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616篇文章
< 1 2 … 31 >
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：
基于特征工程-XGBoost的铁路隧道衬砌施工碳排放预测及影响因素研究
1
作者 鲍学英 孙航 +2 位作者 闻克宇 冉墨文 熊红辉 《重庆交通大学学报(自然科学版)》 北大核心 2026年第3期48-56,89,共10页
铁路隧道衬砌施工作为隧道施工的关键环节,其碳排放量不可忽视。为解决因铁路隧道衬砌施工关键碳排放源及影响因素不清晰导致的碳排放预测结果不准确、泛化能力较差的问题,提出了基于特征工程与极限梯度提升算法(XGBoost)的铁路隧道衬... 铁路隧道衬砌施工作为隧道施工的关键环节,其碳排放量不可忽视。为解决因铁路隧道衬砌施工关键碳排放源及影响因素不清晰导致的碳排放预测结果不准确、泛化能力较差的问题,提出了基于特征工程与极限梯度提升算法(XGBoost)的铁路隧道衬砌施工碳排放影响因素筛选方法及其预测模型。首先,界定铁路隧道衬砌施工阶段的计算边界,构建基于工序单元的模块化衬砌施工碳排放计算模型;其次,运用随机森林中的袋外估计和互信息两种算法,对初始特征集进行去冗余,以袋外误差(OOB)错误率为评价指标筛选出最优影响因素集;最后,运用XGBoost进行碳排放预测,并引入部分依赖图(PDP)揭示特征变量与碳排放量之间的边际影响效应。以西南某铁路隧道为案例进行验算,结果显示:在案例隧道中,喷射混凝土、钢架与连接钢筋、锚杆支护的碳排放占比最高,合计超过70%;在能源材料消耗中,混凝土和钢材产生的碳排放最多,合计超过80%;对特征工程-XGBoost模型进行验证,各项评估指标的数值表明模型具有良好的效果,最终确定最优子集C={围岩等级、施工工法、埋深、钢架类型、预留变形量}为最优影响因素集,并可视化分析了不同特征的影响机理。 展开更多
关键词 隧道工程 隧道衬砌 特征工程 影响因素 碳排放预测 极限梯度提升算法
在线阅读 下载PDF
融合光学和声学特征的岛礁周边海底底质GA-XGBoost分类方法
2
作者 张玉洁 李杰 +3 位作者 李宁宁 刘晓瑜 唐秋华 张靖宇 《海洋科学进展》 北大核心 2026年第1期111-124,共14页
海底底质类型的精确识别对了解底栖海洋群落的分布和规划海洋资源可持续开发至关重要,机器学习算法是识别底质类型的有效手段。针对岛礁单一声学数据底质分类局限性,融合多光谱遥感数据为解决该局限性提供了新思路。本研究提出了一种融... 海底底质类型的精确识别对了解底栖海洋群落的分布和规划海洋资源可持续开发至关重要,机器学习算法是识别底质类型的有效手段。针对岛礁单一声学数据底质分类局限性,融合多光谱遥感数据为解决该局限性提供了新思路。本研究提出了一种融合多光谱遥感数据和多波束数据、基于特征选择和遗传算法——极限梯度提升算法(Genetic Algorithm-Extreme Gradient Boosting, GA-XGBoost)的多源数据海底底质分类方法。首先对WorldView-2多光谱数据和多波束数据进行预处理,统一地理坐标系统并进行空间分辨率配准;然后提取多光谱影像的光谱特征、测深数据的地形特征及反向散射强度纹理特征,组成18维特征参数,基于XGBoost(Extreme Gradient Boosting)算法结合向前逐步特征选择从18维特征中选出12维最优特征子集;之后构建GA-XGBoost分类模型,分别使用单一数据源及多源数据训练和测试模型,与BPNN(Back Propagation Neural Network)、 GA-BP(Genetic Algorithm-Back Propagation Neural Network)和XGBoost分类算法的精度对比分析;最后,应用最优的GA-XGBoost模型对整个研究区底质进行分类并可视化。实验结果显示,该方法在海底底质分类中的总体精度达91.23%,Kappa系数为0.87,F1分数为0.911 8,显著优于单一数据源输入及对比算法,表明GA-XGBoost模型为海底底质快速、准确分类的一种新的有效解决方案。 展开更多
关键词 海底底质分类 多源数据 遗传算法 xgboost 机器学习
在线阅读 下载PDF
基于多算法与XGBoost融合的柴油机瞬态排放预测
3
