期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到825篇文章
< 1 2 … 42 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于“季节-源汇”下的山东大学主城区热环境驱动因素分析 被引量：1
1
作者 范强 相梦雪 +1 位作者 张兵 王丽芳 《生态环境学报》 北大核心 2026年第1期75-87,共13页
地表温度(LST)作为衡量城市热环境的关键指标,其时空分异特征与驱动机制已成为当前研究的前沿方向。传统线性模型在解析热环境系统的非线性动力学特征时存在局限性,而LightGBM模型结合Shapley加性解释(SHAP)的可解释性算法为揭示复杂驱... 地表温度(LST)作为衡量城市热环境的关键指标,其时空分异特征与驱动机制已成为当前研究的前沿方向。传统线性模型在解析热环境系统的非线性动力学特征时存在局限性,而LightGBM模型结合Shapley加性解释(SHAP)的可解释性算法为揭示复杂驱动机制提供了新方法。该研究针对现有研究中“源-汇”尺度景观效应量化与季节动态机制解析的不足,创新性地构建了以局地气候区为依托的“季节-源汇”二维分析框架。以山东大学主城区为研究区,融合多源遥感数据与地理空间数据,深入探究了城市空间形态、自然环境要素及人类活动对LST的耦合影响机制,量化分析了9类驱动因子在四季“源-汇”景观中对LST的贡献度,发现自然环境因素在城市热环境调控中占据主导地位,数字高程、归一化植被指数和改进归一化水体指数是关键调控因子。城市空间形态对LST的影响虽小于自然环境因素,但建筑容积率、天空开阔度和建筑覆盖率等因素仍具有显著作用。人类活动对LST的影响相对较小,但兴趣点数据和道路密度在局部区域仍存在一定的影响。这些发现为不同季节和源汇区域的差异化规划提供了战略性建议,为城市热环境管理提供了科学依据。应充分利用自然环境资源,合理规划建筑布局,以优化城市热环境,提升城市生态宜居性。 展开更多
关键词 城市热岛效应 LightGBM模型 Shapley加性解释(SHAP) “源-汇”尺度 季节 局地气候区(LCZ)
在线阅读 下载PDF
机器学习模型预测全髋关节置换术后病人谵妄风险的效能研究
2
作者 张小英 刘伟 +2 位作者 谢美英 周建国 杨佳 《护理研究》 北大核心 2026年第6期894-905,共12页
目的:基于可解释的机器学习(ML)模型预测全髋关节置换术后病人谵妄风险,为病人制定个性化干预方案提供参考。方法:选取2020年1月-2024年12月在赣州市人民医院接受全髋关节置换术的622例病人为研究对象。于术后1~3 d采用意识模糊评估表(C... 目的:基于可解释的机器学习(ML)模型预测全髋关节置换术后病人谵妄风险,为病人制定个性化干预方案提供参考。方法:选取2020年1月-2024年12月在赣州市人民医院接受全髋关节置换术的622例病人为研究对象。于术后1~3 d采用意识模糊评估表(CAM)判断病人是否出现术后谵妄。通过Boruta算法筛选术后谵妄风险重要特征变量。以7∶3比例将622例病人随机分为训练集(442例)和测试集(180例),构建和训练9种机器学习模型并进行十倍交叉验证。采用受试者工作特征(ROC)曲线下面积(AUC)评估最佳机器学习模型。使用决策曲线分析评估模型临床实用价值。使用SHapley加法解释(SHAP)条形图、摘要图、依赖图和力图解释和可视化机器学习模型。结果:622例全髋关节置换术病人的术后谵妄发生率为30.87%。Boruta算法筛选出9个术后谵妄风险重要特征变量,根据特征重要性评分(Z值)由高至低依次为C反应蛋白(CRP)、麻醉持续时间、白蛋白(ALB)、年龄、总胆红素(TB)、空腹血糖(FBG)、术中失血量(IBL)、糖尿病史、脑血管病(CSD)。多因素Logistic回归分析结果显示,年龄、ALB、TB、FBG、CRP、麻醉持续时间是全髋关节置换术后病人谵妄的独立影响因素(均P<0.05)。XGBoost模型在训练集和测试集中均表现优异,对于预测全髋关节置换术后病人谵妄风险具有最优的稳健性与预测效能。基于SHAP对XGBoost模型进行解释和可视化,显示XGBoost模型能以极高准确度预测全髋置换术后病人谵妄风险。结论:年龄、ALB、TB、FBG、CRP、麻醉持续时间是全髋关节置换术后病人谵妄的重要影响因素,XGBoost模型在全髋关节置换术后病人谵妄中的预测价值较高。 展开更多
关键词 全髋关节置换术 术后谵妄 影响因素 机器学习 Boruta算法 SHapley加法解释(SHAP) XGBoost模型
暂未订购
基于机器学习的VOCs污染控制催化剂构效关系模型
3
