检索结果-南通市图书馆

基于MIC-xgboost-LSTM模型的边坡位移预测研究

在线全文

学校读者我要写书评

暂无评论

中国公路学报 2024年

作者：许江波侯鑫敏吴雄刘一凡孙国政中铁第一勘察设计院集团有限公司甘肃省交通科学研究院集团有限公司长安大学公路学院

为实现对边坡位移精确的预测，建立了一种基于最大互信息系数与xgboost算法的长短期记忆神经网络（MIC-xgboost-LSTM）边坡位移预测模型。首先对边坡受到不同降雨条件影响进行研究，利用最大互信息系数分析不同降雨条件因素与边坡累计... 详细信息

为实现对边坡位移精确的预测，建立了一种基于最大互信息系数与xgboost算法的长短期记忆神经网络（MIC-xgboost-LSTM）边坡位移预测模型。首先对边坡受到不同降雨条件影响进行研究，利用最大互信息系数分析不同降雨条件因素与边坡累计位移之间的相关关系，确定相关性显著的降雨影响因素，然后，基于xgboost算法对与边坡累计位移数据相关性较高的影响因素进行特征构造，将构造特征与原有特征一起进行归一化处理，把归一化后的数据分为训练集与验证集，最后利用LSTM对G312国道商洛岩质边坡边坡位移进行预测。同时，分别利用xgboost、LSTM、MIC-xgboost-LSTM预测模型对边坡的累计位移值进行训练预测，并通过RMSE、MAE、MAPE指标进行预测精度评价，另外采用RMSE指标对MIC-xgboost-LSTM模型最长预测周期及最小训练样本数量进行确定。最终，采用白水河滑坡位移数据对模型进行进一步验证，研究表明，日位移增量、蒸散量、净降雨量、累计七天降雨量与监测点累计位移量的相关性相较其它因素更高，且利用四种相关因素构造的特征值与输出的特征值的MIC值为0.97，同时，利用MIC-xgboost-LSTM模型对G312国道商洛边坡进行预测的结果中均方根误差（root mean squared error，RMSE）、平均绝对误差（mean absolute error，MAE）、平均绝对百分比误差（mean absolute percentage error，MAPE）分别为0.25、0.185、0.024%，均小于xgboost、LSTM的RMSE、MAE、MAPE值，并根据RMSE指标获取MIC-xgboost-LSTM模型最长预测周期与最小训练样本数量分别为675、56，最终采用白水河滑坡位移数据进行验证，其评价指标均小于xgboost、LSTM模型，这表明MIC-xgboost-LSTM边坡预测模型具有较高的可靠性。

关键词：道路工程预测模型 MIC 岩质边坡 xgboost模型 LSTM模型特征构造

基于SSA-xgboost模型的地表下沉系数预测研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

矿业研究与开发 2024年第2期44卷 89-95页

作者：赵兵朝张晴王京滨陈迪陈攀冯欣怡西安科技大学能源学院陕西西安710054 西安科技大学西部矿井开采及灾害防治教育部重点实验室陕西西安710054

为解决当前地表下沉系数预测模型精度有限、模型不统一、计算繁琐且不利于泛化等问题,对现有35组样本数据中地表下沉系数影响因素进行分析,建立了基于麻雀搜索算法(SSA)优化极限梯度提升树(xgboost)的预测模型,通过SSA-xgboost模型迭代... 详细信息