作者 王浩锦 何晓乐 +5 位作者 严浩 陈鑫 周嘉豪 王满 曹荣雪 廖健雄 《内燃机工程》 北大核心 2026年第2期47-57,共11页
针对单一算法存在的各种不足,提出了一种组合多种机器学习算法和分布式梯度提升库(extreme gradient boosting,XGBoost)的全新混合模型,用于柴油机瞬时排放特性预测。其中多种机器学习算法包括人工神经网络(artificial neural network,A... 针对单一算法存在的各种不足,提出了一种组合多种机器学习算法和分布式梯度提升库(extreme gradient boosting,XGBoost)的全新混合模型,用于柴油机瞬时排放特性预测。其中多种机器学习算法包括人工神经网络(artificial neural network,ANN)、支持向量机(support vector machine,SVM)、带有外部输入的非线性自回归神经网络(nonlinear autoregressive with exogenous inputs,NARX)、长短时记忆网络(long short-term memory networks,LSTM)、门控循环单元(gated recurrent unit,GRU)、Transformer及时序卷积神经网络(temporal convolutional network,TCN)。同时还使用随机森林算法对混合模型的输入变量进行了筛选,并使用粒子群优化(particle swarm optimization,PSO)算法和遗传算法(genetic algorithm,GA)确定了混合模型的最优超参数。研究结果表明,多算法+XGBoost的混合模型综合了不同机器学习算法各自的优点,实现了更为精确的柴油机排放特性预测。在训练集和验证集上混合模型均表现出了较好的预测性能,其R^(2)值分别高于0.980与0.967。在测试集上,混合模型的R^(2)值则均高于0.930,展现出了极强的泛化能力。 展开更多
关键词 柴油机 排放特性预测 多算法混合模型 机器学习算法 极端梯度提升
在线阅读 下载PDF
基于GA-EF-XGBoost的铣削表面粗糙度预测
4
作者 于子涵 朱俊江 李子枭 《现代制造工程》 北大核心 2026年第2期111-116,共6页
针对传统预测方法中信息融合不足、模型参数依赖人工经验或粗略优化的问题,提出一种基于遗传算法(Genetic Algorithm,GA)、经验公式(Empirical Formula,EF)和极端梯度提升(eXtreme Gradient Boosting,XGBoost)融合的表面粗糙度预测方法(... 针对传统预测方法中信息融合不足、模型参数依赖人工经验或粗略优化的问题,提出一种基于遗传算法(Genetic Algorithm,GA)、经验公式(Empirical Formula,EF)和极端梯度提升(eXtreme Gradient Boosting,XGBoost)融合的表面粗糙度预测方法(GA-EF-XGBoost)。该方法利用经验公式对铣削参数计算,得到表面粗糙度第一分量,利用XGBoost算法对振动信号计算获取表面粗糙度第二分量;随后,基于遗传算法将两部分融合,得到表面粗糙度的综合预测结果。实验结果表明,GA-EF-XGBoost模型的预测精度达93.39%,显著优于传统机器学习模型和其他模型。所提方法融合了铣削三要素与实时采集的振动信号对表面粗糙度进行预测,是一种经验-数据相结合的方法,提升了表面粗糙度的预测精度,具有潜在的应用价值。 展开更多
关键词 铣削加工 经验公式 极端梯度提升 遗传算法
在线阅读 下载PDF
基于IBES-XGBoost的矿井巷道摩擦阻力因数预测模型
5
作者 闫振国 周勃兴 +4 位作者 王延平 秦志鑫 张嘉珞 何世龙 袁林雨 《工矿自动化》 北大核心 2026年第3期123-132,共10页