作者 刘芳 荆月坤 +2 位作者 邹涛阳 赵金刚 宋宜璇 《实验技术与管理》 北大核心 2026年第1期188-197,共10页
该文将机器学习与SHAP解释相结合,研究了挥发性有机化合物(VOCs)污染控制领域锰基催化剂构效关系。在收集1 607组锰基催化剂低温催化氧化VOCs实验参数的基础上,该文通过构建预测模型,阐明锰基催化剂在甲苯低温催化氧化中的构效关系。结... 该文将机器学习与SHAP解释相结合,研究了挥发性有机化合物(VOCs)污染控制领域锰基催化剂构效关系。在收集1 607组锰基催化剂低温催化氧化VOCs实验参数的基础上,该文通过构建预测模型,阐明锰基催化剂在甲苯低温催化氧化中的构效关系。结果表明,基于随机森林缺失值插补的XGBoost模型预测性能最佳。SHAP分析显示,操作温度与催化剂比表面积的协同效应对VOCs去除效率至关重要,增大催化剂比表面积可增强该协同效应,并放大操作温度的影响,为催化剂优化设计提供理论参考。该研究不仅有助于学生理解机器学习在催化剂构效关系领域的应用,还能使其掌握机器学习的过程分析与结果分析方法。 展开更多
关键词 VOCS 低温催化氧化 机器学习 XGBoost模型 SHAP分析
在线阅读 下载PDF
基于机器学习的流线型箱梁颤振导数预测
4
作者 王冲 郑史雄 +3 位作者 张令 罗茂力 李桥 周梅林 《铁道标准设计》 北大核心 2026年第1期93-100,共8页
为快速评估大跨度流线型箱梁初步设计阶段的颤振性能,基于机器学习(ML)方法对流线型箱梁的颤振导数进行预测和分析。首先,确定ML模型的输入参数(4个断面尺寸参数和1个无量纲折算风速),以苏通大桥为例,基于风洞试验对CFD数值模拟方法进... 为快速评估大跨度流线型箱梁初步设计阶段的颤振性能,基于机器学习(ML)方法对流线型箱梁的颤振导数进行预测和分析。首先,确定ML模型的输入参数(4个断面尺寸参数和1个无量纲折算风速),以苏通大桥为例,基于风洞试验对CFD数值模拟方法进行验证,预设75组流线型箱梁断面形状数据,通过CFD计算75组断面的颤振导数,获得511组颤振导数的数据集;然后,选择5种代表性的ML算法,即支持向量机(SVM)、人工神经网(ANN)、集成神经网络、随机森林(RF)和CatBoost,搭建流线型箱梁颤振导数ML预测模型,开展模型的超参数优化及其预测性能评估;最后,基于SHAP方法,结合性能优异的CatBoost模型,对流线型箱梁断面尺寸输入参数重要性进行分析。结果表明:SVM和RF算法在H_(2)^(*)和H_(4)^(*)上预测性能较差,明显不及其他3种算法,在其他颤振导数(H_(1)^(*)、H_(3)^(*)和A_(1)^(*)~A_(4)^(*))上预测性能较佳,ANN、集成神经网络和CatBoost算法适用于全部颤振导数,其中集成神经网络颤振导数的预测性能优于ANN,表现最佳的是CatBoost,在测试集上,该模型对4个关键颤振导数的R^(2)均达到0.996以上;5种算法对于H_(2)^(*)和H_(4)^(*)两个颤振导数的预测性能不及在其他颤振导数的预测性能;大部分颤振导数最大的影响参数是斜腹板倾角α,颤振的4个关键颤振导数受斜腹板倾角α、S/B的影响较大。 展开更多
关键词 流线型箱梁 颤振导数 机器学习 SHAP CFD
在线阅读 下载PDF
基于D-S证据融合的可解释多分类财务危机预警模型
5
作者 宋媚 李佳蔚 +1 位作者 高峰 洪维强 《系统管理学报》 北大核心 2026年第2期452-461,共10页
针对传统二分类财务困境预测模型难以提供细粒度分级预警问题,本文构建了一个基于财务与非财务信息融合的可解释多分类财务危机预警模型。首先,通过引入管理层讨论与分析(MD&A)语调信息,丰富中小企业数据源;其次,采用RF、LightGBM和... 针对传统二分类财务困境预测模型难以提供细粒度分级预警问题,本文构建了一个基于财务与非财务信息融合的可解释多分类财务危机预警模型。首先,通过引入管理层讨论与分析(MD&A)语调信息,丰富中小企业数据源;其次,采用RF、LightGBM和SVM对中小企业财务状况进行初步预测,并运用改进的D-S证据理论对结果进行二次融合;最后,借助SHAP框架对模型进行可解释性分析。研究发现:基于信息融合模型的F1值相比最优基分类器提升了1.3%,能够有效避免预测“灾难点”的出现,同时揭示了资产负债率、每股未分配利润和净资产收益率等指标在财务预警中的重要作用。本文模型具备更精准的财务危机定位能力和更稳定的预测效果,为中小企业财务危机预警研究提供了新视角。 展开更多
关键词 多分类 财务危机预警 信息融合 SHAP 决策支持
在线阅读 下载PDF
基于空洞因果卷积的学生成绩预测及分析方法
6
