期刊文献+
共找到17,460篇文章
< 1 2 250 >
每页显示 20 50 100
Tailoring Ultrashort Inter-Fullerene Spacing in a Continuous Fullerene Stacking Array to Enhance Electron Transport for Boosting Solar-Driven Hydrogen Production
1
作者 Yupeng Song Chong Wang +7 位作者 Ying Jiang Zihui Hua Tianyang Dong Ruizhi Liu Rui Wen Jiechao Ge Chunru Wang Bo Wu 《Carbon Energy》 2025年第7期88-98,共11页
The efficiency of organic semiconductor photocatalysts is typically limited by their capability of photogenerated electron transport.Herein,a photocatalyst is proposed initially through the specific axial coordination... The efficiency of organic semiconductor photocatalysts is typically limited by their capability of photogenerated electron transport.Herein,a photocatalyst is proposed initially through the specific axial coordination interaction between imidazole-C_(60)(ImC_(60))and zinc tetraphenyl porphyrin(ZnTPP)named ImC_(60)-ZnTPP.Subsequently,detailed structural characterizations along with theoretical calculation reveal that the unique ImC_(60)-ZnTPP possesses head-to-tail stacking supra-structures,leading to the formation of a continuous array of C_(60)–C_(60) with ultrashort spacing and ensuring strongπ–πinteractions and homogeneous electronic coupling,which could tremendously promote electron transport along the(−111)crystal facet of ImC_(60)-ZnTPP.Consequently,compared to other fullerene-based photocatalysts,ImC_(60)-ZnTPP shows exceptional photocatalytic hydrogen production activity,with an efficiency of up to 80.95 mmol g^(-1) h^(-1).This study provides a novel strategy to design highly efficient fullerene-based photocatalytic systems for solar-driven energy conversion and extend their artificial photosynthetic use. 展开更多
关键词 electron transport FULLERENES photocatalytic hydrogen evolution supramolecular photocatalyst ultrashortπ-πstacking spacing
在线阅读 下载PDF
基于改进Stacking算法的碳酸盐岩储层测井岩性识别方法与应用 被引量:1
2