针对现有基于机器学习的矿井巷道摩擦阻力因数α预测算法存在欠拟合或过拟合、预测精度不高等问题,提出一种集成反向学习初始化、混沌自适应参数、动态自适应变异和混沌局部搜索策略的改进秃鹰搜索(IBES)算法,采用该算法对极限梯度提升... 针对现有基于机器学习的矿井巷道摩擦阻力因数α预测算法存在欠拟合或过拟合、预测精度不高等问题,提出一种集成反向学习初始化、混沌自适应参数、动态自适应变异和混沌局部搜索策略的改进秃鹰搜索(IBES)算法,采用该算法对极限梯度提升树(XGBoost)模型的关键超参数进行自适应寻优,在此基础上以多维度巷道几何参数及结构类别信息为输入特征,以最小化预测均方根误差(RMSE)为目标函数,构建了矿井巷道α预测模型(IBES-XGBoost模型)。通过标准测试函数测试验证了IBES算法较原始秃鹰搜索算法及其他元启发式算法在求解精度、收敛速度和稳定性方面均表现出显著优势。基于陕北地区多个矿井现场实测获得的涵盖4种典型断面形状与8种支护方式等复杂工况的260组样本构建数据集,按支护类型分层抽样并按8∶2划分训练集与测试集,通过5折交叉验证完成超参数寻优。实验结果表明:IBES-XGBoost模型对测试集的预测RMSE为0.001232,平均绝对误差(MAE)为0.000868,决定系数(R^(2))为0.985426,优于所有对比模型,且与次优的BES-XGBoost模型相比,其RMSE和MAE分别降低了49.94%和49.09%,验证了IBES-XGBoost模型具有极高的预测准确率和鲁棒性。 展开更多
关键词 矿井通风 巷道摩擦阻力因数 极限梯度提升树 改进秃鹰搜索算法 超参数寻优 预测模型
在线阅读 下载PDF
基于GA-XGBoost的概率积分法矿山沉降预计方法研究
6
作者 尹帅帅 贾豪 《山东煤炭科技》 2026年第2期143-149,共7页
煤矿开采导致的地表沉陷对生态环境及人员生命安全带来了严重威胁,因而,精确预测地表沉陷对于降低风险至关重要。目前,采用的概率积分法在计算中存在精度不高、参数难以确定的问题。尽管引入了机器学习算法以期改进,但该方法仍易陷入局... 煤矿开采导致的地表沉陷对生态环境及人员生命安全带来了严重威胁,因而,精确预测地表沉陷对于降低风险至关重要。目前,采用的概率积分法在计算中存在精度不高、参数难以确定的问题。尽管引入了机器学习算法以期改进,但该方法仍易陷入局部最优解,且收敛速度较慢,从而影响预测的准确性。为此,提出基于GA-XGBoost的概率积分法沉降预计方法,通过GA算法来对XGBoost模型的学习率、树的最大深度、叶节点最小权重求取最优值;利用XGBoost模型优秀的非线性拟合能力,提高XGBoost模型预测性能;与GA-BP神经网络模型和XGBoost模型进行对比分析,其中GA-XGBoost模型的判定系数R2(0.95)、均方根误差(0.008)均优于GA-BP神经网络模型和XGBoost模型,在预测中误差最小,并将GA-XGBoost模型应用于友众15210工作面。结果表明,GA-XGBoost模型的误差小于GA-BP神经网络和XGBoost模型,在工程实践中取得了优异的效果。 展开更多
关键词 概率积分法 地表沉陷 遗传算法 GA-xgboost 极限梯度提升算法
在线阅读 下载PDF
融合XGBoost和SVR的滑坡位移预测 被引量：2
7
作者 王惠琴 梁啸 +4 位作者 何永强 李晓娟 张建良 郭瑞丽 刘宾灿 《湖南大学学报(自然科学版)》 北大核心 2025年第4期149-158,共10页
利用极端梯度提升与支持向量回归,同时结合猎人猎物优化算法的优势,提出了一种融合极端梯度提升和支持向量回归的滑坡位移预测模型.首先采用极端梯度提升(extreme gradient boosting,XGBoost)进行滑坡位移初步预测,进一步利用猎人猎物... 利用极端梯度提升与支持向量回归,同时结合猎人猎物优化算法的优势,提出了一种融合极端梯度提升和支持向量回归的滑坡位移预测模型.首先采用极端梯度提升(extreme gradient boosting,XGBoost)进行滑坡位移初步预测,进一步利用猎人猎物优化算法(hunter-prey optimizer,HPO)优化支持向量回归(support vector regression,SVR)的超参数而构建了一种组合预测模型(HPO-SVR)以修正XGBoost的预测结果.两组滑坡位移实测数据表明:HPO算法通过不断更新猎人与猎物位置的动态寻优策略,获得了更加合理的SVR的超参数.相对于XGBoost、SVR,以及其与粒子群优化算法、遗传算法和HPO的组合预测模型而言,XGBoost-HPO-SVR组合模型在阳屲山滑坡和脱甲山滑坡位移预测中取得了良好的效果,其均方根误差和平均绝对误差分别为3.505和1.357,0.550和0.538. 展开更多
关键词 极端梯度提升 支持向量回归 猎人猎物优化算法 滑坡位移预测
在线阅读 下载PDF