为解决当前地表下沉系数预测模型精度有限、模型不统一、计算繁琐且不利于泛化等问题,对现有35组样本数据中地表下沉系数影响因素进行分析,建立了基于麻雀搜索算法(SSA)优化极限梯度提升树(xgboost)的预测模型,通过SSA-xgboost模型迭代学习地表下沉系数与煤层采高、煤层倾角、覆岩岩性、深采比、基载比和基采比之间的非线性映射关系,得到了基于SSA-xgboost模型预计的下沉系数预测值,并利用拟合优度、预测均方根误差和平均绝对百分比误差对下沉系数预测值进行精度分析。结果表明:基于SSA-xgboost模型建立的地表下沉系数预测组合模型的拟合优度为0.9516,预测均方根误差仅为0.0206,平均绝对百分比误差仅为2.47%;SSA-xgboost模型相对于xgboost模型、BP神经网络模型、随机森林算法模型拟合优度分别提升了15.79%、111%和62.81%,预测均方根误差分别降低了43.25%、76.61%和73.72%,平均绝对百分比误差分别降低了46.99%、73.52%和75.99%;基于SSA-xgboost的下沉系数预测结果拟合效果较好且模型精度较高,研究结果可为地表下沉系数的预测提供参考。

关键词：麻雀搜索算法 xgboost模型组合模型地表下沉系数

基于xgboost模型的路段交通流量短时预测

在线全文

学校读者我要写书评

暂无评论

武汉理工大学学报（交通科学与工程版） 2024年第1期48卷 25-30,36页

作者：蒋源陈小鸿胡松华成都市规划设计研究院成都610041 同济大学铁道与城市轨道交通研究院上海201804 马里兰大学帕克分校土木环境工程系马里兰州20742

文中利用上海杨浦区雷达设备采集的城市道路流量数据,基于xgboost模型对路段流量进行预测.考虑城市道路交通流量的复杂性与随机性,选用包括整体特征、时间相关特征、空间相关特征等31个特征变量,并通过格网搜索对模型主要参数进行调整.... 详细信息

文中利用上海杨浦区雷达设备采集的城市道路流量数据,基于xgboost模型对路段流量进行预测.考虑城市道路交通流量的复杂性与随机性,选用包括整体特征、时间相关特征、空间相关特征等31个特征变量,并通过格网搜索对模型主要参数进行调整.结果显示:在不同时间粒度上,xgboost模型的RMSE精度皆优于其余五个对比模型,且在效率上也具有优势.以5 min为时间粒度时,RMSE值为14.22,MAPE值为0.153,耗时23.84 s.此外,xgboost具有较高可解释性.通过对不同特征变量的组合预测及特征变量重要度分析发现,以时间粒度为单元,1、2、3阶滞后流量及彼此间的差值可明显提高模型预测精度,随时间粒度增大,流周期性增强,随机性减弱.

关键词：路段流量短时预测机器学习 xgboost模型

Benford与xgboost模型融合的财务风险预警研究——基于2000-2021年沪深A股上市公司数据分析

在线全文

学校读者我要写书评

暂无评论

财会研究 2024年第1期 35-46页

作者：王冲刘亚丽桂林电子科技大学商学院

文章基于2000-2021年沪深A股上市公司数据,将会计指标带入xgboost模型去预测A股挂牌公司的财务风险。通过构建Benford因子,将财务指标和Benford因子带入xgboost模型,并和未加因子的xgboost风险预警模型的预测效果进行比较。并将带有Benf... 详细信息

文章基于2000-2021年沪深A股上市公司数据,将会计指标带入xgboost模型去预测A股挂牌公司的财务风险。通过构建Benford因子,将财务指标和Benford因子带入xgboost模型,并和未加因子的xgboost风险预警模型的预测效果进行比较。并将带有Benford因子的数据分别带入极端森林、DT、GBDT、KNN、逻辑回归等模型,与xgboost模型的预测效果进行对比。研究发现,Benford因子可以提高数据质量从而提高模型的准确度。并且Benford-xgboost模型的预测效果要优于其他带因子的模型。

关键词：财务风险预警数据质量 Benford定律 xgboost模型

基于PCA-xgboost方法的洲际人群生物地理祖源推断模型研究

在线全文

学校读者我要写书评

暂无评论

生物化学与生物物理进展 2024年

作者：姚昊天江丽王春年范虹李彩霞陕西师范大学计算机科学学院公安部鉴定中心法医遗传学公安部重点实验室北京市现场物证检验工程技术研究中心现场物证溯源技术国家工程实验室