作者 罗水亮 漆影强 +4 位作者 唐松 阮基富 高达 刘乾乾 李生 《特种油气藏》 北大核心 2025年第4期58-67,共10页
针对川中地区碳酸盐岩储层传统岩性识别方法精度低、模型泛化能力弱的问题,提出一种基于改进Stacking算法的测井岩性识别方法。该方法融合多种机器学习模型的优势,优化特征加权策略,可提高对测井曲线关键信息的提取能力,同时增强对复杂... 针对川中地区碳酸盐岩储层传统岩性识别方法精度低、模型泛化能力弱的问题,提出一种基于改进Stacking算法的测井岩性识别方法。该方法融合多种机器学习模型的优势,优化特征加权策略,可提高对测井曲线关键信息的提取能力,同时增强对复杂岩性的识别准确性和稳定性。相比传统方法,该模型能够更有效地捕捉测井数据的非线性关系,并降低不同岩性类别间的预测混淆度。研究结果表明:该方法在四川盆地川中地区碳酸盐岩储层的岩性识别精度达到96%,较传统模型提升6个百分点,且平均相对误差更低,预测效果更优。改进的Stacking算法结合高效计算框架,可显著提升训练和预测效率,使岩性识别更加高效、可靠。该方法可有效地识别复杂岩性,为碳酸盐岩储层岩性识别提供参考。 展开更多
关键词 stacking 集成学习 特征加权 碳酸盐岩 岩性识别
在线阅读 下载PDF
基于改进Stacking融合模型的储层参数预测方法 被引量:1
3
作者 霍凤财 李青志 +1 位作者 董宏丽 陈怡 《地球物理学进展》 北大核心 2025年第2期691-704,共14页
准确预测储层孔隙度和渗透率对于储层评价具有重要的意义.对于储层参数的计算,传统的经验公式法仍具有较大误差,为了提高储层参数的预测精度并且提高模型的泛化能力,本文提出基于改进Stacking融合模型的集成学习算法,以不同算法对数据... 准确预测储层孔隙度和渗透率对于储层评价具有重要的意义.对于储层参数的计算,传统的经验公式法仍具有较大误差,为了提高储层参数的预测精度并且提高模型的泛化能力,本文提出基于改进Stacking融合模型的集成学习算法,以不同算法对数据观测和训练角度的不同作为基础原理,充分发挥模型的优势.首先,在传统Stacking集成学习模型的基础上,优化模型对第一层基学习器的输出结果,针对可能存在数据划分不均,而导致预测效果不佳的情况,根据基模型的测试精度对预测结果进行加权平均,得到结果作为第二层的特征;其次,针对新的组合训练集可能会丢失部分原始训练集中的信息,将原始数据集也作为次级学习器训练的一部分,使得元学习器学习到原始训练集与新训练集之间的隐含关系,从而提升模型预测效果;最后,通过Stacking融合模型将相互独立的各模型进行融合,增强模型泛化性.与传统Stacking集成学习模型相比,改进模型在孔隙度和渗透率的均方根误差预测上分别降低了7.7%和7.1%,验证了该模型具有良好的预测性能. 展开更多
关键词 参数预测 孔隙度 渗透率 stacking融合模型 集成学习
原文传递
基于stacking融合机制的自动驾驶伦理决策模型 被引量:1
4
作者 刘国满 盛敬 罗玉峰 《计算机应用研究》 北大核心 2025年第2期462-468,共7页
虽然自动驾驶技术在线路规划和驾驶控制方面取得较大进展,但遇到伦理困境时,当前自动驾驶汽车仍然很难作出确定、合理的决策,导致人们对自动驾驶汽车安全驾驶产生怀疑和担忧。所以有必要研究自动驾驶伦理决策模型和机制,使得自动驾驶汽... 虽然自动驾驶技术在线路规划和驾驶控制方面取得较大进展,但遇到伦理困境时,当前自动驾驶汽车仍然很难作出确定、合理的决策,导致人们对自动驾驶汽车安全驾驶产生怀疑和担忧。所以有必要研究自动驾驶伦理决策模型和机制,使得自动驾驶汽车在伦理困境下能够作出合理决策。针对以上问题,设计了基于stacking融合机制的伦理决策模型,对机器学习和深度学习进行深度融合。一方面将基于特征依赖关系的朴素贝叶斯模型(ACNB)、加权平均一阶贝叶斯模型(WADOE)和自适应模糊模型(AFD)作为stacking融合机制上基学习器。依据先前准确率,设定各自模型权重,再运用加权平均法,计算决策结果。然后将该决策结果作为元学习器训练集,对元学习器进行训练,构建stacking融合模型。最后,运用验证集分别对深度学习模型和stacking融合模型进行验证,依据验证中平均损失率和准确率以及测试中正确率,评价和比较深度学习模型和stacking融合机制决策效果。结果表明,深度学习模型平均损失率最小为0.64,最大平均准确率为0.7,最高正确率为0.61。stacking融合机制平均损失率最小为0.35,最大平均准确率为0.90,最高正确率为0.75,说明stacking融合机制相对于深度学习模型,决策结果准确率和正确率方面有了较大改进。 展开更多