基于SSA-XGBoost的综合型商业建筑停车需求预测研究 被引量：1
8
作者 李聪颖 贠开拓 +4 位作者 张浩星 张洪涛 袁锴璐 李坤 吴佳西 《武汉理工大学学报(交通科学与工程版)》 2025年第1期15-20,27,共7页
文中基于综合型商业建筑停车需求与机动车吸引量的关系,构建综合型商业建筑停车需求影响因素体系;运用麻雀搜索算法优化极限梯度提升树的超参数,建立综合型商业建筑停车需求预测组合模型;以西安市58个综合型商业建筑的停车需求预测为例... 文中基于综合型商业建筑停车需求与机动车吸引量的关系,构建综合型商业建筑停车需求影响因素体系;运用麻雀搜索算法优化极限梯度提升树的超参数,建立综合型商业建筑停车需求预测组合模型;以西安市58个综合型商业建筑的停车需求预测为例,对比SSA-XGBoost模型与支持向量回归模型、XGBoost模型、lasso回归模型的预测结果.结果表明:SSA-XGBoost模型的R2值为0.963、平均绝对误差为75.584、均方根误差为85.749,相较于其他几种预测模型有更高的R2值和更小的预测误差. 展开更多
关键词 停车需求预测 综合型商业 xgboost 麻雀搜索算法 组合模型
在线阅读 下载PDF
改进黑翅鸢算法优化的XGBoost可解释模型在转基因棉籽油太赫兹光谱鉴别中的应用
9
作者 陈涛 赵利 《光学精密工程》 北大核心 2025年第20期3192-3202,共11页
为实现对转基因和非转基因棉籽油的准确分类鉴别,本研究提出一种基于改进黑翅鸢算法优化极端梯度提升(XGBoost)模型的可解释分类模型。首先,应用太赫兹时域光谱(THz-TDS)系统采集转基因和非转基因棉籽油样品在0.3~1.8 THz频段的太赫兹... 为实现对转基因和非转基因棉籽油的准确分类鉴别,本研究提出一种基于改进黑翅鸢算法优化极端梯度提升(XGBoost)模型的可解释分类模型。首先,应用太赫兹时域光谱(THz-TDS)系统采集转基因和非转基因棉籽油样品在0.3~1.8 THz频段的太赫兹吸收光谱。然后,通过引入双目标适应度函数优化策略、反向学习初始化种群策略和瑞利分布函数控制Lévy飞行策略对传统黑翅鸢算法(BKA)进行改进,并利用改进的黑翅鸢算法(DLBKA)对XGBoost模型的树深度、学习率和最大迭代次数进行双目标超参数优化,构建出DLBKA-XGBoost分类模型。最后,应用该模型对转基因棉籽油进行鉴别,并结合SHAP方法对模型鉴别结果进行了可解释性分析。结果表明,改进黑翅鸢算法优化的XGBoost可解释分类模型不仅提升了对转基因和非转基因棉籽油鉴别的准确率(其测试集准确率高达97.78%,较传统黑翅鸢算法优化模型提升了4.45%,较传统鲸鱼算法(WOA)优化模型提升了14.45%),还对模型给出了解释,明确了关键特征频率对鉴别结果的正向影响机制,提升了模型的透明度与可信度。因此,本研究为转基因棉籽油的鉴别提供了一种快速准确的分析方法,也为其他转基因物质的鉴别提供了有价值的参考。 展开更多
关键词 太赫兹光谱 转基因棉籽油 极端梯度提升 改进黑翅鸢算法 可解释性分析
在线阅读 下载PDF
基于ISSA-XGBoost的数字孪生变电站故障监测
10
作者 何锐 梁智 +2 位作者 戈一航 凌行龙 王应宇 《科技和产业》 2025年第17期100-107,共8页
随着智能电网的快速发展,传统变电站的监控方式已难以满足现代电网对高效、准确监控的需求。针对传统变电站监控信息准确率较低的问题,提出基于ISSA-XGBoost(改进麻雀搜索算法-极端梯度提升树)的数字孪生变电站故障监测。首先基于八叉... 随着智能电网的快速发展,传统变电站的监控方式已难以满足现代电网对高效、准确监控的需求。针对传统变电站监控信息准确率较低的问题,提出基于ISSA-XGBoost(改进麻雀搜索算法-极端梯度提升树)的数字孪生变电站故障监测。首先基于八叉树空间分割和NURBS(非均匀有理B样条)三维数字孪生(DT)体建模技术,建立数字孪生变电站模型。通过主成分分析提取关键数据特征,降低数据集的复杂性。结合变电站的运行模式,建立XGBoost的状态监测模型,通过改进的麻雀搜索算法寻找XGBoost的超参数,弥补传统XGBoost人工设定超参数的不足。变电站状态监测正确率达到96.45%,相较传统XGBoost监测正确率提高了8.11%,训练时间缩短了4.8%,ISSA-XGBoost模型故障监测精度更高、速度更快。实践表明,该方法能够更精确地对变电站电气设备的故障进行监测。 展开更多