目的通过DNA推断个体的生物地理祖源（biogeographicalancestry，BGA）在人类学、法医学等领域广受关注。目前常用方法是使用几十个祖先信息SNP，通过主成分分析（principalcomponentanalysis，PCA）、似然比（likelihood ratio，LR）... 详细信息

目的通过DNA推断个体的生物地理祖源（biogeographicalancestry，BGA）在人类学、法医学等领域广受关注。目前常用方法是使用几十个祖先信息SNP，通过主成分分析（principalcomponentanalysis，PCA）、似然比（likelihood ratio，LR）等方法判断个体的祖源。伴随高通量测序技术的发展，批量获取人群样本的高密度SNP数据集变得容易，同时计算机领域中机器学习等技术的引入，使得BGA研究发展出新的变化。本研究旨在构建适应高密度SNP数据，且具有高准确率和良好泛化能力的BGA推断模型。方法首先基于307 866个SNP的数据，使用机器学习领域中的监督学习模型xgboost，构建了基于多维度主成分（principalcomponent，PC）的PCA-xgboost推断模型，其次基于LR对推断结果进行评估和优化模型，确定了最佳PC数目和模型训练轮数，最后在其他公共数据的测试集上进一步验证模型的表现。结果基于LR的结果评估方法，模型在参考集中人群预测准确率可以达到95%以上，在测试集中准确率可以达到90%以上，结论 PCA-xgboost模型具有较高的洲际人群预测准确性，基于LR的结果评估方法有助于对预测结果的可靠性进行进一步评估。该模型具有很好的泛化能力，更换参考集的人群数据后，有望实现更加精细的人群分析。

关键词：生物地理祖源推断监督学习主成分分析 xgboost模型

基于SHAP可解释性的焊缝缺陷类型超声识别xgboost模型

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

无损检测 2024年第6期46卷 36-42页

作者：陈明良马志远张东辉付冬欣廖静瑜林莉大连理工大学无损检测研究所大连116024 中国核工业二三建设有限公司北京101300

针对焊缝缺陷机器学习超声识别过程中存在特征冗余、可解释性差等问题,提出了一种基于SHAP可解释性的焊缝缺陷超声识别xgboost(极限梯度提升)模型。在碳钢焊缝试样上加工4类典型缺陷,采用横波斜入射法采集超声反射回波信号,分别提取16... 详细信息

针对焊缝缺陷机器学习超声识别过程中存在特征冗余、可解释性差等问题,提出了一种基于SHAP可解释性的焊缝缺陷超声识别xgboost(极限梯度提升)模型。在碳钢焊缝试样上加工4类典型缺陷,采用横波斜入射法采集超声反射回波信号,分别提取16个时域特征、16个频域特征以及3个信息熵特征。计算SHAP值并选择其前8个高贡献特征构建特征子集,利用交叉验证和网格搜索优化xgboost模型进行缺陷识别。试验结果表明,4种缺陷识别的平均准确率为96.7%;其中,横通孔的识别效果最佳,精确率、召回率和F_(1-score)均达到100%,三角槽次之,方形槽略差,矩形槽的识别结果最差,其精确率、召回率和F_(1-score)均为93.3%。最后,讨论了高贡献特征与缺陷类别之间的相关性,并对特征贡献差异及其原因进行了分析。

关键词：超声检测缺陷分类 xgboost模型特征选择 SHAP

基于xgboost选择迁移条件提升LSTM模型河流水质预测能力

在线全文

学校读者我要写书评

暂无评论

环境工程 2024年第1期42卷 223-234页

作者：余镒琦陈能汪余其彪李少斌张东站瞿帆厦门大学环境与生态学院福建省海陆界面生态环境重点实验室福建厦门361102 厦门大学近海海洋环境科学国家重点实验室福建厦门361102 厦门大学信息学院福建厦门361005

