基于Optuna超参数优化的混凝土抗压强度预测RF机器学习模型优化研究

1

作者 张凯敏 《新材料·新装饰》 2026年第5期26-29,共4页

抗压强度作为混凝土核心性能指标,直接影响混凝土结构安全与耐久性。传统抗压强度预测方法耗时且易受环境干扰,为准确预测混凝土的抗压强度,文章基于Optuna超参数优化的随机森林(RF)算法,从文献中筛选1030组混凝土试验数据,以此为基础... 抗压强度作为混凝土核心性能指标,直接影响混凝土结构安全与耐久性。传统抗压强度预测方法耗时且易受环境干扰,为准确预测混凝土的抗压强度,文章基于Optuna超参数优化的随机森林(RF)算法,从文献中筛选1030组混凝土试验数据,以此为基础对比了RF算法与XGBOost、KNN和SVM算法的混凝土抗压强度预测精度。在确定RF算法表现最优后,采用Optuna算法对其进行超参数优化。结果显示,无论是在训练集还是测试集中,RF算法的预测精度均领先于其他三种算法,而经Optuna超参数优化后,RF机器学习模型的预测精度得到进一步提升。本研究为混凝土抗压强度预测提供了高效精准的新方法,有助于提升工程设计科学性,推动相关工程领域技术进步。 展开更多

关键词 混凝土 抗压强度预测 optuna RF机器学习模型

在线阅读 下载PDF 职称材料

基于特征选择与JITL-Optuna-KPLS的烧结矿成品率预测

2

作者 陈许玲 张羽军 +3 位作者 黄晓贤 冯振湘 彭梓塘 范晓慧 《钢铁研究学报》 北大核心 2025年第10期1273-1280,共8页

烧结矿成品率是烧结生产的重要技术经济指标,对其进行预测可以为生产操作提供重要参考。针对烧结过程高维度、时变性和非线性等特点,提出了一种基于特征选择与JITL-Optuna-KPLS的烧结矿成品率预测模型。首先利用工艺知识和递归特征消除... 烧结矿成品率是烧结生产的重要技术经济指标,对其进行预测可以为生产操作提供重要参考。针对烧结过程高维度、时变性和非线性等特点,提出了一种基于特征选择与JITL-Optuna-KPLS的烧结矿成品率预测模型。首先利用工艺知识和递归特征消除法进行特征选择,得到最佳烧结矿成品率预测特征子集;然后提出一种采用复合相似性度量的即时学习方法,从历史数据样本中抽取小规模预测样本,使用Optuna算法优化超参数后的核偏最小二乘方法建立局部模型,实现对烧结矿成品率的预测。试验结果表明:所提出模型烧结矿成品率预测的均方误差为0.18,决定系数为0.98,平均相对误差为0.13%,能够满足实际生产的预测精度要求。 展开更多

关键词 烧结矿成品率 核偏最小二乘法 即时学习 optuna 特征选择

原文传递

基于集成学习算法和Optuna调优的江西省森林碳储量遥感估测 被引量：6

3

作者 王可月 王轶夫 +3 位作者 陈馨 郑峻鹏 李杰 孙玉军 《生态学报》 北大核心 2025年第2期685-700,共16页

了解森林碳储量对于完整、准确地量化碳排放及气候变化背景下的环境监测至关重要,借助遥感数据源是估算区域尺度碳储量的有效方法。以江西省为研究区,基于第七次国家森林资源连续清查样地数据与Landsat-5 TM遥感数据,通过GEE平台对影像... 了解森林碳储量对于完整、准确地量化碳排放及气候变化背景下的环境监测至关重要,借助遥感数据源是估算区域尺度碳储量的有效方法。以江西省为研究区,基于第七次国家森林资源连续清查样地数据与Landsat-5 TM遥感数据,通过GEE平台对影像进行处理,将递归特征消除(RFE)、Boruta两种特征选择方法与支持向量机(SVR),包括随机森林(RF)、极端梯度提升(XGBoost)和堆叠集成(Stacking)在内的三种集成学习算法相结合,分析不同模型的估测精度。此外,运用Optuna超参数优化框架来确定各模型的超参数。根据最优估测模型来反演江西省森林碳储量并绘制空间分布图,选用地理探测器对碳储量的空间分布格局进行驱动力分析。结果表明:(1)根据特征重要性排名,RFE筛选出30个变量,Boruta筛选出11个变量,合适的特征子集与回归算法相结合能显著提升估测的准确性。(2)基于Optuna对各模型的超参数进行迭代调优,发现不同特征子集与机器学习算法相结合,超参数取值和重要性在模型中差异较大。其中RFE筛选的最优特征子集与Stacking算法结合进行回归拟合时获得了最好的估测效果(R^(2)=0.527,RMSE=15.85Mg/hm^(2),MAE=12.31Mg/hm^(2)),该模型有效利用训练数据,结合多种算法的优点以减少偏差,显著改善森林碳密度高值低估和低值高估的问题。(3)最优估测模型反演得到江西省2006年的森林碳密度平均值为33.356Mg/hm^(2)(2.585—88.943Mg/hm^(2)),森林碳储量总量为321.507Tg。(4)自然环境因子中海拔和坡度是影响碳储量空间分布格局的主要驱动因子;所有因子在交互作用下呈非线性增强和双因子增强,其空间分布格局是自然因素和人为因素协同作用的结果。 展开更多