作者 赖英旭 张亚薇 +1 位作者 庄俊玺 刘静 《北京工业大学学报》 北大核心 2026年第3期252-267,共16页
针对使用循环神经网络对学生长序列行为数据进行特征提取存在梯度消失或爆炸、长期依赖关系提取能力不足、深度学习模型缺乏可解释性等问题,提出一种面向长序列数据的空洞因果卷积(dilated causal convolution,DCC)成绩预测及分析方法... 针对使用循环神经网络对学生长序列行为数据进行特征提取存在梯度消失或爆炸、长期依赖关系提取能力不足、深度学习模型缺乏可解释性等问题,提出一种面向长序列数据的空洞因果卷积(dilated causal convolution,DCC)成绩预测及分析方法。首先,采用生成对抗网络(generative adversarial network,GAN)生成符合少数类学生原始行为数据分布规律的新样本,并将新样本加入学生数据集中以达到均衡数据集的目的;然后,提出一种基于DCC的成绩预测模型,DCC和门控循环单元(gated recurrent unit,GRU)相结合的结构提高了模型对长序列数据依赖关系的提取能力;最后,使用沙普利加性解释(Shapley additive explanations,SHAP)方法并结合三因素理论对影响学生成绩的因素进行重要性分析和解释。在公开数据集上的实验结果表明,在成绩预测任务中提出的方法与基线方法相比,加权F1分数提高了约6个百分点,并进一步验证了所提方法中关键模块的有效性和模型的泛化能力。此外,通过对比优秀学生和风险学生的学习特点发现,良好的学习习惯、课堂学习的主动性以及不同行为环境等因素会对学生成绩产生重要影响。 展开更多
关键词 学生成绩预测 空洞因果卷积(dilated causal convolution DCC) 不均衡数据 生成对抗网络(generative adversarial network GAN) 沙普利加性解释(Shapley additive explanations SHAP)方法 成绩影响因素分析
在线阅读 下载PDF
基于Stacking+SHAP的离港航班滑出时间预测
7
作者 夏正洪 黄君钏 +3 位作者 吴喜生 贾鑫磊 杨乐 李彦直 《科学技术与工程》 北大核心 2026年第8期3543-3549,共7页
针对现有滑出时间预测模型的可解释性弱、泛化能力差的问题,提出一种基于Stacking+SHAP分析的离港航班滑出时间预测模型。首先,将滑出时间拆解成无障碍滑出时间和动态滑出时间,分别分析其与影响因素之间的相关性。然后,构建基于Stackin... 针对现有滑出时间预测模型的可解释性弱、泛化能力差的问题,提出一种基于Stacking+SHAP分析的离港航班滑出时间预测模型。首先,将滑出时间拆解成无障碍滑出时间和动态滑出时间,分别分析其与影响因素之间的相关性。然后,构建基于Stacking的滑出时间预测模型,对比滑出时间整体预测和分阶段预测的性能差异。最后,引入SHAP方法,量化Stacking模型中各特征变量的重要性,并使用深圳宝安国际机场实际运行数据对模型的合理性进行验证。结果表明:畅通滑出时间主要受机场跑滑系统构型的影响,动态滑出时间的主要受场面交通流的影响。虽然分阶段预测结果性能略逊色于整体预测结果,但模型的可解释性更强。Stacking模型预测结果的平均绝对百分比误差(mean absolute percentage error,MAPE)、平均绝对误差(mean absolute error,MAE)、均方根误差(root mean square error,RMSE)分别为10.6%、99.7 s、140.5 s,±60、±180、±300 s的准确率分别为41.0%、86.3%、96.5%,预测精度和泛化能力均优于现有研究成果。基于沙普利加分析和相关性分析的双重特征筛选机制,可保证模型有较高预测精度的同时有效减少特征维度。 展开更多
关键词 滑出时间 可解释性 STACKING 交叉验证 SHAP
在线阅读 下载PDF
基于SBAS-InSAR的沿海城市地表沉降监测与可解释性分析
8
作者 刘洋 丁恺 +8 位作者 郑枭于 柳翠明 陈可蕴 赵林峰 邵振峰 唐曾杨 龙奇勇 陈国梁 马潮华 《测绘地理信息》 2026年第1期79-87,共9页
