壤养分定量检测中忽略彩色图像外部特征与土壤养分的内在关系的问题,结合土壤的光谱信息与图像特征构建一种图谱特征融合的土壤全氮含量预测模型,探究图谱特征融合对于土壤全氮含量的预测能力。通过实验室高光谱成像仪获取土壤样品的高光谱图像,从高光谱图像提取土壤的光谱信息与图像特征。使用无信息变量消除算法(Uniformative variable elimination,UVE)和竞争性自适应重加权采样算法(Competitive adaptive reweighted sampling,CARS)的联合算法对光谱信息进行特征波长的选择,选择后的特征波长作为土壤光谱信息;通过相关性分析选择与土壤全氮含量相关性较高的图像特征。将Catboost(Categorical Boosting)算法应用到土壤全氮含量预测中,分别对基于单一光谱信息、单一图像特征和图谱特征融合对土壤全氮含量进行预测并比较。结果表明,UVE-CARS联合算法选取的特征波长为942、1045、1199、1305、1449、1536、1600 nm,与含氮基团的倍频吸收相吻合。与土壤全氮含量相关性较高的图像特征为角二阶矩、能量、惯性矩、灰度均值和熵。通过Catboost算法建立的基于单一光谱信息特征波长的模型最终预测土壤全氮含量R^(2)为0.8329,RMSE为0.2033 g/kg;基于图像特征建立的模型最终预测土壤全氮含量R^(2)为0.8017,RMSE为0.2197 g/kg;基于图谱特征融合建立的模型最终预测土壤全氮含量R^(2)为0.8668,RMSE为0.1602 g/kg,预测精度均高于单一光谱特征和单一图像特征的预测精度,与基于单一光谱特征和单一图像特征相比,基于高光谱图谱特征融合的土壤全氮含量预测模型效果较好,为土壤全氮含量的预测研究提出一种新的方法。

关键词：土壤全氮高光谱 Catboost 图谱特征融合

基于CS-Catboost的温室番茄水分胁迫预测模型

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2021年第S01期52卷 427-433页

作者：李莉陈浩哲赵奇慧马德新孟繁佳中国农业大学农业农村部农业信息获取技术重点实验室北京100083 中国农业大学现代精细农业系统集成研究教育部重点实验室北京100083 青岛农业大学智慧农业研究院青岛266109

为预测温室番茄水分胁迫程度,利用传感器获取温室内部环境信息,包括空气温度(Ta)、空气相对湿度(Rh)、基质湿度(Hs)、光照强度(Li)、二氧化碳浓度(CO_(2))和基质温度(Ts),通过气象站获取温室外部环境信息,包括风速(Ws)、室外相对湿度(R... 详细信息

为预测温室番茄水分胁迫程度,利用传感器获取温室内部环境信息,包括空气温度(Ta)、空气相对湿度(Rh)、基质湿度(Hs)、光照强度(Li)、二氧化碳浓度(CO_(2))和基质温度(Ts),通过气象站获取温室外部环境信息,包括风速(Ws)、室外相对湿度(Rho)和室外空气温度(Tao)。根据以上9个参数建立基于布谷鸟搜索优化Catboost(CS-Catboost)的温室番茄水分胁迫指数(CWSI)预测模型。通过梯度提升算法计算特征权重并进行筛选,对比不同输入特征数量下CS-Catboost算法的性能。同时,与原Catboost模型、CS-LightGBM模型和CS-RF模型进行对比分析。结果表明,当模型的输入参数数量为7时,CS-Catboost与Catboost、CS-LightGBM、CS-RF相比,RMSE降低了0.0123、0.0118和0.0311,MAE下降了0.0066、0.0075和0.0208,MAPE下降了0.963、1.1232和3.0892,R^(2)则提高了0.0177、0.0165和0.0767。在模型输入参数数量为其他值时,CS-Catboost模型的预测能力均优于其他3种模型。该研究证明了CS-Catboost模型拥有较好的预测能力与泛化能力,可为温室番茄种植的水分胁迫程度分析提供一种新的策略,从而提高农业水资源的利用效率。

关键词：温室番茄作物水分胁迫指数布谷鸟搜索算法 Catboost