准确预测河流水质变化是流域水环境管理的重要基础。目前常用的基于数据驱动的深度学习模型依赖大量的监测数据训练,然而很多河流数据缺乏,无法满足水质预测精度要求。提出了一种基于极端梯度提升模型(xgboost)的迁移条件选择方法,利用... 详细信息

准确预测河流水质变化是流域水环境管理的重要基础。目前常用的基于数据驱动的深度学习模型依赖大量的监测数据训练,然而很多河流数据缺乏,无法满足水质预测精度要求。提出了一种基于极端梯度提升模型(xgboost)的迁移条件选择方法,利用全国河流自动监测站点的水质参数(水温、pH、溶解氧、总氮)数据集,研究建立长短期记忆神经网络(LSTM)模型库,通过迁移学习条件的优化,提升LSTM模型的预测能力。结果表明:1)采用不同源域和迁移方式训练出的模型,其预测精度有很大差异;2)基于xgboost模型选择最佳迁移条件,迁移模型的预测误差(RMSE)降低了9.6%~28.9%,LSTM模型预测精度明显提升;3)选取合适的迁移方式、选用性质接近的源域数据、增加训练数据量均可以提升迁移模型的预测精度。该建模方法可应用于实测数据少的河流水质预测,为流域水环境精细化管理提供技术支持。

关键词：水质预测 LSTM模型迁移学习 xgboost模型

基于机理和xgboost算法的LF精炼钢水成分预测模型

在线全文

学校读者我要写书评

暂无评论

自动化应用 2024年第2期65卷 5-7页

作者：杨黔程斯祥周鹏彭翼军彭其春姚建华湖南华联云创信息科技有限公司湖南长沙410000 武汉科技大学省部共建耐火材料与冶金国家重点实验室湖北武汉430081 武汉科技大学钢铁冶金及资源利用省部共建教育部重点实验室湖北武汉430081 湖南华菱湘潭钢铁有限公司湖南长沙411100

以我国某钢厂120 t LF精炼炉为研究对象,通过建立由冶炼机理模型和xgboost模型相结合的混合模型,预测LF精炼过程中的钢水成分并进行实际应用。结果表明,模型预测终点碳、硅、锰、铝等元素均处于内控范围内,并平均减少了每炉钢取样工序0.... 详细信息

以我国某钢厂120 t LF精炼炉为研究对象,通过建立由冶炼机理模型和xgboost模型相结合的混合模型,预测LF精炼过程中的钢水成分并进行实际应用。结果表明,模型预测终点碳、硅、锰、铝等元素均处于内控范围内,并平均减少了每炉钢取样工序0.8次,提高了生产效率。

关键词： LF精炼钢成分预测机理模型 xgboost模型

基于Prophet-xgboost组合模型的极端温度事件下负荷预测

在线全文

学校读者我要写书评

暂无评论

价值工程 2024年第11期43卷 1-4页

作者：施骞陈汉驰同济大学经济与管理学院上海200000

气候变化对城市的影响日益加剧,频发的极端温度事件导致城市电力系统供需不平衡问题凸显,精确的需求侧电力负荷预测成为提升电力系统适应性从而支持城市功能稳定性的关键。本文开发了一种适用于极端温度事件下负荷预测的组合模型,结合... 详细信息

气候变化对城市的影响日益加剧,频发的极端温度事件导致城市电力系统供需不平衡问题凸显,精确的需求侧电力负荷预测成为提升电力系统适应性从而支持城市功能稳定性的关键。本文开发了一种适用于极端温度事件下负荷预测的组合模型,结合时间序列模型Prophet和机器学习模型xgboost,有效表征极端温度影响下的电力负荷波动趋势。实验结果表明,相比传统单一模型,组合模型显著提高了极端温度事件下的电力负荷预测精度,在增强城市电力系统对气候变化适应性方面具有较强的有效性,从而为电力调度等电力系统应急管理工作提供了更可靠的支持。

关键词：极端温度电力负荷预测 Prophet模型 xgboost模型