针对沿海城市城市化和工业化进程中日益严重的地表沉降问题,本研究以粤港澳大湾区内具有重要战略地位的广州市南沙区为研究对象,2019年6月至2023年10月共27景Sentinel-1A影像数据为数据源,采用小基线集干涉技术(SBAS-InSAR)对研究区域... 针对沿海城市城市化和工业化进程中日益严重的地表沉降问题,本研究以粤港澳大湾区内具有重要战略地位的广州市南沙区为研究对象,2019年6月至2023年10月共27景Sentinel-1A影像数据为数据源,采用小基线集干涉技术(SBAS-InSAR)对研究区域在城市发展和基础设施阶段的地表沉降现象进行长时序动态监测与分析,并通过可解释性机器学习模型定量分析区域地表沉降影响因素。研究获取了南沙区高精度地表累积沉降量和年均沉降速率的时空分布图。分析结果显示:研究区域在2019年6月到2023年10月最大年均沉降速率为-28.73 mm/a地表沉降呈现出显著的空间异质性,沉降活动区域正在向内陆扩张。地形因素与地表沉降现象存在非线性关系,气温、降雨和城市化进程对地表沉降现象有着显著的影响。目前,区域大部分地表处于沉降发展的初期阶段,具有很大的治理和预防空间。区域地表沉降的主要原因包括软土层厚度大、大型基础设施建设密集以及地下水开采过度。本研究为沿海城市的地质安全和可持续发展提供了基础的数据支持。 展开更多
关键词 Sentinel-1 地表沉降 小基线集干涉技术 可解释性机器学习 SHAP
原文传递
基于RFECV和小波降噪混合模型的区域物流预测
9
作者 贾凯威 姜惠娴 《公路交通科技》 北大核心 2026年第2期184-194,共11页
【目标】区域物流需求的精确预测是区域物流发展战略制定的重要依据,为提升低频高维数据环境下区域物流预测的精度,建立混合模型对区域物流数据进行预测分析。【方法】首先构建辽宁省区域物流年度数据特征集,使用RFECV方法对影响辽宁省... 【目标】区域物流需求的精确预测是区域物流发展战略制定的重要依据,为提升低频高维数据环境下区域物流预测的精度,建立混合模型对区域物流数据进行预测分析。【方法】首先构建辽宁省区域物流年度数据特征集,使用RFECV方法对影响辽宁省区域物流的指标进行选取,并引入小波降噪方法对选取指标进一步清洗,构建最优特征数据集;其次在使用RFECV方法的基础上,基于降噪前后的数据集分别采用GM(1,N)、BP、XGBoost、LSTM、GRU进行预测,比较不同预测模型的预测精度。并进一步引入SHAP模型对区域物流预测模型进行可视化分析,同时采用ArcGIS对区域经济与物流联系强度进行可视化分析。【结果】数据降噪后的预测效果普遍优于降噪前,各模型的MAPE值从6%~9%降到5%~8%,降噪后的数据集在后续预测中可提高模型的预测精度,XGBoost模型的预测效果在降噪前后均表现出极强的稳定性与可解释性,降噪后MAPE为5.897%。对XGBoost进行SHAP可视化分析可知地区生产总值在辽宁省区域物流预测中贡献最大。【结论】对数据特征集采用“RFECV+小波降噪”的处理方式可以提升模型预测结果的准确性。XGBoost预测模型的稳定性和可解释性为区域物流发展提供进一步的参考。 展开更多
关键词 物流工程 区域物流预测 RFECV 小波降噪 XGBoost SHAP
原文传递
煤氧化热反应特性与SHAP可解释温度预测模型
10
作者 张树川 申晓毓 《煤炭科学技术》 北大核心 2026年第3期151-160,共10页
为构建适用于复杂氧化工况的煤自燃温度高精度预测模型,揭示氧化反应热动力机制与温度演化过程之间的耦合特征,提升对关键热反应节点的识别能力,支撑矿井自燃智能预警体系建设,通过在不同氧气体积分数和升温速率条件下开展程序升温与同... 为构建适用于复杂氧化工况的煤自燃温度高精度预测模型,揭示氧化反应热动力机制与温度演化过程之间的耦合特征,提升对关键热反应节点的识别能力,支撑矿井自燃智能预警体系建设,通过在不同氧气体积分数和升温速率条件下开展程序升温与同步热分析试验,监测气体释放行为及TG–DSC响应曲线,提取煤氧化过程中具有代表性的特征温度点(T_(C1)—T_(C7)和T_(1)—T_(6)),构建煤自燃过程的阶段划分体系。并将氧化过程整合为4个宏观反应区间,采用Coats–Redfern法计算各合并阶段的表观活化能和焓变,结合气体特征共同构建基于极端梯度提升算法(Extreme Gradient Boosting,XGBoost)与梯度提升算法(Gradient Boosting Regressor,GBR)的多维温度预测模型,并引入沙普利加性解释(Shapley Additive Explanations,SHAP)进行特征贡献度可解释性分析。结果表明:随着氧气体积分数降低,特征温度点TC6与TC7显著向高温区偏移,偏移率分别为-2.000℃/%与-1.333℃/%;随着升温速率升高,特征温度点T_(2)与T_(4)的温度变化显著加快,偏移率分别为2.85℃/(℃·min^(-1))和2.83℃/(℃·min^(-1))。综合特征温度点变化趋势与煤样氧化过程的官能团响应特征,将煤氧化过程划分为7个阶段:吸附氧积累、诱导启动、氧化加速、热解活化、热失控临界、缓慢氧化与燃烧反应阶段,反映了温度演化、气体释放与分子结构转化的阶段性耦合特征。其中热失控临界区间的活化能达78.86 kJ/mol,焓变为74.16 kJ/mol,明显高于前期诱导区间,体现反应放热强度提升。在多源特征融合基础上构建的XGBoost模型在测试集上决定系数R^(2)为0.9996,平均绝对误差MAE为0.32℃,优于GBR模型。SHAP分析结果表明,E_(a)与ΔH等热分析参数在温度预测中具有阶段性贡献权重,联合气体特征共同反映反应演化特性,增强了模型的物理一致性与解释能力。研究构建的煤温预测模型可为煤自燃过程中的特征识别与注氮、通风等干预策略的动态制定提供数据支撑与理论依据。 展开更多