关键词 自动驾驶汽车 伦理决策 stacking融合机制 深度学习
在线阅读 下载PDF
Stacking算法对凝给水系统故障诊断的适用性研究 被引量:1
5
作者 陈砚桥 孙彤 顾任利 《舰船科学技术》 北大核心 2025年第1期138-142,共5页
针对船用凝给水系统设备之间耦合关系较强,对该系统的研究只是选取部分参数而并非像设备一样基本涵盖全部特征参数,且该系统在实际运行过程中可以通过自调节来掩盖某些已发生的故障从而无法准确形成运行参数和故障间的映射关系这一现状... 针对船用凝给水系统设备之间耦合关系较强,对该系统的研究只是选取部分参数而并非像设备一样基本涵盖全部特征参数,且该系统在实际运行过程中可以通过自调节来掩盖某些已发生的故障从而无法准确形成运行参数和故障间的映射关系这一现状,以传统单一机器学习算法为基础,通过拓展建立针对Stacking算法的多分类器性能评价指标,准确寻找运行参数和故障之间的映射关系,解决了多分类器性能评价难题。并利用样本数据设计出比较Stacking算法和单一算法综合性能的试验方法,验证了Stacking模型在凝给水系统故障诊断任务中的适用性和优越性。 展开更多
关键词 凝给水系统 stacking算法 故障诊断
在线阅读 下载PDF
基于递归分析和Stacking集成学习的轴承故障诊断方法 被引量:1
6
作者 黄静静 武文媗 +2 位作者 田宇 王灿 王茂发 《南京信息工程大学学报》 北大核心 2025年第2期235-244,共10页
为了更加有效地挖掘滚动轴承信号中所具有的非线性信息并提高轴承故障诊断的准确率,提出一种基于递归分析和Stacking集成学习的轴承故障诊断方法.通过递归分析理论将轴承信号中的非线性信息映射到二维递归图中,分别从图像识别和递归定... 为了更加有效地挖掘滚动轴承信号中所具有的非线性信息并提高轴承故障诊断的准确率,提出一种基于递归分析和Stacking集成学习的轴承故障诊断方法.通过递归分析理论将轴承信号中的非线性信息映射到二维递归图中,分别从图像识别和递归定量分析的角度出发,对应建立了卷积神经网络和支持向量机两个子模型.使用Stacking方法将两个模型进行集成,可以在一定程度上结合两个模型的不同特点,充分发挥两个不同模型的优势.实验结果表明,该方法可以有效提高轴承振动信号的分类准确率,并在不同负载条件下表现出色且稳定,为轴承故障诊断提供了一种可靠的解决方案. 展开更多
关键词 故障诊断 滚动轴承 递归分析 stacking集成学习
在线阅读 下载PDF
考虑复合指标优化模态分解和Stacking集成的综合能源系统多元负荷预测 被引量:1
7
作者 冉启武 石卓见 +2 位作者 刘阳 黄杰 张宇航 《电网技术》 北大核心 2025年第3期1098-1108,I0071-I0075,共16页
为提高综合能源系统多元负荷分解水平及预测模型的整体性能,提出考虑复合指标优化模态分解和Stacking集成的综合能源系统多元负荷预测方法。首先以排列熵结合互信息为适应度函数,利用金豺优化算法自适应获取变分模态分解的最优参数组合... 为提高综合能源系统多元负荷分解水平及预测模型的整体性能,提出考虑复合指标优化模态分解和Stacking集成的综合能源系统多元负荷预测方法。首先以排列熵结合互信息为适应度函数,利用金豺优化算法自适应获取变分模态分解的最优参数组合,进而将多元负荷序列分解为本征模态函数集合;其次,通过基于反向传播(back propagation,BP)神经网络扰动的平均影响值(mean impact value,MIV)算法对与多元负荷相关的气象、日期及负荷因素进行特征筛选,从而为多元负荷构建高耦合度的特征矩阵;充分考虑到各单一模型的差异性及优势性,在采用k折交叉验证法减少过拟合的基础上,构建Stacking集成学习模型对多元负荷进行预测;最后采用美国亚利桑那州立大学坦佩校区多元负荷数据集进行实例验证,结果显示所提方法在电、冷、热负荷预测中的平均绝对百分比误差分别达到了0.903%、2.713%和1.616%,预测精度相比其他预测模型具有较大提升。 展开更多
关键词 多元负荷预测 综合能源系统 平均影响值算法 stacking集成学习 金豺优化算法 复合指标
原文传递
一种兼具精度与可解释性的Stacking-SHAP滑坡易发性预测集成方法