关键词 变电站 数字孪生(DT) 主成分分析(PCA) 麻雀搜索算法(SSA) 极端梯度提升树(xgboost)
在线阅读 下载PDF
基于ICOA-XGBoost的光伏阵列复合故障诊断研究 被引量：2
11
作者 张子洵 魏业文 +2 位作者 张轲钦 方豪 吴先用 《太阳能学报》 北大核心 2025年第5期251-259,共9页
为提高光伏阵列复合故障诊断的准确率,提出一种基于改进长鼻浣熊算法(ICOA)优化极端梯度提升(XGBoost)的故障诊断方法。首先,通过分析光伏阵列在不同故障状态下的输出特性,构建一个9维故障特征向量作为模型的输入变量。然后,将结合改进C... 为提高光伏阵列复合故障诊断的准确率,提出一种基于改进长鼻浣熊算法(ICOA)优化极端梯度提升(XGBoost)的故障诊断方法。首先,通过分析光伏阵列在不同故障状态下的输出特性,构建一个9维故障特征向量作为模型的输入变量。然后,将结合改进Circle混沌映射、Levy飞行和t分布随机扰动的ICOA算法与麻雀搜索算法(SSA)、鲸鱼优化算法(WOA)和长鼻浣熊算法(COA)相比较,其在寻优能力、稳定性和收敛速度方面展现出优越性。随后,利用改进的ICOA算法优化XGBoost模型,有效解决了模型初始化参数的设置问题。实验结果显示,结合9维故障特征向量的ICOA-XGBoost模型在故障诊断精度上达到97.23%,优于其他对比模型,证实了所提方法的可行性和有效性。 展开更多
关键词 光伏阵列 故障诊断 改进长鼻浣熊算法 极端梯度提升
原文传递
基于XGBoost-GRNN算法的分段式风功率预测 被引量：1
12
作者 李进友 李媛 +2 位作者 黄露秋 王海鑫 李超然 《计算机集成制造系统》 北大核心 2025年第10期3831-3845,共15页
针对风电大数据背景下风电机组功率预测准确性、预测功率曲线契合率低等问题,提出一种基于XGBoost-GRNN的风功率预测算法,建立考虑分段式风电数据的风电机组功率预测模型。首先,提出基于风电机组运行状态特征、风速分布模型的SCADA数据... 针对风电大数据背景下风电机组功率预测准确性、预测功率曲线契合率低等问题,提出一种基于XGBoost-GRNN的风功率预测算法,建立考虑分段式风电数据的风电机组功率预测模型。首先,提出基于风电机组运行状态特征、风速分布模型的SCADA数据分段划分方法,并基于数据多维度分析构建功率关联指标架构。其次,提出一种基于改进极端梯度提升(XGBoost)变量的广义神经网络(GRNN)联合风电机组分段式功率预测算法,以获取准确性较高、误差较小的功率预测值。进一步,基于预测偏差、曲线契合率等指标评估所提预测模型的预测性能。最后,以内蒙古塞罕坝风电场20台风电机组为例进行实验分析,结果表明:与传统预测方法相比,所提方法R^(2)均值至少提高了0.0101;与全段数据预测相比,分段式预测R^(2)提高了0.0084。所提模型预测曲线契合率为0.9184,相比其余4种模型预测曲线契合率至少提高了0.036。 展开更多
关键词 风电大数据 风电机组 极端梯度提升 广义神经网络 分段式功率预测算法
在线阅读 下载PDF
基于XGBoost-MSIWOA-LSTM的车辆油耗优化预测模型 被引量：1
13
作者 师国东 胡明茂 +3 位作者 宫爱红 龚青山 郭庆贺 谭浩 《计算机集成制造系统》 北大核心 2025年第9期3467-3484,共18页
为有效预测车辆油耗,提高燃油经济性,促进节能减排,提出一种基于XGBoost-MSIWOA-LSTM的车辆油耗优化预测模型。该模型首先采用极端梯度提升树(XGBoost)算法提取车辆油耗特征,以优化模型的输入变量,提高模型的泛化性和鲁棒性。然后,利用... 为有效预测车辆油耗,提高燃油经济性,促进节能减排,提出一种基于XGBoost-MSIWOA-LSTM的车辆油耗优化预测模型。该模型首先采用极端梯度提升树(XGBoost)算法提取车辆油耗特征,以优化模型的输入变量,提高模型的泛化性和鲁棒性。然后,利用多策略改进的鲸鱼优化算法(MSIWOA)对长短期记忆神经网络(LSTM)中的超参数进行自适应寻优,并将优化后的超参数代入LSTM中对车辆油耗进行建模预测。结合实际车辆油耗算例进行对比实验,结果表明,相对于其他对比模型,XGBoost-MSIWOA-LSTM预测模型预测精度更高,对降低车辆油耗具有一定的指导意义。 展开更多