关键词 森林碳储量遥感估测 集成学习算法 optuna超参数调优 堆叠集成算法 碳密度 地理探测器

在线阅读 下载PDF 职称材料

基于Optuna-CatBoost和CRITIC评价法的水电机组劣化趋势评估 被引量：3

4

作者 杨峰 肖峰 +2 位作者 师博威 仝杰 李超顺 《水电能源科学》 北大核心 2025年第2期206-210,共5页

得益于日趋完善的状态监测系统,抽水蓄能电站记录了海量机组运行信息,为开展抽蓄机组劣化趋势评估提供了可靠的数据保障。为此,提出了一种基于Optuna-CatBoost和CRITIC(Criteria Importance though Intercrieria Correlation)评价法的... 得益于日趋完善的状态监测系统,抽水蓄能电站记录了海量机组运行信息,为开展抽蓄机组劣化趋势评估提供了可靠的数据保障。为此,提出了一种基于Optuna-CatBoost和CRITIC(Criteria Importance though Intercrieria Correlation)评价法的水电机组劣化评估方法。首先利用最大互信息系数(Maximal Information Coefficient)筛选出机组关键工况系数;然后利用Optuna对CatBoost进行参数寻优,建立Optuna-CatBoost水电机组劣化趋势评估模型;最后基于CRITIC评价法对各通道劣化序列客观赋权,生成机组整机劣化序列。试验结果表明,所提模型的精度优于其他对比模型,能很好地反映机组整机劣化趋势。 展开更多

关键词 水电机组 劣化评估 optuna CatBoost 最大互信息系数 CRITIC评价法

原文传递

基于Optuna-RF智能模型的采矿方法优选

5

作者 许杨丰 陈煜新 +2 位作者 周健 邱贤阳 田志刚 《黄金》 2025年第8期7-12,共6页

随着全球工业需求的增加,高效且可靠的采矿方法选择变得至关重要。研究通过结合先进的机器学习技术和自动化超参数优化框架,探索提升采矿方法选择的科学性和精确性。通过收集和分析多种采矿条件及技术经济指标数据,构建了一个基于Optun... 随着全球工业需求的增加,高效且可靠的采矿方法选择变得至关重要。研究通过结合先进的机器学习技术和自动化超参数优化框架,探索提升采矿方法选择的科学性和精确性。通过收集和分析多种采矿条件及技术经济指标数据,构建了一个基于Optuna的优化随机森林模型。该模型的优化过程专注于调整RF模型的4个关键超参数,旨在提高模型的预测准确率及其泛化能力。试验结果表明,优化后的RF模型在训练集和测试集的分类准确率均明显提高了,Optuna-RF模型优于未优化的RF模型。这一结果验证了自动超参数优化在提升机器学习模型泛化能力和预测精度方面的关键作用,为采矿方法的智能选择提供了一种有效的技术路径。 展开更多

关键词 人工智能 采矿方法 分类预测 智能模型 自动化 超参数 随机森林 optuna

在线阅读 下载PDF 职称材料

基于Optuna框架 K -medoids与DART算法的浆液循环泵组合优化研究

6

作者 安泽依 康博士 +3 位作者 袁晓雨 粟子轩 邱斌斌 王进仕 《节能技术》 2025年第5期387-393,共7页

针对石灰石-石膏烟气湿法烟气脱硫系统的浆液循环泵组合优化研究,对于提升系统整体运行效率和降低运营成本具有重要意义。基于某1000 MW电厂脱硫系统的海量历史运行数据,提出了一种基于Optuna框架,采用K-medoids聚类算法与DART分类算法... 针对石灰石-石膏烟气湿法烟气脱硫系统的浆液循环泵组合优化研究,对于提升系统整体运行效率和降低运营成本具有重要意义。基于某1000 MW电厂脱硫系统的海量历史运行数据,提出了一种基于Optuna框架,采用K-medoids聚类算法与DART分类算法的浆液循环泵运行优化方法。该方法通过引入自适应和正则化技术,能够自动调整模型参数和结构,从而快速适应脱硫系统的实时动态变化,与传统方法相比,具备更强的非线性处理能力和时间序列分析能力,能够快速、精准的识别最佳运行工况并给出优化建议。将所提优化方法实际应用于某1000 MW火电机组,结果表明,相比传统人工组合方式,85.5%的建议优化组合实现了节能效果,浆液循环泵电耗平均降低约15.2%,在湿法脱硫系统的运行优化方面具有重要的参考意义。 展开更多