关键词 煤自燃 特征温度点 煤温预测 XGBoost SHAP
在线阅读 下载PDF
基于XGBoost机采井智能诊断系统的开发与应用
11
作者 王萍 林佩怡 +1 位作者 吴杰 程伟 《石油机械》 北大核心 2026年第3期23-31,共9页
随着油气田开发迈向智能化新阶段,机采井精准高效的工况诊断已成为保障油田稳产、优化维护决策与降本增效的核心关键。传统诊断方法依赖人工经验与固定规则匹配,存在诊断效率低、主观性强、可推广性差等局限。尽管以支持向量机、决策树... 随着油气田开发迈向智能化新阶段,机采井精准高效的工况诊断已成为保障油田稳产、优化维护决策与降本增效的核心关键。传统诊断方法依赖人工经验与固定规则匹配,存在诊断效率低、主观性强、可推广性差等局限。尽管以支持向量机、决策树为代表的机器学习方法在智能诊断研究中不断深入,但现有模型仍普遍存在以下问题:模型可解释性不足,难以获得领域专家信任;泛化能力有限,对数据分布变化及类别不平衡问题敏感;技术流程割裂,依赖人工特征工程与复杂调优,且难以与生产管理系统深度融合,制约了其规模化应用。为此,以极限梯度提升算法(XGBoost)为核心构建了一套机采井示功图智能诊断系统,其涵盖数据采集、特征提取、智能诊断与可视化的完整流程。该系统采用B/S架构与“1+N”分布式设计方案,实现多源异构数据的实时接入与统一管理;通过引入XGBoost作为核心分类算法,结合多维特征提取技术与SHAP(shapley additive explanations)可解释性分析框架,在提升分类精度的同时增强诊断过程的透明度与专家可信度。现场试验结果表明,系统对7类典型工况的诊断准确率达90%以上,单井诊断时间由30 min缩短至2 min以内,预警符合率达85.7%。与传统诊断方法相比,该系统在保证诊断精度的前提下,显著提升了诊断效率与结果可解释性。研究结果可为油田机采井智能诊断提供可推广的技术方案。 展开更多
关键词 机采井 抽油泵 示功图 智能诊断 XGBoost SHAP 可解释性
在线阅读 下载PDF
数据驱动的资源受限项目调度问题求解器推荐研究
12
作者 曾鸣 戴业东 刘万安 《计算机工程与应用》 北大核心 2026年第5期346-363,共18页
资源受限项目调度问题(RCPSP)广泛存在于工程管理等领域,高效求解该问题对项目管理至关重要。然而,RCPSP固有的NP-hard特性,使得现有求解方法的性能表现出强烈的项目实例依赖性,难以找到一种通用的高效算法。为此,提出一种基于数据驱动... 资源受限项目调度问题(RCPSP)广泛存在于工程管理等领域,高效求解该问题对项目管理至关重要。然而,RCPSP固有的NP-hard特性,使得现有求解方法的性能表现出强烈的项目实例依赖性,难以找到一种通用的高效算法。为此,提出一种基于数据驱动的RCPSP求解器推荐框架,实现针对不同项目实例的智能化算法选择,从而克服现有算法选择方案的盲目性,提升求解效率。该框架的构建源于对RCPSP问题特征与算法性能之间复杂关系的洞察,试图利用机器学习方法挖掘这种潜在关系,并将其转化为指导算法选择的知识。构建了包含网络拓扑、资源和时间三个维度特征集的RCPSP求解算法推荐数据集;结合特征选择方法提取最优特征子集,构建基于树集成算法的推荐模型,以学习这种复杂映射关系的内在规律,实现精准的算法推荐;利用SHAP模型对推荐模型进行归因分析,剖析影响算法选择的关键项目特征,为项目管理人员提供更具解释性的决策支持。实验结果表明,所提出的推荐框架在四个数据集上的推荐准确率均超过70%,且在各项指标上均优于其他推荐算法。资源强度、项目工期下界和网络宽度等特征被证实对算法选择具有重要影响,该研究验证了数据驱动方法在破解RCPSP算法选择难题方面的可行性和有效性,为项目管理人员提供了科学化、智能化的算法选择方案,有效降低了决策难度,有助于提升项目管理效率。 展开更多
关键词 资源受限项目调度 求解器推荐 数据驱动 树集成算法 SHAP模型
在线阅读 下载PDF
基于可解释性机器学习算法的FRP筋UHPC粘结强度预测
13