关键词 油耗预测 极端梯度提升树 多策略改进的鲸鱼优化算法 长短期记忆神经网络 自适应寻优
在线阅读 下载PDF
基于IRMO-XGBoost的地表沉陷预计模型研究 被引量：1
14
作者 王军胜 王宏涛 +4 位作者 张文 白宇 金亮星 高志勇 刘娉婷 《安全与环境学报》 北大核心 2025年第9期3504-3513,共10页
煤矿地表沉陷严重威胁矿区生态环境及周边基础设施安全,因此精准预计地表沉陷意义重大。但地表沉陷的预计复杂,概率积分法预计地表沉陷准确性较低。提出了一种基于改进的径向移动(Improved Radial Movement Optimization,IRMO)算法优化... 煤矿地表沉陷严重威胁矿区生态环境及周边基础设施安全,因此精准预计地表沉陷意义重大。但地表沉陷的预计复杂,概率积分法预计地表沉陷准确性较低。提出了一种基于改进的径向移动(Improved Radial Movement Optimization,IRMO)算法优化极致梯度提升(eXtreme Gradient Boosting,XGBoost)算法的地表沉陷预计模型,通过IRMO算法选择XGBoost算法中的学习率、正则化等超参数的最优值,提高了地表沉陷预计精度,并与遗传算法(Genetic Algorithm,GA)优化的XGBoost算法、XGBoost算法的预测结果进行了对比分析,IRMO-XGBoost模型的均方根误差R_(MSE)(0.156)和平均绝对误差M_(AE)(0.126)更低,决定系数R^(2)(0.970)更高。运用IRMO-XGBoost模型对建北煤矿4^(-2)煤305工作面的地表沉陷值进行了预测,结果表明,IRMO-XGBoost模型预测精度明显优于XGBoost算法。最后用Shapley解释(SHapley Additive exPlanations,SHAP)方法量化模型的输入特征对地表沉陷预测的贡献。基于IRMO-XGBoost构建的地表沉陷预计模型精度高,可以极大地帮助矿区掌握地表沉陷对地表环境的破坏程度,为矿区生态环境的保护管理和安全生产措施的制定提供超前预测。 展开更多
关键词 安全工程 地表沉陷预计 改进的径向移动算法 极致梯度提升算法 概率积分法
原文传递
基于XGBoost⁃PLUS模型的成渝城市群生态安全格局多情景模拟及反规划优化 被引量：1
15
作者 邱大鹅 张军以 +1 位作者 杨晓雪 齐渴路 《生态学报》 北大核心 2025年第16期7905-7920,共16页
工业化城镇化快速发展导致土地利用/土地覆被剧烈变化,造成了土地退化、生物多样性丧失等一系列生态环境问题。基于未来长时间序列土地利用变化的生态安全格局共性问题,“反规划”提出优化策略,就成为应对不确定发展情境下区域生态安全... 工业化城镇化快速发展导致土地利用/土地覆被剧烈变化,造成了土地退化、生物多样性丧失等一系列生态环境问题。基于未来长时间序列土地利用变化的生态安全格局共性问题,“反规划”提出优化策略,就成为应对不确定发展情境下区域生态安全的重要途径。以成渝城市群为研究区,使用InVEST、PLUS模型、XGBoost机器算法等方法,提取潜在生态源地,优化生态阻力面空间权重分配,识别多种发展情境下成渝城市群生态安全格局共性问题并提出优化策略。结果表明:(1)成渝城市群2020和2035年(NDS、CPS、EDS、EPS)生态源地分别为53、51、50、43、51个,面积为24892.75、24462.57、24119.43、23833.75、27249.36 km^(2),空间呈“U”型半包围结构,集中分布在成渝城市群边缘;(2)2020和2035年不同发展情景下成渝城市群生态廊道呈“边缘贯通⁃中疏⁃东密”的网状结构,生态夹点集中分布在川东平行岭谷区,生态障碍点广泛分布在以成都平原为核心的长距生态廊道中部;(3)基于多种发展情境下生态安全格局共性问题“反规划”构建了“一轴两带四区多点”的生态安全优化格局。研究结果可为成渝城市群社会经济与生态安全建设协调发展提供科学依据。 展开更多
关键词 xgboost机器算法 PLUS模型 生态安全格局 电路理论 成渝城市群
在线阅读 下载PDF
基于PCA-XGBoost多特征融合的动力电池健康状态预测模型 被引量：1
16
作者 姜正义 赵尧敏 +3 位作者 吴学领 陈思如 王艳杰 何锃辉 《中原工学院学报》 2025年第3期35-41,47,共8页
