检索结果-南通市图书馆

检索条件"主题词=GDBT"

共 2 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于机器学习的纯电动汽车的行驶里程预测研究

基于机器学习的纯电动汽车的行驶里程预测研究

引用

作者：高航北京交通大学

学位级别：硕士

面对日益严峻的环境与能源问题,全球各国政府大力推动电动汽车的发展。我国政府为了摆脱对石油资源的过度依赖,减缓环境污染,保障国家的能源与经济安全,并实现我国汽车产业的跨越式发展,中央政府将新能源汽车列为战略性新兴产业和未来... 详细信息

面对日益严峻的环境与能源问题,全球各国政府大力推动电动汽车的发展。我国政府为了摆脱对石油资源的过度依赖,减缓环境污染,保障国家的能源与经济安全,并实现我国汽车产业的跨越式发展,中央政府将新能源汽车列为战略性新兴产业和未来的支柱产业,并出台一系列相关政策促进电动汽车的快速发展。但是由于锂电池储电容量存在上限,导致纯电动汽车的行驶里程较短;相关配套设施不完整,导致充电不便,从而带来了“里程焦虑”和“充电焦虑”问题,制约了电动汽车的推广和发展。所以基于真实的历史数据进行行驶里程的预测对电动汽车的发展更具有研究意义。论文中所使用的数据均来自北汽新能源生产的纯电动乘用车在工况环境中运行的历史数据。与以往的模拟研究不同,电动汽车运行于动态变化的系统中,行驶里程受多种因素影响,由于电池本身的复杂性和交通环境的多变性,导致真实的工况数据更加复杂,但对建立较高精度的行驶里程预测模型具有重要意义。由于采集到的数据的复杂性,在进行行驶里程预测建模之前需要对数据进行预处理,包括删除、插值和平均化等,为后续的建模奠定数据基础。为了准确建立符合实际工况的预测模型,本文从电池物理性能和行车环境多方面深入挖掘影响电动汽车行驶里程的各种因素,并对其进行了细致的相关性分析;为了明晰数据中变量间存在的耦合关系,进行了偏相关分析,发现SOC和电池温度是影响行驶里程的主因,并计算了他们之间相关关系的强弱。从线性关系出发,本文建立了 SOC(State Of Charge电池的荷电状态)、最低单体温度和行驶里程的多元线性回归模型。为了提高预测准确度,将变量间潜在的非线性关系和未发现的数据统计关系纳入模型之中,本文从集成学习的角度出发,采用梯度提升(gdbt)回归算法建立电动汽车行驶里程预测模型;通过数据准备、特征提取和参数调整等过程确立了最终模型;实验结果表明,基于梯度提升的模型具有更高的预测精度,能够满足实际工况需求,从而弥补了多元线性回归模型的不足。

关键词：机器学习行驶里程预测 gdbt 多元线性回归 SOC 天气

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于大数据的微额借贷用户信用预测方法研究

基于大数据的微额借贷用户信用预测方法研究

引用

作者：熊双辉东南大学

学位级别：硕士

互联网微额借贷是无抵押小额借贷模式与新兴的互联网技术相结合而产生的一种全新的金融服务模式。网络借贷由于其低门槛、高效率等特点近年来得到了迅猛的发展,但是由于我国个人信用体系不健全,相关法律、法规的欠缺,导致网络借贷中暴... 详细信息

互联网微额借贷是无抵押小额借贷模式与新兴的互联网技术相结合而产生的一种全新的金融服务模式。网络借贷由于其低门槛、高效率等特点近年来得到了迅猛的发展,但是由于我国个人信用体系不健全,相关法律、法规的欠缺,导致网络借贷中暴露出非常严重的个人信用问题,时至今日,已经成为其发展的最大阻碍。传统的借贷用户信用预测方法大多都是以影响借贷用户违约率的三要素数据分别为数据基础,以BP(Back Propagation)神经网络、逻辑回归、随机森林等算法为方法基础来进行预测模型的建立。此类数据集并不一定能反映借贷用户的真实情况,容易存在造假数据,进而影响预测方法的性能。本文针对上述问题,在大数据背景下以表征借贷用户基本信息、财务信息、社交信息等各方综合数据为数据集,然后利用非线性SVM(Support Vector Machine)算法、gdbt(Gradient Boosting Decison Tree)算法来建立学习模型,并最终通过集成学习理论来建立融合模型,主要内容如下:在进行机器学习的过程中,对数据集特征的选取显得至关重要,本文根据数据集的特点及其运行环境,首先对数据集中的缺失值做了填充、删除操作;随后使用改进的独热码将数据集中的类别型特征映射到欧式空间;然后构建出表征数据集特征的排名特征、离散特征、计数特征、缺失值离散特征,并采用特征选择对原始数据、排名特征、离散特征进行降维处理而后与计数特征、缺失值离散特征串行组合为融合特征;最后,基于上述特征分别使用非线性SVM和gdbt算法来学习预测模型,并采用权重法进行集成学习得到可以互补各单模型之间不足的融合模型。本文预测方法的特点在于:摒弃了传统单一数据集,采用微额借贷大数据,以数据挖掘为工具,研究针对具体借贷平台的借贷用户信用预测方法,降低了借款者信息造假对预测结果的影响;结合数据集特点及平台特点,提出了表征数据集的排名特征、缺失值离散特征等特征;由于数据维度大,其中类别型特征多,使用改进的独热码降低了数据集中类别特征映射到欧式空间后的稀疏性;在使用机器学习算法学习单个预测模型的同时,引入集成学习方法,使得各单一算法之间可以形成互补,进一步提高了预测方法的性能。最后,本文搭建了Hadoop伪分布式集群,并在集群中进行了一系列的仿真实验,验证了本文基于非线性SVM和gdbt融合的微额借贷用户信用预测方法的可行性与实用性。

关键词：信用预测 SVM gdbt 集成学习 Hadoop

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

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

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

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

在线全文

在线全文

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：