作者 李九阳 陈立 +1 位作者 吴纪曙 王晓雨 《辽宁工程技术大学学报(自然科学版)》 北大核心 2026年第2期185-195,共11页
为解释纤维增强复合材料(FRP)筋与超高性能混凝土(UHPC)协同工作机制,基于475个粘结强度试验研究的样本数据,选取7个输入变量、1个输出变量(粘结强度),采用6种机器学习算法进行训练,结合3种可解释性技术进行分析,并与规范及经验模型进... 为解释纤维增强复合材料(FRP)筋与超高性能混凝土(UHPC)协同工作机制,基于475个粘结强度试验研究的样本数据,选取7个输入变量、1个输出变量(粘结强度),采用6种机器学习算法进行训练,结合3种可解释性技术进行分析,并与规范及经验模型进行对比。研究结果表明:极端梯度提升(XGBoost)模型精度最优,决定系数R^(2)为0.881、均方根误差(RMSE)为3.700、平均绝对误差(MAE)为2.326;粘结长度与筋直径的比l/d、钢纤维掺量ρSF、保护层厚度与筋直径的比c/d、FRP筋直径d、UHPC强度fc是影响粘结强度的关键因素。研究结果可为FRP筋UHPC粘结强度预测提供参考。 展开更多
关键词 纤维增强复合材料筋 超高性能混凝土 粘结强度 机器学习 SHAP分析
原文传递
基于电子健康记录数据与机器学习的中老年女性骨质疏松两阶段筛查模型
14
作者 吴英飞 李金铭 +5 位作者 陈怡洁 张艺超 袁贞明 孙晓燕 俞凯 张治芬 《杭州师范大学学报(自然科学版)》 2026年第1期16-26,共11页
针对中老年女性骨质疏松(osteoporosis,OP)患病率高而基层医疗机构筛查手段不足的问题,利用多中心电子健康记录数据与机器学习技术构建中老年女性骨质疏松两阶段筛查模型(integration of categorical boosting and attentive interpreta... 针对中老年女性骨质疏松(osteoporosis,OP)患病率高而基层医疗机构筛查手段不足的问题,利用多中心电子健康记录数据与机器学习技术构建中老年女性骨质疏松两阶段筛查模型(integration of categorical boosting and attentive interpretable tabular learning for osteoporosis screenig,OP-CatNet).初步筛查阶段采用分类提升树(categorical boosting,CatBoost)模型基于个人健康数据进行骨质疏松初步筛查,准确率达到86.88%,敏感性为81.19%,特异性为88.71%,显示出良好的筛查效果.在深化筛查阶段,采用表格网络(attentive interpretable tabular leavning,TabNet)模型结合实验室检查数据与初步筛查决策,准确率达到92.06%,敏感性提升至81.41%,特异性达95.41%,筛查性能明显提升.此外,深化筛查阶段利用夏普利加性解释(SHapley additive exPlanations,SHAP)方法进行模型的全局可解释性分析,结合TabNet的局部可解释性特点,使模型预测结果更具透明度和可信度. 展开更多
关键词 分类提升树 表格网络模型 骨质疏松筛查 机器学习 SHAP 可解释性
在线阅读 下载PDF
基于可解释深度学习的中国煤炭价格驱动因素研究
15
作者 吕靖烨 李冲 樊秀峰 《技术与创新管理》 2026年第2期136-149,共14页
随着中国能源结构的不断深化转型,煤炭价格的波动受到多重非线性因素的复杂交互作用影响,而价格波动不仅直接关系到国家能源安全,也对宏观经济运行与政策调控产生深远影响,因此亟需开展系统性研究。基于GS-XGBoost-SHAP模型构建系统分... 随着中国能源结构的不断深化转型,煤炭价格的波动受到多重非线性因素的复杂交互作用影响,而价格波动不仅直接关系到国家能源安全,也对宏观经济运行与政策调控产生深远影响,因此亟需开展系统性研究。基于GS-XGBoost-SHAP模型构建系统分析框架,从非线性视角系统揭示煤炭价格波动的关键驱动因素,以及单变量与变量交互作用的非线性影响机制。研究结果表明:NEWC澳大利亚动力煤价格、大庆原油价格、BRENT原油价格、经济增长和经济政策不确定性是影响煤炭价格波动的核心变量,印证了“能源—经济—不确定性”三元驱动的价格形成机制;煤炭价格与关键变量之间的作用关系呈现显著的非线性与非对称性特征,即关键变量的正向驱动效应明显强于负向抑制效应;各变量之间的交互效应在煤炭价格形成中呈现异质性且具有显著的非线性特征,且强交互作用主要集中于各关键变量对煤炭价格呈现强正向效应的取值区间。 展开更多
关键词 中国煤炭价格 非线性影响 GS-XGBoost模型 SHAP可解释性分析 交互作用