基于自主采集的X系列(NCM811/石墨)、B系列(NCM811/硅碳)和F系列(NCM523/石墨)3种锂离子电池的循环老化实验数据,以电压曲线及弛豫阶段电压数据为特征源,通过主成分分析(PCA)法进行特征降维,然后与极端梯度提升(XGBoost)机器学习算法融... 基于自主采集的X系列(NCM811/石墨)、B系列(NCM811/硅碳)和F系列(NCM523/石墨)3种锂离子电池的循环老化实验数据,以电压曲线及弛豫阶段电压数据为特征源,通过主成分分析(PCA)法进行特征降维,然后与极端梯度提升(XGBoost)机器学习算法融合,构建了PCA-XGBoost融合预测模型,并系统评估了该模型对3种电池健康状态预测的准确性与泛化能力。结果表明:X系列、B系列和F系列3种锂离子电池的5个主成分的累计贡献率分别达到了99.88%、99.77%和99.61%,有效降低了信息冗余;利用PCA降维后的特征结合XGBoost算法对X系列、B系列和F系列3种锂离子电池进行健康状态预测,方根误差分别为1.5 mAh、0.9 mAh和1.3 mAh,全部低于0.21%。这表明采用PCA-XGBoost融合模型对跨体系锂离子电池的健康状态进行预测,不仅提升了数据效率,还展现出优异的鲁棒性和较高的预测精度。 展开更多
关键词 锂离子电池 主成分分析法 极端梯度提升回归算法 健康状态预测
在线阅读 下载PDF
基于Borderline SMOTE与NGO优化的双层XGBoost算法的变压器故障模式识别研究
17
作者 李友才 彭威龙 +3 位作者 周玉明 李奇艳 曾成 杨鑫 《电力科学与技术学报》 北大核心 2025年第6期32-42,共11页
为提升变压器故障诊断精度,提高模型识别的效率,改善不平衡样本对变压器故障识别模型的不良影响,提出一种基于边界线合成少数类过采样技术(borderline synthetic minority over⁃sampling technique,BSMOTE)与北方苍鹰优化(northern gosh... 为提升变压器故障诊断精度,提高模型识别的效率,改善不平衡样本对变压器故障识别模型的不良影响,提出一种基于边界线合成少数类过采样技术(borderline synthetic minority over⁃sampling technique,BSMOTE)与北方苍鹰优化(northern goshawk optimization,NGO)算法的双层极限梯度提升(extreme gradient boosting,XGBoost)的变压器故障模式识别模型。首先,利用BSMOTE对少数类样本进行扩充,得到平衡的数据集。其次,通过无编码比值法建立多维特征量,并采用XGBoost确定最优特征子集。再次,通过NGO对XGBoost进行参数寻优,得到变压器故障诊断模型,实现对变压器故障的准确识别。最后,采用实例对所提方法进行了仿真分析。所提方法的诊断准确率比递归特征消除法(recursive feature elimination,RFE)、随机森林(random forest,RF)特性筛选、分类提升(categorical boosting,CatBoost)特征提取与19维特征分别提高了2.88%、4.03%、4.44%与7.47%。研究结果表明,所提方法故障辨识精度高、误判率低、性能稳定。 展开更多
关键词 变压器 故障诊断 过采样 极限梯度提升算法 北方苍鹰优化算法
在线阅读 下载PDF
基于BOA-XGBoost的沥青路面抗滑性能预测方法 被引量：3
18
作者 许新权 户媛姣 +1 位作者 翁宇涵 何伟杰 《重庆交通大学学报(自然科学版)》 北大核心 2025年第6期35-44,共10页
道路表面纹理是影响抗滑性能的关键因素。为深入研究其影响机理,解决多特征数据条件下传统预测方法精度受限的问题,提出了一种基于贝叶斯优化(BOA)和极端梯度提升(XGBoost)融合的路面抗滑性能评估模型。制备了不同级配类型的沥青混合料... 道路表面纹理是影响抗滑性能的关键因素。为深入研究其影响机理,解决多特征数据条件下传统预测方法精度受限的问题,提出了一种基于贝叶斯优化(BOA)和极端梯度提升(XGBoost)融合的路面抗滑性能评估模型。制备了不同级配类型的沥青混合料试件,基于摆式摩擦仪和三维激光扫描设备分别获取试件表面的摩擦数据和三维纹理数据;提取高度、波长、形状参数用以描述纹理结构,并进行纹理特征重要性分析,明确显著影响抗滑性能因子;引入贝叶斯优化算法的搜索极端梯度来提升模型的最优关键参数,并构建了抗滑性能预估模型。研究结果表明:所提出的模型与对比模型相比,其精度更高,相关系数R^(2)=0.8906,分别比对比模型提升了25.2%、13.0%、15.1%,能有效地关联纹理特征与路面抗滑性能。 展开更多