8
作者 黄鑫 叶健 +3 位作者 刘骋冰 曾秋雨 郭万新 郭志凯 《测绘学报》 北大核心 2025年第10期1826-1840,共15页
滑坡易发性预测及诱因分析对于制定科学有效的滑坡灾害防治策略至关重要。然而,当前仍缺乏能够兼具高预测精度与可解释性的滑坡预测模型。为此,本文提出了一种基于可解释性增强的集成学习方法,构建Stacking-SHAP模型,以提升滑坡易发性... 滑坡易发性预测及诱因分析对于制定科学有效的滑坡灾害防治策略至关重要。然而,当前仍缺乏能够兼具高预测精度与可解释性的滑坡预测模型。为此,本文提出了一种基于可解释性增强的集成学习方法,构建Stacking-SHAP模型,以提升滑坡易发性预测的准确性与诱因分析的可靠性。本文方法采用Stacking集成框架,融合XGBoost、CatBoost、LightGBM、逻辑回归(LR)、随机森林(RF)等多种机器学习分类器,在保证预测精度的基础上,引入SHAP(shapley additive explanations)算法,以增强模型的可解释性。试验结果表明,Stacking-SHAP模型的AUC值达到0.920,显著优于单一分类器模型,如XGBoost(0.893)、CatBoost(0.894)、LightGBM(0.879)、RF(0.859)和LR(0.794)。更重要的是,相较于SHAP集成单一机器学习模型,Stacking-SHAP可解释增强集成模型在滑坡诱因分析方面表现出更优的综合性能,提高了滑坡致灾因素分析的可信度。整体而言,本文方法兼具高精度预测与高可靠性解释,为滑坡易发性预测与诱因分析提供了一种创新性方法,在滑坡防治与减灾领域具有重要的理论与应用价值。 展开更多
关键词 滑坡易发性 地理大数据 stacking算法 SHAP算法 滑坡诱因分析
在线阅读 下载PDF
基于IHHO-Stacking集成模型的车辆驾驶性评估
9
作者 莫易敏 王相 +2 位作者 王哲 蒋华梁 李琼 《汽车技术》 北大核心 2025年第3期39-45,共7页
为解决车辆驾驶性主观评价一致性差及客观评价无法反映主观感受的问题,提出了一种基于堆叠(Stacking)集成学习方法的评价模型,首先研究了车辆加速工况特性,定义了工况驾驶性客观评价指标,使用评价指标作为输入特征训练Stacking集成模型... 为解决车辆驾驶性主观评价一致性差及客观评价无法反映主观感受的问题,提出了一种基于堆叠(Stacking)集成学习方法的评价模型,首先研究了车辆加速工况特性,定义了工况驾驶性客观评价指标,使用评价指标作为输入特征训练Stacking集成模型,并且使用改进的哈里斯鹰优化(IHHO)算法优化了Stacking集成模型,提高了预测性能。最后通过道路试验表明,IHHO-Stacking集成模型的性能均优于单个机器学习模型,IHHO-Stacking集成模型预测合格率达95%,能够更有效完成驾驶性评价。 展开更多
关键词 驾驶性 主观评价 改进的哈里斯鹰算法 stacking 集成模型 客观评价
在线阅读 下载PDF
基于高光谱数据和Stacking集成学习算法的金矿品位快速反演
10
作者 毛亚纯 夏安妮 +4 位作者 曹旺 刘晶 文杰 贺黎明 陈煊赫 《光谱学与光谱分析》 北大核心 2025年第7期2061-2067,共7页
金矿资源具有重要的经济和金融价值,不仅为国家提供了贵重的金属资源,推动经济增长,还在增强货币稳定性和国际金融市场中的避险能力方面具有现实意义。然而,当前矿山用于金矿品位测量的化学分析法尽管精确,但存在耗时长、成本高以及药... 金矿资源具有重要的经济和金融价值,不仅为国家提供了贵重的金属资源,推动经济增长,还在增强货币稳定性和国际金融市场中的避险能力方面具有现实意义。然而,当前矿山用于金矿品位测量的化学分析法尽管精确,但存在耗时长、成本高以及药剂污染等多种问题,无法实现基于实时品位信息的矿石品位与选矿方法的自动化调整。相比之下,可见光-近红外光谱分析法因其高效、绿色环保及原位测定等优势,逐渐成为估算矿区金属品位的有效替代方法。为此以中国辽宁省二道沟、凌源和排山楼三个金矿为研究区,共采集了389个金矿样本,以SVC便携式地物光谱仪测试的高光谱数据和化学分析数据为数据源。首先对原始光谱数据进行Savitzky-Golay平滑(SG)处理,并分析金矿的光谱特征,发现反射率与金品位具有一定相关性,且在455 nm处具有金的吸收特征,基于此,利用主成分分析法(PCA)、等距特征映射(ISOMAP)和局部线性嵌入(LLE)算法对原始光谱数据进行降维处理,对应降维结果的维数分别为6,5,5。