在线阅读 下载PDF
可解释机器学习驱动的怒江中游滑坡易发性评价 被引量：1
16
作者 石奥博 凌斯祥 +6 位作者 林祖豪 李晓宁 孙春卫 邓睿 吴新明 张根 巫锡勇 《中国地质灾害与防治学报》 2026年第1期168-186,共19页
怒江中游流域地质构造复杂,滑坡灾害频发,对该区域滑坡进行易发性评价可有效识别滑坡高易发区域,极大提高怒江中游流域的防灾减灾效率。文章基于历史数据、遥感解译和现场勘察,获取3358处中至大型滑坡灾害数据(滑坡体积>105 m3),构... 怒江中游流域地质构造复杂,滑坡灾害频发,对该区域滑坡进行易发性评价可有效识别滑坡高易发区域,极大提高怒江中游流域的防灾减灾效率。文章基于历史数据、遥感解译和现场勘察,获取3358处中至大型滑坡灾害数据(滑坡体积>105 m3),构建怒江中游流域滑坡灾害数据库。结合方差膨胀因子(variance inflation factor,VIF)和容忍度筛选出地形地貌、基础地质、水文地质、环境影响和外界触发因子等12个特征条件因子,以研究区内南侧滑坡相对密集区的滑坡样本作为训练集,将研究区其余滑坡作为测试集(训练集∶测试集≈1∶1),采用随机森林(random forest,RF)、朴素贝叶斯(naïve Bayes,NB)、优化梯度提升树(extreme gradient boosting,XGBoost)对整个研究区的滑坡灾害易发性情况进行分析预测,并分析评价模型的跨地区泛化能力。结果表明:滑坡的极高易发区和高易发区主要集中于怒江及其支流的河谷地区,受断裂、地表切割破碎和水系发育等因素影响,与研究区内滑坡的分布情况基本吻合。滑坡易发性评价表明RF模型精度最高(AUC=0.880),其次是NB(AUC=0.862)、XGBoost(AUC=0.853),并且RF模型的滑坡易发性制图具有更高的准确度(86.5%)和可靠性(kappa=0.730);SHAP解释认为高程因子在RF、NB和XGBoost模型中对滑坡易发性评价的重要性最大。RF、NB和XGBoost模型均具有较高的跨地区泛化能力,但RF模型AUC值最高,能更适用于地形高差大、地质环境复杂区域的滑坡易发性评价。 展开更多
关键词 边坡工程 滑坡 易发性 怒江河谷 机器学习 SHAP可解释性 随机森林
在线阅读 下载PDF
基于TPE优化集成学习的岩石弹性模量预测模型
17
作者 孟祥龙 王胜建 +5 位作者 朱迪斯 马彦彦 李大勇 迟焕鹏 张家政 岳伟民 《地质科技通报》 北大核心 2026年第1期342-350,共9页
油气工程中常利用地球物理资料获取地层弹性模量并结合小样本的岩心实验数据进行校正,但这种方法在复杂地质条件下往往表现不佳。为提高岩石弹性模量的预测精度和泛化能力,提出了一种利用基本岩石物性参数的弹性模量智能预测模型。分别... 油气工程中常利用地球物理资料获取地层弹性模量并结合小样本的岩心实验数据进行校正,但这种方法在复杂地质条件下往往表现不佳。为提高岩石弹性模量的预测精度和泛化能力,提出了一种利用基本岩石物性参数的弹性模量智能预测模型。分别采用3种集成学习算法(RandomForest,XGBoost,LightGBM)构建了岩石弹性模量智能预测模型,并采用TPE方法对模型进行超参数优化,最后利用SHAP归因分析探讨了各输入变量对模型的贡献。结果表明:①提出的智能预测模型明显优于传统模型,能够实现弹性模量的精确预测并具有较强的泛化能力,其中XGBoost模型表现最佳(决定系数R2=0.87,均方根误差RMSE=6.94,平均绝对误差MAE=4.96);②横波速度对模型贡献最大,纵波速度次之,密度最小,精确横波波速对弹性模量预测有重要意义。该方法无需对工区及地层进行预先识别即可实现弹性模量的精准预测,研究成果对油气工程设计及实施有重要参考意义。 展开更多
关键词 弹性模量 TPE 集成学习 SHAP 横波
在线阅读 下载PDF
基于非靶向代谢组学与可解释机器学习的白芍与赤芍饮片差异代谢物研究
18
作者 陈琪 范国旗 +6 位作者 郭伊瑞 左莉华 李寒冰 邓丹萍 朱承慧 孙志 刘改枝 《药学学报》 北大核心 2026年第3期871-880,共10页
