检索结果-南通市图书馆

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

在线全文

学校读者我要写书评

暂无评论

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

基于Catboost模型的广东省近地面NO浓度估算

在线全文

学校读者我要写书评

暂无评论

环境科学 2024年

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

氮氧化物(NOx)是大气中的一类重要空气污染物，二氧化氮(NO2)是其主要组成部分之一，NO2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大气污染卫星监测卫星提供的近实时二氧化氮总浓度数据(NRTL NO2)、ERA5气象再... 详细信息

氮氧化物(NOx)是大气中的一类重要空气污染物，二氧化氮(NO2)是其主要组成部分之一，NO2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大气污染卫星监测卫星提供的近实时二氧化氮总浓度数据(NRTL NO2)、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NO2浓度进行估算。结果表明：①Catboost模型估算的近地面NO2浓度精度最高，其模型拟合的决定系数(R2)、均方根误差(RMSE)和平均绝对误差(MAE)分别达到0.91、4.89 μg·m-3和3.45 μg·m-3，交叉验证R2、RMSE和MAE分别达到0.90、4.91 μg·m-3和3.43 μg·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NO2月均浓度总体上呈先降后升的“U”型趋势，1月的NO2浓度最高，最高值为43.8 μg·m-3，7月达到最低点，最低值为14.37 μg·m-3。近地面NO2季均浓度存在“冬高夏低，春秋过渡”的季节分布特征，各季节NO2浓度大小依次为：冬季(27.53 μg·m-3)>春季(20.77 μg·m-3)>秋季(18.77 μg·m-3)>夏季(14.85 μg·m-3)。③从空间分布角度看，广东省近地面NO2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 Sentinel-5P 近实时二氧化氮 Catboost模型时空分布

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

catboost 模型在水深反演中的应用

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

基于catboost-SHAP模型的滑坡易发性建模及可解释性

在线全文

学校读者我要写书评

暂无评论

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

基于catboost和XGBoost组合模型的水深反演

在线全文

学校读者我要写书评

暂无评论

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

基于catboost的供水量组合预测模型探讨

在线全文

学校读者我要写书评

暂无评论

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

基于最大李雅普诺夫指数异常感知和catboost识别的机械密封失效模式层次化诊断框架

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

工程热物理学报 2024年第1期45卷 93-100页

作者：侯耀春周昶清武鹏何伟挺赵奂芃黄文君吴大转浙江大学能源工程学院化工机械研究所杭州310027 浙江中控技术股份有限公司杭州310053 浙江大学控制科学与工程学院杭州310027

离心泵在现代工业生产中具有广泛的应用,其运行状况和健康程度直接影响着整个系统的能耗、效率和安全。机械密封泄漏或损坏是水力旋转机械最典型的故障之一,与机封失效相关的泵类设备故障问题直接影响系统总体的可靠性和安全性。为此,... 详细信息

离心泵在现代工业生产中具有广泛的应用,其运行状况和健康程度直接影响着整个系统的能耗、效率和安全。机械密封泄漏或损坏是水力旋转机械最典型的故障之一,与机封失效相关的泵类设备故障问题直接影响系统总体的可靠性和安全性。为此,本论文研究了一种基于最大李雅普诺夫指数异常感知和catboost识别的机械密封失效模式层次化诊断框架。首先,对采集的机械密封处振动信号序列提取其最大李雅普诺夫指数,并基于模糊统计法和指派法设计Type-1模糊逻辑,从而实现对机械密封故障的异常检测和感知。接着,一旦检测到机封异常,再从原始振动信号中提取多尺度模糊熵,联同最大李雅普诺夫指数一起输入到Catboost模型进行机械密封失效模式识别和诊断。最后,基于实际实验数据对所提出的层次化诊断框架进行了验证。结果表明,所提出的方法对机封故障的异常检测精度达到100%,Catboost模型的机封失效模式识别率达到99.66%,其精度和鲁棒性均好于支持向量机、AdaBoost、深度神经网络等智能模型。