最后基于随机森林(RF)、极端随机树(ET)、决策树(DT)、梯度提升树(GBDT)和自适应增强(Adaboost)、极端梯度提升树(XGBoost)和Stacking集成学习算法对降维后的数据建立了金品位预测模型。研究结果表明,Stacking集成学习方法在各方面性能均优于单一模型,其中LLE-Stacking组合模型的精度最高,预测值与真实值的R^(2)为0.972,RPD为5.935,平均相对误差为0.231。利用本方法可以快速准确预测矿粉中金的品位,相比于传统模型的品位反演精度有明显的提升,为矿山金品位的快速、原位测定提供了新的技术手段,对金矿的高效开采具有重要意义。 展开更多
关键词 金矿品位反演 可见光-近红外光谱 降维 stacking集成学习
在线阅读 下载PDF
基于Stacking集成学习的空管危险源数据分类
11
作者 王洁宁 闫思卿 孙禾 《科学技术与工程》 北大核心 2025年第20期8583-8594,共12页
在现代空管系统中,高效准确地识别和分类危险源文本数据对于保障飞行安全至关重要,空管危险源数据指的是那些可能影响航空安全的潜在因素、条件或事件的信息集合,然而现有的文本分类方法难以应对数据类别多样性和类别不平衡问题。当下... 在现代空管系统中,高效准确地识别和分类危险源文本数据对于保障飞行安全至关重要,空管危险源数据指的是那些可能影响航空安全的潜在因素、条件或事件的信息集合,然而现有的文本分类方法难以应对数据类别多样性和类别不平衡问题。当下迫切需要开发适用于空管系统的高效分类方法,以提高飞行安全水平。针对单一学习器用于空管危险源文本分类存在的类别分布较多,难以捕捉类别数据不平衡时的文本特征导致预测精度下降的问题,提出基于Stacking训练思想的、两次加权的改进集成模型。首先,参考双防机制对危险源和安全隐患完成类别划分;再采用词频-逆文档频率(term frequency-inverse document frequency, TF-IDF)算法提取预处理后的危险源文本特征完成向量化,并利用合成少数类过采样技术(synthetic minority over-sampling technique, SMOTE)和自适应合成过采样算法(adaptive synthetic sampling approach, ADASYN)分别随机生成向量化后的少数类文本,使文本数据集的类别分布趋于平衡;再从基学习器每折交叉验证的F1分数加权和基学习器之间敏感性评估机制动态加权两方面改进Stacking集成模型,提高类别不平衡危险源文本的分类性能。在所构建的数据集上的实验结果表明:相较于SMOTE+改进集成模型,ADASYN+改进集成模型的精确率、召回率和F1分数分别提升0.9、1.1和1.0个百分点,较好地抑制处理多数类别过拟合的问题,实验结果验证了所提算法的有效性。 展开更多
关键词 双防机制 空管危险源 文本分类 自适应合成过采样算法(ADASYN) stacking集成模型
在线阅读 下载PDF
基于Stacking回归模型的超导材料临界温度预测方法研究
12
作者 何素贞 杨冬平 《延边大学学报(自然科学版)》 2025年第1期32-36,共5页
为了更好地预测超导材料临界温度,提出了一种基于Stacking回归模型的超导材料临界温度预测方法.该方法利用化学元素周期表的序数和原子数百分比构建特征向量,然后通过结合Extra Trees、Ridge Regression和XGBoost 3种算法的Stacking回... 为了更好地预测超导材料临界温度,提出了一种基于Stacking回归模型的超导材料临界温度预测方法.该方法利用化学元素周期表的序数和原子数百分比构建特征向量,然后通过结合Extra Trees、Ridge Regression和XGBoost 3种算法的Stacking回归模型对临界温度进行预测.研究结果表明:该方法可较好地预测超导材料临界温度(决定系数R^(2)为0.93),且优于KamH提出的方法.与采用复杂特征工程结合机器学习的方法相比,该方法在简便性和有效性方面也具有一定优势。研究结果为超导材料临界温度的智能预测提供了新思路. 展开更多
关键词 stacking模型 超导材料 临界温度 机器学习 评价指标
在线阅读 下载PDF
基于Stacking集成学习的店铺销量预测研究
13
