检索结果-南通市图书馆

基于MC-xgboost模型的航空发动机振动特性预测

在线全文

学校读者我要写书评

暂无评论

振动与冲击 2022年第16期41卷 271-277页

作者：梅潇池华山岳聪范建瑜刘宗沁上海海事大学物流工程学院上海201306

为探索航空发动机高压转子组件的装配参数对整机振动响应的影响,通过不平衡响应振动方程描述了装配阶段几何偏差和不平衡偏差与振型的机理关系,提出一种基于最大相关性(maximum correlation,MC)系数与极端梯度提升(xgboost)的改进模型,M... 详细信息

为探索航空发动机高压转子组件的装配参数对整机振动响应的影响,通过不平衡响应振动方程描述了装配阶段几何偏差和不平衡偏差与振型的机理关系,提出一种基于最大相关性(maximum correlation,MC)系数与极端梯度提升(xgboost)的改进模型,MC-xgboost预测模型。通过MC系数筛选影响振动性能的关键参数,即最相关的几何/不平衡装配参数;代入xgboost模型进行振动特性预测。利用试验数据对预测模型进行验证,结果表明所提出的MC-xgboost预测模型相比于RF、GBDT算法模型,具有更高的预测精度,能够为航空发动机面向装配质量的振动特性评估提供一种有效的评价方法。

关键词：高压转子装配质量振动特性最大相关性(MC)系数 xgboost模型

基于xgboost模型的土壤中阿特拉津降解预测

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

应用生态学报 2024年第3期35卷 789-796页

作者：李香伶陈奉献陈希娟沈阳化工大学环境与安全工程学院沈阳110142 中国科学院沈阳应用生态研究所沈阳110016

利用自动机器学习方法建立预测土壤中除草剂阿特拉津降解效率的最佳模型,可评估土壤中阿特拉津的残存风险。本研究收集了49篇已发表文献中的494对数据,选择土壤pH、有机质含量、饱和导水率、土壤湿度、阿特拉津初始浓度、培养时间和接菌... 详细信息

利用自动机器学习方法建立预测土壤中除草剂阿特拉津降解效率的最佳模型,可评估土壤中阿特拉津的残存风险。本研究收集了49篇已发表文献中的494对数据,选择土壤pH、有机质含量、饱和导水率、土壤湿度、阿特拉津初始浓度、培养时间和接菌量7个因素作为输入特征,以阿特拉津在土壤中的一级反应速率常数作为输出特征,建立了6种预测土壤中阿特拉津降解效率的模型。通过线性回归和相关评价指标对模型性能进行综合分析。结果表明:xgboost模型在预测一级反应速率常数(k)方面性能表现最佳。基于预测模型获得各因素的特征重要性排名,依次为土壤湿度>培养时间>pH>有机质>阿特拉津初始浓度>饱和导水率>接菌量;应用SHAP解释各特征与土壤中阿特拉津降解能力间的潜在联系以及各特征贡献度发现,时间对k有负贡献,而饱和导水率则对k有正贡献。土壤湿度、阿特拉津初始浓度、pH、接菌量和有机质含量的高值普遍分布在SHAP=0两侧,说明它们对土壤中阿特拉津降解存在复杂贡献。xgboost模型结合SHAP方法在预测k性能和可解释性方面具有较高的准确性。通过机器学习方法,充分挖掘历史试验数据的价值,利用环境参数对阿特拉津降解效率进行预测,对设定阿特拉津施用阈值、降低土壤中阿特拉津的残留和扩散风险、保障土壤环境的安全具有重要意义。

关键词： xgboost模型预测阿特拉津土壤降解

基于xgboost模型的降雨诱发阶跃型滑坡位移预测

在线全文

学校读者我要写书评

暂无评论

自然灾害学报 2023年第2期32卷 217-226页

作者：黄智杰沈佳简文彬樊秀峰聂闻福州大学岩土与地质工程系福建福州350108 福州大学福建省地质灾害重点实验室福建福州350108 中国科学院海西研究院泉州装备制造研究所福建泉州362200

滑坡位移预测一直是滑坡研究的热点之一。近年来,随着计算机科学的发展,越来越多的人工智能技术模型被用于滑坡位移的预测。相较于常用的如LSTM神经网络等机器学习模型,集成算法中的xgboost模型在滑坡位移预测领域尚不多见。由于其在滑... 详细信息