关键词：机械密封异常感知故障模式识别最大李雅普诺夫指数模糊理论 Catboost模型

基于catboost算法的中国典型农业区重金属污染特征及影响因素分析

在线全文

学校读者我要写书评

暂无评论

环境化学 2024年

作者：李珊杨济妮苏贵金李倩倩孟晶史斌环境纳米技术与健康效应重点实验室中国科学院生态环境研究中心郑州大学河南先进技术研究院生态环境部对外合作与交流中心

土壤是保障人类生存和发展的物质基础，农田土壤与人类生产生活密切相关，农田土壤污染问题值得关注.本文选取东北三省、京津冀和长江经济带作为研究区域，通过文献调研筛选出2000—2020年发布的400篇相关文献，收集到2052表层土壤样本... 详细信息

土壤是保障人类生存和发展的物质基础，农田土壤与人类生产生活密切相关，农田土壤污染问题值得关注.本文选取东北三省、京津冀和长江经济带作为研究区域，通过文献调研筛选出2000—2020年发布的400篇相关文献，收集到2052表层土壤样本，通过统计学、空间分析和机器学习等方法对其污染特征进行分析.结果表明，与农用地最严格的筛选值标准相比，3个研究区域Cd污染问题较为突出，东北三省、京津冀和长江经济带的超标率分别为37.5%、34.0%和45.8%，长江经济带也存在Cu污染问题，其超标率为30.6%；进一步将采样点位分为矿区周边点位、市郊区点位和其他农田点位，采用潜在生态风险指数法评价表明，矿区周边样点严重和重风险占比(54.8%)显著高于市郊区样点(37.2%)和其他农田样点(36.6%).采用Catboost模型进行影响因子识别发现，矿区周边农田主要受选矿、尾矿暴露等造成的Cd和Hg污染影响，而市郊区农田主要受商业、工业和交通运输业等人类活动带来的Hg污染影响，其他农田土壤中主要受农药化肥的施用以及大型器械化带来的Cd污染影响.

关键词：农田土壤重金属污染特征 Catboost模型影响因素

一种数据驱动的暂态电压稳定评估方法及其可解释性研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

电网技术 2021年第11期45卷 4416-4425页

作者：周挺杨军詹祥澎裴洋舟张俊陈厚桂朱凤华武汉大学电气与自动化学院湖北省武汉市430072 复杂系统管理与控制国家重点实验室(中国科学院自动化研究所) 北京市海淀区100190

将数据驱动方法用于电力系统暂态电压稳定评估可以较好地兼顾预测速度与准确性,但存在模型泛化能力不佳及可解释性差等问题。利用系统故障后采集的物理量作为输入特征,基于支持类别特征的梯度提升(gradient boosting with categorical f... 详细信息

将数据驱动方法用于电力系统暂态电压稳定评估可以较好地兼顾预测速度与准确性,但存在模型泛化能力不佳及可解释性差等问题。利用系统故障后采集的物理量作为输入特征,基于支持类别特征的梯度提升(gradient boosting with categorical features support,catboost)算法构建暂态电压稳定评估模型。在模型训练中采用排序提升的方法避免预测偏移问题,提升准确性;使用对称决策树以提高计算效率;同时考虑数据的类别不平衡特性,采用代价敏感手段提高模型的分类性能。为了提高模型的可解释性,提出基于SHAP理论的暂态电压稳定评估归因分析框架,通过计算Shapley值的平均绝对值大小得到暂态电压稳定特征重要性排序,并根据每个特征的边际贡献,进一步量化不同输入特征对模型输出结果的影响。在新英格兰10机39节点系统上的测试结果表明,所提方法比其他机器学习算法具有更高的预测准确性与更快的预测速度,基于Shapley值的归因分析方法能够有效地解释输入特征对暂态电压稳定的影响以及机器学习模型对样本的预测结果。

关键词：暂态电压稳定评估数据驱动 Catboost模型可解释性 Shapley值