作者 尹迎菊 《湖南工程学院学报(自然科学版)》 2025年第1期50-58,共9页
提高店铺销量预测的准确性可以显著优化库存规划,进而提升供应链管理效率.本文采用Stacking集成学习方法,结合多种预测模型,并引入竞品销售信息、商品评论情感分析、商品图片特征等外部数据,以进一步提高销量预测的精度.具体而言,选择了... 提高店铺销量预测的准确性可以显著优化库存规划,进而提升供应链管理效率.本文采用Stacking集成学习方法,结合多种预测模型,并引入竞品销售信息、商品评论情感分析、商品图片特征等外部数据,以进一步提高销量预测的精度.具体而言,选择了XGBoost、KNN、RF和LR作为第一层基学习器,线性回归作为第二层元学习器.通过对历史销售数据进行验证,结果表明,相较于单一模型,Stacking方法在销量预测中表现出更高的准确性,尤其在引入外部特征后.Stacking方法在平均绝对误差(MAE)和均方根误差(RMSE)等指标上均优于单独使用RF、线性回归、XGBoost或KNN模型.研究表明,结合外部特征的Stacking集成学习方法能够有效发挥多种模型的优势,提供更准确的销量预测结果,从而为店铺制定库存和生产计划提供科学依据. 展开更多
关键词 店铺销量预测 stacking集成学习 KNN XGBoost 竞品信息 情感分析 图像处理
在线阅读 下载PDF
基于Stacking集成学习的恶意URL识别方法
14
作者 孙杨 邱祥锋 《集美大学学报(自然科学版)》 2025年第2期179-185,共7页
针对传统URL(uniform resource locator)检测方法在恶意URL检测时存在的精确率不高、实时性差等问题,提出一种基于Stacking集成学习的算法模型。该模型用ADB(adaptive boosting)、LR(logistic regression)、SVM(support vector machine)... 针对传统URL(uniform resource locator)检测方法在恶意URL检测时存在的精确率不高、实时性差等问题,提出一种基于Stacking集成学习的算法模型。该模型用ADB(adaptive boosting)、LR(logistic regression)、SVM(support vector machine)、GBDT(gradient boosting decision tree)和GNB(gaussian naive bayes)5种机器学习算法作为初级分类器,其多层结构使不同机器学习模型之间可以优势互补,提升检测系统的整体性能表现。最后,通过在测试集上进行性能评估,选出性能最优的集成组合。实验结果表明,基于Stacking方法融合基学习器的集成学习模型在召回率、准确率、精确率、F 1值等多项指标上优于传统机器学习模型,对恶意URL检测的准确率可达96.77%。 展开更多
关键词 恶意URL 机器识别 stacking模型 集成学习 基学习器
在线阅读 下载PDF
基于Stacking的NiTi基形状记忆合金绝热温变预测
15
作者 李珺 徐亮 陈小然 《冶金与材料》 2025年第6期187-189,共3页
文章提出一种基于堆叠泛化(Stacking)的镍钛(NiTi)基形状记忆合金绝热温变预测方法。首先,建立包含镍钛(NiTi)基合金绝热温变数据集,采用Boruta算法对数据集进行特征选择。随后,采用DT、RF、GBRT和XGBoost作为基学习器,GBRT作为元学习器... 文章提出一种基于堆叠泛化(Stacking)的镍钛(NiTi)基形状记忆合金绝热温变预测方法。首先,建立包含镍钛(NiTi)基合金绝热温变数据集,采用Boruta算法对数据集进行特征选择。随后,采用DT、RF、GBRT和XGBoost作为基学习器,GBRT作为元学习器,结合K折交叉验证的Stacking方法建模。最后,采用SHAP算法对模型进行可解释性分析,挖掘各特征值对预测镍钛(NiTi)基形状记忆合金绝热温变的贡献。实验结果表明,所提方法对镍钛(NiTi)基形状记忆合金绝热温变的预测具有较高准确率,相比于单一模型,R^(2)最高提升26.03%。 展开更多
关键词 镍钛(NiTi) 绝热温变 堆叠泛化(stacking) SHAP算法
在线阅读 下载PDF
基于Stacking集成模型的膜下滴灌谷子作物系数预测
16
作者 马健涛 郭向红 +4 位作者 雷涛 白艳茹 高晓丽 张家晔 赵鹏帅 《南水北调与水利科技(中英文)》 北大核心 2025年第4期892-904,共13页