滑坡位移预测一直是滑坡研究的热点之一。近年来,随着计算机科学的发展,越来越多的人工智能技术模型被用于滑坡位移的预测。相较于常用的如LSTM神经网络等机器学习模型,集成算法中的xgboost模型在滑坡位移预测领域尚不多见。由于其在滑坡位移预测中具有预测精度更高、运行速度更快等优点,目前在学术界已成为研究的热点领域。文中以泉州市安溪县尧山村滑坡地灾点监测数据为例,运用Python搭建xgboost模型,并通过最大信息系数的比较来选定与位移高度相关的特征,输入至模型中对滑坡位移进行预测。结果表明,xgboost模型因其在目标函数中引入正则项来控制模型过拟合、模型数据集划分采用前向验证方式等优点,相较于大多数机器学习模型,能更加准确地预测降雨诱发阶跃型滑坡位移。该模型对此类滑坡的位移预测及早期监测预警具有重要参考意义。

关键词：机器学习 xgboost模型最大信息系数阶跃型滑坡位移预测

基于xgboost模型的炼油厂氢气网络动态多输出预测模型

在线全文

学校读者我要写书评

暂无评论

华东理工大学学报（自然科学版） 2020年第1期46卷 77-83页

作者：王宁曹萃文华东理工大学化工过程先进控制与优化技术教育部重点实验室

对基于xgboost模型的炼油厂氢气网络动态多输出预测模型进行了研究,用最小新氢消耗量和最小氢气剩余量两种指标的动态数据进行氢气网络动态多输出预测,对模型性能进行了评估,并与反向传播(BP)神经网络模型的预测结果进行了比较,得到了... 详细信息

对基于xgboost模型的炼油厂氢气网络动态多输出预测模型进行了研究,用最小新氢消耗量和最小氢气剩余量两种指标的动态数据进行氢气网络动态多输出预测,对模型性能进行了评估,并与反向传播(BP)神经网络模型的预测结果进行了比较,得到了很好的预测效果,最后分析了5类操作参数特征对输出指标的影响。

关键词：氢气网络 xgboost模型预测最小新氢消耗量最小氢气剩余量

基于粒子群优化xgboost模型的PM2.5浓度反演

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：刘倩王兆茹胥寒莉连伟海陈优良江西理工大学土木与测绘工程学院江西理工大学资源与环境工程学院龙岩市勘察测绘大队

PM2.5作为大气污染的主要污染源，对人体健康构成了严重威胁，研究PM2.5浓度估算方法有助于识别污染源，优化空气质量管理措施，进而有效改善城市环境质量。为了获得大范围PM2.5浓度空间分布，提高PM2.5估算精度，提出一种粒子群优化XGB... 详细信息

PM2.5作为大气污染的主要污染源，对人体健康构成了严重威胁，研究PM2.5浓度估算方法有助于识别污染源，优化空气质量管理措施，进而有效改善城市环境质量。为了获得大范围PM2.5浓度空间分布，提高PM2.5估算精度，提出一种粒子群优化xgboost的模型（PSO-XGB），引入粒子群优化算法（PSO）对xgboost参数进行优化，通过集成中分辨率成像光谱仪（MODIS）的气溶胶光学厚度产品（AOD）和气象数据构建基于PSO-XGB的PM2.5浓度反演模型，随后对2022年全国PM2.5浓度数据分年度和季节进行反演，并使用十折交叉验证法评估PSO-XGB模型性能，最后使用全国7年和仅1年的PM2.5浓度数据分别输入模型进行训练，分析数据量对模型性能的影响。结果表明，PSO-XGB模型能够有效反演PM2.5浓度，且整体R2达到0.9以上，其中冬季的反演效果最好R2为0.98、秋季R2为0.96、夏季R2为0.90及春季R2为0.89。同时通过对比分析得出，数据量的多少对于优化模型的反演性能基本没有影响，而将数据按时间序列划分为适当的块，即划分季节，能够更准确地评估模型性能的稳定性和适用性。

关键词： PM 机器学习反演气溶胶光学厚度 xgboost模型影响因素

基于Prophet-xgboost模型的GNSS高程时间序列预测

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

大地测量与地球动力学 2022年第9期42卷 898-903页

作者：鲁铁定李祯东华理工大学测绘工程学院南昌市330013

针对GNSS时间序列非平稳性和非线性等特点,通过分析xgboost模型与Prophet模型的适用性与特点,构建Prophet-xgboost预测模型。该模型先通过Prophet模型对GNSS原始时间序列进行分解,然后通过xgboost模型进行分部预测,等权相加得到预测结... 详细信息

针对GNSS时间序列非平稳性和非线性等特点,通过分析xgboost模型与Prophet模型的适用性与特点,构建Prophet-xgboost预测模型。该模型先通过Prophet模型对GNSS原始时间序列进行分解,然后通过xgboost模型进行分部预测,等权相加得到预测结果。实验选用ALGO、ALRT、BRST三个IGS站U分量日坐标时间序列数据,采用MAE和RMSE作为评价指标。结果表明,与单一的xgboost模型和Prophet模型相比,Prophet-xgboost模型的MAE和RMSE值均得到一定程度优化,说明该模型具备有效性,可用于GNSS时间序列预测。