关键词 道路工程 路面抗滑性能 三维纹理 特征重要性分析 贝叶斯优化算法 极端梯度提升
在线阅读 下载PDF
融合标准偏差与KF的改进XGBoost室内定位方法
19
作者 凌凤智 刘高辉 《导航定位学报》 北大核心 2025年第6期146-154,共9页
针对位置指纹方法室内定位时,因动态环境、多径效应和接入点(AP)不稳定导致精度低的问题,该文提出一种融合标准偏差(SD)与卡尔曼滤波(KF)的改进极限梯度提升(XGBoost)的室内定位方法。离线阶段,首先计算定位区域内AP点接收信号强度(RSS... 针对位置指纹方法室内定位时,因动态环境、多径效应和接入点(AP)不稳定导致精度低的问题,该文提出一种融合标准偏差(SD)与卡尔曼滤波(KF)的改进极限梯度提升(XGBoost)的室内定位方法。离线阶段,首先计算定位区域内AP点接收信号强度(RSS)数据的SD,然后进行降序排列筛选有效、稳定的AP集合;其次,利用卡尔曼滤波进行预处理抑制时变噪声的影响,并以此重构指纹数据库。最后,由于XGBoost算法性能易受初始参数的影响,采用粒子群优化(PSO)算法寻优得到最优的参数,并构建PSO-XGBoost定位模型。在线阶段,将目标点的数据送入已有的定位模型中预测目标的位置。实验结果表明,与其它算法相比,该算法具有良好的定位效果,在1 m、2 m和3 m定位范围内,定位精度分别提升9.1%、14.2%和18.75%。 展开更多
关键词 室内定位 标准偏差(SD) 卡尔曼滤波(KF) 粒子群优化(PSO)算法 极限梯度提升(xgboost)算法
在线阅读 下载PDF
基于XGBoost算法的T2DM合并颈动脉斑块风险预测及致因研究
20
作者 李桃 徐映梅 蒋伏松 《医疗卫生装备》 2025年第12期9-14,共6页
目的:基于梯度提升决策树的集成学习(eXtreme gradient boosting,XGBoost)算法进行2型糖尿病(type 2 diabetes mellitus,T2DM)合并颈动脉斑块的风险预测及影响因素研究,以期为该疾病的发现、预防和治疗提供有价值的指导。方法:收集2019... 目的:基于梯度提升决策树的集成学习(eXtreme gradient boosting,XGBoost)算法进行2型糖尿病(type 2 diabetes mellitus,T2DM)合并颈动脉斑块的风险预测及影响因素研究,以期为该疾病的发现、预防和治疗提供有价值的指导。方法:收集2019—2023年上海市某三甲医院3 707例T2DM患者的临床数据,包括2 359例横断面数据和1 348例纵向随访数据。采用方差分析法和Pearson相关系数法对数据进行交叉验证和变量筛选。基于横断面数据和纵向随访数据,采用XGBoost算法构建预测模型,并与人工神经网络、支持向量机以及高斯朴素贝叶斯3种机器学习模型进行对比以验证XGBoost模型的性能;采用沙普利加法解释(Shapley additive explanations,SHAP)分析模型的可解释性,采用特征权重图分析模型中各特征的重要性,并基于横断面数据和纵向随访数据对影响T2DM合并颈动脉斑块的因素进行对比。结果:XGBoost模型在横断面数据中准确率为0.77、精确率为0.62、召回率为0.59、F1分数为0.51,在纵向随访数据中准确率为0.75、精确率为0.57、召回率为0.68、F1分数为0.62。综合2类数据下的性能表现,XGBoost模型整体预测效果优于人工神经网络、支持向量机以及高斯朴素贝叶斯3种机器学习模型。SHAP值散点图和特征权重图显示,口干、高血压和年龄是影响T2DM合并颈动脉斑块的主要因素。结论:通过XGBoost算法可以实现对T2DM合并颈动脉斑块的预测。临床实践中应对影响该疾病的相关因素加强监测、评估和干预,以降低罹患该疾病的可能性。 展开更多
关键词 T2DM 颈动脉斑块 xgboost算法 风险预测 影响因素
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 … 31 下一页 到第 页
使用帮助 返回顶部