本研究采用超高效液相色谱-四极杆-静电场轨道阱高分辨质谱(UHPLC-Q-Orbitrap-HRMS)对市售白芍与赤芍饮片进行非靶向代谢组学分析,通过多元统计分析筛选差异代谢物,结合可解释性机器学习方法,构建了随机森林(RF)、自适应增强(AdaBoost)... 本研究采用超高效液相色谱-四极杆-静电场轨道阱高分辨质谱(UHPLC-Q-Orbitrap-HRMS)对市售白芍与赤芍饮片进行非靶向代谢组学分析,通过多元统计分析筛选差异代谢物,结合可解释性机器学习方法,构建了随机森林(RF)、自适应增强(AdaBoost)和极端梯度提升(XGBoost)模型,利用沙普利加性解释(Shapley additive explanations,SHAP)方法解析特征代谢物贡献度。共鉴定出44种代谢物,包括黄酮类9种、酚酸类8种等代谢物,其中12种代谢物在两类饮片间显著差异;在测试集中,RF模型表现最佳;SHAP分析结果显示,葡萄糖酸、槲皮素、山柰酚、L-天冬氨酸、二氢槲皮素、氧化芍药苷在模型中贡献度最高,L-天冬氨酸在白芍中丰度相对较高,其余在赤芍中的丰度相对较高。该研究所建立的代谢组学结合机器学习的策略,不仅为探讨白芍与赤芍功效差异提供了潜在化学线索,同时也为其他易混淆中药的基原鉴别、产地溯源及特征代谢物挖掘提供了新的思路。 展开更多
关键词 白芍 赤芍 非靶向代谢组学 差异代谢物 机器学习 SHAP分析
原文传递
融合大数据挖掘的全球松树树高与关键环境因子关联解析
19
作者 许恩浩 张怀清 +2 位作者 李丹 于鹏 云挺 《东北林业大学学报》 北大核心 2026年第4期93-104,共12页
针对现有松树树高研究多限于区域尺度,缺乏对全球树高空间格局及其驱动机制的系统解析的不足,基于大数据驱动的研究范式,系统整合了来自GBIF、TRY、GEDI、NOAA、NCEP、GPCC、HWSD等10余个全球公开数据源,构建了一个融合植物分布、冠层... 针对现有松树树高研究多限于区域尺度,缺乏对全球树高空间格局及其驱动机制的系统解析的不足,基于大数据驱动的研究范式,系统整合了来自GBIF、TRY、GEDI、NOAA、NCEP、GPCC、HWSD等10余个全球公开数据源,构建了一个融合植物分布、冠层高度、水热气候与土壤理化性质的多维环境属性数据集。采用SHAP可解释机器学习框架,系统评估了10余项因子对树高的贡献度与作用方向。研究揭示了全球松树树高的形成受气候、土壤与生物因子的非线性交互驱动。基于SHAP的可解释分析表明,降水与太阳辐射量是主导性的气候因子,平均贡献度(该因子的SHAP均值占所有特征SHAP均值总和的百分比)分别为12.89%与10.21%,而全氮是关键的土壤影响要素,对海岸松(Pinus pinaster)与欧洲黑松(Pinus nigra)贡献度分别为17.10%与11.70%。各因子的驱动作用存在显著的物种特异性与明确阈值,如多数树种树高在月降水量超过35 mm、林分密度高于20000株/km2时显著提升。空间上,树高呈现强烈的异质性,北美西部为树高峰值区(35.0±6.5)m,其值显著高于其他主要分布区。不同区域的松树演化出差异化适应策略以应对局地环境:北欧种群耐寒深根,西班牙种群耐旱适扰,美国东部种群适酸砂土,美洲西部种群则以深根与菌根共生适应旱寒环境。 展开更多
关键词 大数据 树高 松属 环境因子 SHAP分析
在线阅读 下载PDF
基于特征工程与机器学习的8620钢淬透性高效预测
20
作者 王斌斌 朱德鑫 +3 位作者 武森 李福勇 黄胜永 吴宏辉 《工程科学学报》 北大核心 2026年第1期87-97,共11页
8620钢是重要的机械用钢,常用于传递较大动力、承受较大载荷的齿轮,应用于运输、起重、机车牵引及风力发电等重要领域.淬透性是衡量钢铁材料在热处理过程中硬度分布均匀性的重要指标,直接影响材料的力学性能和使用寿命,在齿轮钢的生产... 8620钢是重要的机械用钢,常用于传递较大动力、承受较大载荷的齿轮,应用于运输、起重、机车牵引及风力发电等重要领域.淬透性是衡量钢铁材料在热处理过程中硬度分布均匀性的重要指标,直接影响材料的力学性能和使用寿命,在齿轮钢的生产和应用中尤为重要,传统的淬透性评估方法主要依赖于Jominy端淬试验,由于试验流程复杂、耗时,存在工作量大、成本高等问题.本研究基于8620钢产线数据,结合机器学习与特征工程技术,采用SHAP方法以及最优子集法筛选关键特征变量,使用7种不同的机器学习算法构建淬透性预测模型,结合十折交叉验证方法系统评估模型性能.对比分析发现,XGBoost模型在原始特征集上的表现最佳(决定系数R^(2)=0.894,均方根误差RMSE=0.820 HRC,±2 HRC内的命中率为94.19%),经特征筛选后RF模型仍保持较高精度(R^(2)=0.866,RMSE=0.928 HRC,±2 HRC内的命中率为93.66%),同时计算效率提高33%,实现8620钢Jominy端淬试样淬火端7.9 mm处硬度值(J7.9值)的低维高精度预测,为8620钢淬透性的预测和优化提供科学依据. 展开更多
关键词 8620钢 淬透性 机器学习 特征工程 SHAP分析
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 42 下一页 到第 页
使用帮助 返回顶部