为准确模拟膜下滴灌不同水肥处理谷子作物系数(crop coefficient,K_(c)),以水肥有关K_(c)的双因素方差分析为前提,采用随机森林(random forest,RF)、类别提升(CatBoost)、轻量级梯度提升机(LightGBM)、支持向量机回归(support vector re... 为准确模拟膜下滴灌不同水肥处理谷子作物系数(crop coefficient,K_(c)),以水肥有关K_(c)的双因素方差分析为前提,采用随机森林(random forest,RF)、类别提升(CatBoost)、轻量级梯度提升机(LightGBM)、支持向量机回归(support vector regression,SVR)、深度学习(DL)作为次级机器学习模型,基于Stacking策略以多元线性回归构建集成元模型(linear stacking model,LSM)对不同水肥处理膜下滴灌谷子K_(c)进行预测,并进行模型间模拟结果精度比较。结果表明:不同水肥处理间K_(c)日际变化趋势基本相同,但灌水因素和氮肥施用量对K_(c)均有显著影响;在次级机器学习模型中,树类模型(RF、CatBoost与LightGBM)相对SVR和DL模型估测精度较好,而相比次级模型,LSM模型提高了谷子K_(c)的模拟精度;依赖日序数、太阳辐射强度、风速、日均水汽压和土壤含水率建立的LSM模型能够准确模拟膜下滴灌谷子K_(c),决定系数(R2)和均方根误差(root mean squared error, ERMS)分別为0.91和0.11,且当土壤含水率特征加入时模型误差明显降低。研究成果可为膜下滴灌田间水分精准管理提供技术支撑。 展开更多
关键词 滴灌 谷子 作物系数 机器学习模型 stacking集成模型
在线阅读 下载PDF
基于Stacking集成学习的水电机组负荷分配
17
作者 郑晓楠 于洋 +5 位作者 潘虹 郑源 杭晨阳 杨杰 马晓瑶 陈致远 《排灌机械工程学报》 北大核心 2025年第10期1040-1048,共9页
在水电机组大型化、运行工况复杂化背景下,针对传统水电机组负荷分配中存在的寻优时间长、易陷入局部最优、结果不稳定等问题,提出一种基于Stacking集成学习模型和约束修正的水电机组负荷分配方法.首先,将历史数据输入至Stacking集成学... 在水电机组大型化、运行工况复杂化背景下,针对传统水电机组负荷分配中存在的寻优时间长、易陷入局部最优、结果不稳定等问题,提出一种基于Stacking集成学习模型和约束修正的水电机组负荷分配方法.首先,将历史数据输入至Stacking集成学习模型进行训练,采用K折交叉验证方法缓解重复学习造成的过拟合,得到机组负荷分配初始方案;其次,对初始方案进行负荷平衡、出力限制、机组组合等约束修正,不断逼近历史决策,形成最终决策方案.以某电站为例,采用耗水量、出力波动率等指标评价分配结果并与传统动态规划法进行对比,通过集成,模型训练完成后在线进行负荷分配,所需时间仅为2.04 s,决策时间大幅缩短,预测精度和鲁棒性显著提高,可为机组负荷分配提供一定参考. 展开更多
关键词 水电机组负荷分配 厂内经济运行 stacking集成学习 约束修正 机器学习
在线阅读 下载PDF
面向复杂矿区的Stacking技术辅助DS-InSAR地表形变监测方法
18
作者 李志 张书毕 +6 位作者 李鸣庚 陈强 卞和方 李世金 高延东 张艳锁 张帝 《自然资源遥感》 北大核心 2025年第4期12-20,共9页
合成孔径雷达干涉测量(interferometric synthetic aperture Radar,InSAR)技术在矿区植被覆盖密集且存在大梯度地表形变复杂环境下进行监测时,存在监测点数量不足、监测精度不高等问题。针对这些问题,该文提出一种Stacking技术辅助下的... 合成孔径雷达干涉测量(interferometric synthetic aperture Radar,InSAR)技术在矿区植被覆盖密集且存在大梯度地表形变复杂环境下进行监测时,存在监测点数量不足、监测精度不高等问题。针对这些问题,该文提出一种Stacking技术辅助下的改进分布式目标InSAR(distributed scatterer InSAR,DS-InSAR)方法。