关键词： xgboost模型 Prophet模型时间序列预测

基于多粒度特征和xgboost模型的城市日供水量预测

在线全文

学校读者我要写书评

暂无评论

长江科学院院报 2020年第5期37卷 43-49页

作者：贺波马静高赫余南京航空航天大学经济与管理学院南京210016 上海城投水务(集团)有限公司供水分公司上海200001

城市日供水量预测对供水部门具有十分重要的现实意义。为提高城市日供水量预测精度,以某市历史用水数据为基础,构建多粒度特征,并利用Pearson相关系数进行特征的筛选,基于xgboost模型构建城市日供水量预测模型。本模型通过在训练集上进... 详细信息

城市日供水量预测对供水部门具有十分重要的现实意义。为提高城市日供水量预测精度,以某市历史用水数据为基础,构建多粒度特征,并利用Pearson相关系数进行特征的筛选,基于xgboost模型构建城市日供水量预测模型。本模型通过在训练集上进行训练和学习,在测试集上的平均绝对误差为70 571 t/d,平均相对误差为1.4%;传统的回归预测方法如随机森林法和支持向量机法,平均绝对误差分别为84 366 t/d和88 848 t/d。本模型预测精度更高,说明此模型可行、有效,具有一定的应用价值。

关键词：城市日供水量多粒度特征 Pearson相关系数 xgboost模型预测精度

利用高分一号卫星与xgboost模型的水体总氮和总磷监测技术

在线全文

学校读者我要写书评

暂无评论

遥感信息 2021年第2期36卷 96-103页

作者：赵力卢修元谭海马天浩四川农业大学水利水电学院四川雅安625014 自然资源部国土卫星遥感应用中心北京100048 辽宁工程技术大学测绘与地理科学学院辽宁阜新123000

针对采用遥感技术监测氮、磷研究中反演模型精度不够高、小尺度水体研究受限于数据源分辨率的问题,提出了一种结合高分一号影像和xgboost模型的水体总氮、总磷浓度反演技术。文章使用高分一号影像,以农业生产水汇集的白水湖水库为研究区... 详细信息

针对采用遥感技术监测氮、磷研究中反演模型精度不够高、小尺度水体研究受限于数据源分辨率的问题,提出了一种结合高分一号影像和xgboost模型的水体总氮、总磷浓度反演技术。文章使用高分一号影像,以农业生产水汇集的白水湖水库为研究区,采用xgboost模型反演水体总氮和总磷,并与BP神经网络模型和数学统计模型的反演结果进行比较。结果显示,xgboost模型的反演精度最高,总氮、总磷模型的决定系数R 2分别为0.835和0.897,与BP神经网络相比分别提高了4.19%和18.88%,与数学统计模型相比提高了10.38%和20.16%,更适用于研究区总氮总磷监测。此外,文章也表明高分一号影像在水质监测方面具有较大的应用潜力,能准确反映水体总氮、总磷情况。

关键词：总氮总磷 xgboost模型高分一号水质

基于双重xgboost模型的农产品期货波动率预测——以玉米期货为例

在线全文

学校读者我要写书评

暂无评论

系统管理学报 2023年第2期32卷 332-342页

作者：胡越王桑原覃浩恒徐亮张一苇西南财经大学工商管理学院成都611130 亚利桑那州立大学商学院美国亚利桑那州850003 华期创一成都投资有限公司成都610213

农产品期货的波动率在农产品衍生品定价、风险分散和农产品风险对冲等领域都起着关键性作用。对波动率进行预测,投资者可以依据波动率预测结果,对预期可能面临的风险采取相应的应对策略,更加精准地进行农产品风险管理。但波动率预测领... 详细信息

农产品期货的波动率在农产品衍生品定价、风险分散和农产品风险对冲等领域都起着关键性作用。对波动率进行预测,投资者可以依据波动率预测结果,对预期可能面临的风险采取相应的应对策略,更加精准地进行农产品风险管理。但波动率预测领域存在如下挑战:①波动率的预测期限较短,仅为1天或3天,难以反映资产在未来较长时间的价格波动率情况;②以往研究多关注于价格等信息,在波动率预测中对于基本面信息考虑较少;③神经网络、深度学习等预测模型的可解释性较差,网络构建和超参数的选择多依赖于经验选择。本文提出了一个基于xgboost模型的波动率预测框架,考虑价格和基本面数据,对于波动率的长期趋势和短期变化进行了分析。实证结果表明,加入了更多信息维度的模型有助于提升波动率预测的精度,相比于传统的GARCH模型,均方误差MSE缩小了35%以上。

关键词：农产品期货机器学习波动率预测 xgboost模型