该方法采用置信区间假设检验算法识别同质像元并基于相位三角剖分算法完成相位优化,随后去除先期利用Stacking技术模拟的线性形变相位获取残余相位,进而稀疏形变相位条纹,提高后续DS-InSAR处理框架中时空滤波与三维解缠结果的精确性,最终补偿模拟相位获得完整形变场。通过处理2015年10月—2016年3月期间覆盖新巨龙煤矿的Sentinel-1A合成孔径雷达(synthetic aperture Radar,SAR)影像,解译了该时段内矿区时序地表形变特征,得到以下结论:监测期间,矿区存在3处显著形变,雷达视线向最大累积形变量达到-313 mm;所提方法相较常规短基线集干涉测量(small baseline subset InSAR,SBAS-InSAR)技术能够反演出分布更加均匀的监测点位信息,其密度约是SBAS-InSAR的12.9倍;对比水准数据的均方根误差(root mean squared error,RMSE)约为6.82 mm,精度较SBAS-InSAR提高了约3.0 mm。 展开更多
关键词 stacking DS-InSAR 地表形变 残余相位 矿区监测
在线阅读 下载PDF
基于Stacking集成框架的预报降水统计后处理研究
19
作者 左政 梁忠民 +2 位作者 毕成琳 张团团 王军 《水电能源科学》 北大核心 2025年第10期37-41,共5页
利用数值天气预报(NWP)产品作为模型输入进行洪水预报,可以显著延长洪水预报的预见期。若直接将未经校正的预报降水数据用于水文模型,会引入额外误差,进而影响洪水预报精度及预警效果。为校正NWP数据的偏差从而提升洪水预报的准确性,提... 利用数值天气预报(NWP)产品作为模型输入进行洪水预报,可以显著延长洪水预报的预见期。若直接将未经校正的预报降水数据用于水文模型,会引入额外误差,进而影响洪水预报精度及预警效果。为校正NWP数据的偏差从而提升洪水预报的准确性,提出一种Stacking集成方法对预报降水进行统计后处理,该方法分为2层,第1层采用RF、KNN、XGB、LGB、Catboost、GBM共6种机器学习模型对欧洲中期天气预报中心(ECMWF)提供的预报降水产品分别进行校正,然后在第2层构建RF模型将6种机器学习校正结果进行集成,得到最终的校正预报降水数据。在山东省大汶河流域的应用结果表明,该方法能够有效融合多个机器学习模型的优势,优于单一机器学习模型,校正后降水的均方根误差从13.75 mm降至9.33 mm,相关系数由0.41提高至0.78,相对偏差由-10.95%减小至-1.40%,同时更准确地反映了降水强度的梯度特征。 展开更多
关键词 预报降水 stacking集成 机器学习 统计后处理
原文传递
应用Stacking集成学习模型短期预测临夏州马铃薯产量
20
作者 任彩玉 郭小燕 +2 位作者 刘立群 涂丽珍 冯浩 《东北农业大学学报》 北大核心 2025年第2期156-167,共12页
为及时、准确地预测我国甘肃省临夏州马铃薯产量,选用HP滤波、二次指数平滑和三次指数平滑法,将2007-2022年临夏州5个县级区域马铃薯趋势产量从实际产量中分离出来,仅将气象产量作为目标变量。选用马铃薯生育期内关键气象特征因素(W):... 为及时、准确地预测我国甘肃省临夏州马铃薯产量,选用HP滤波、二次指数平滑和三次指数平滑法,将2007-2022年临夏州5个县级区域马铃薯趋势产量从实际产量中分离出来,仅将气象产量作为目标变量。选用马铃薯生育期内关键气象特征因素(W):每月的最高气温、最低温度、平均气温、露点温度、平均潜在蒸发率、降水量、太阳辐射、土壤1[地表为0cm,土层深度(h),0<h≤7cm]的中层温度、土壤2(地表为0cm,7cm<h≤28cm)的含水率,高温时间(H)和低温时间(L),将包含W、W+H、W+H+L,3种组合形式的特征因素输入模型,采用主成分分析法对特征因素进行数据降维,确立最佳输入特征因素组合。采用3种机器学习模型(随机森林、极限梯度提升、多层感知机)作为基模型,建立Stacking集成学习模型,在生长季内不同月份对马铃薯气象产量进行短期预测,并叠加趋势产量预测实际产量。结果表明:趋势分离方法中HP滤波法最优,最佳输入特征因素组合为W+H;Stacking集成学习模型具有较高的准确性(R2为0.802,RMSE为0.419),可在马铃薯成熟前4个月实现对马铃薯产量的短期预测,其中,广河县实际产量的短期预测效果最佳、永靖县效果最差。 展开更多
关键词 马铃薯 产量预测 stacking集成学习 气象因素 趋势分离
在线阅读 下载PDF
上一页 1 2 250 下一页 到第
使用帮助 返回顶部