关键词 湿法脱硫 聚类算法 K-medoids算法 DART算法 optuna框架 运行优化

在线阅读 下载PDF 职称材料

基于Optuna优化的遗传算法智能组卷模型 被引量：1

7

作者 常宸 胡安波 高鹏 《中北大学学报(自然科学版)》 2025年第2期208-218,共11页

为了提升智能组卷性能,同时解决常规的基于遗传算法优化的智能组卷模型在实际应用时参数难以确定,在面对不同规模和特征分布的题库时性能不稳定的问题,提出了基于Optuna优化的遗传算法智能组卷模型。通过设计分层格雷编码来克服传统二... 为了提升智能组卷性能,同时解决常规的基于遗传算法优化的智能组卷模型在实际应用时参数难以确定,在面对不同规模和特征分布的题库时性能不稳定的问题,提出了基于Optuna优化的遗传算法智能组卷模型。通过设计分层格雷编码来克服传统二进制、十进制编码引发的汉明悬崖问题,通过Optuna优化自反馈确定遗传算法的种群规模、迭代次数及其他参数,动态调整遗传算法的交叉、变异速率,实现对组卷搜索空间的自适应调整。实验结果表明,所提模型能够有效确定参数并实现动态调整,组卷质量优于其他基于随机和启发式算法的智能组卷模型。 展开更多

关键词 智能组卷 遗传算法 optuna

在线阅读 下载PDF 职称材料

基于NeuralProphet-Optuna的货币基金收益率研究

8

作者 李浩松 《黑龙江金融》 2025年第7期69-74,共6页

在我国金融市场蓬勃发展的背景下,货币基金凭借其高流动性、低风险和相对稳定收益率,成为投资者资产配置的关键工具。货币基金收益率受货币政策、宏观经济形势等因素影响存在波动,精准预测收益率对投资者优化资金配置意义重大。为提升... 在我国金融市场蓬勃发展的背景下,货币基金凭借其高流动性、低风险和相对稳定收益率,成为投资者资产配置的关键工具。货币基金收益率受货币政策、宏观经济形势等因素影响存在波动,精准预测收益率对投资者优化资金配置意义重大。为提升货币基金收益率预测的准确性,本文提出NeuralProphet和Optuna的混合建模方法。NeuralProphet作为Facebook开源Prophet模型的扩展,增强了对复杂时间序列的预测能力;Optuna则通过自动调参,解决了模型超参数优化的难题。以天弘余额宝货币基金的七日年化收益率为研究对象,将数据集按80%和20%划分为训练集和验证集。经描述性统计分析,该收益率分布大致对称但不服从正态分布。通过Optuna对NeuralProphet模型超参数优化后,与NeuralProphet、Prophet、LSTM、ARIMA等模型对比。实证结果显示,NeuralProphet-Optuna模型在均方根误差(RMSE)、平均绝对误差(MAE)和平均绝对百分比误差(MAPE)等指标.上表现最优,远低于其他模型。该模型显著提升了预测精度和拟合能力,为投资者提供了更可靠的收益预期,对量化投资和智能理财具有重要实践参考价值,也为金融时间序列预测方法的发展提供了新的思路。 展开更多

关键词 NeuralProphet optuna 货币基金 收益率预测 机器学习

在线阅读 下载PDF 职称材料

基于IGA-Optuna-LightGBM的民航潜在旅客预测 被引量：6

9

作者 方志 余粟 《国外电子测量技术》 北大核心 2022年第10期142-147,共6页

为了进一步提升民航潜在有价值旅客的预测准确度,提出一种基于LightGBM的民航潜在旅客预测模型。首先,通过改进遗传算法的选择算子和交叉变异概率,改善标准遗传算法易于陷入局部最优和收敛速度慢的问题,并使用改进遗传算法(IGA)进行特... 为了进一步提升民航潜在有价值旅客的预测准确度,提出一种基于LightGBM的民航潜在旅客预测模型。首先,通过改进遗传算法的选择算子和交叉变异概率,改善标准遗传算法易于陷入局部最优和收敛速度慢的问题,并使用改进遗传算法(IGA)进行特征选择,找到最优特征变量;其次,对LightGBM模型进行训练,使用Optuna框架优化超参数,得到最终的旅客预测模型;最后,通过LightGBM模型对民航旅客进行类型预测,进而找到具有潜在价值的旅客。实验结果表明,基于IGA-Optuna-LightGBM模型的预测准确度达到0.962,AUC值达到0.991,预测性能优于其他模型。 展开更多

关键词 LightGBM optuna 改进遗传算法 民航潜在有价值旅客 类型预测

原文传递

CatBoost算法结合Optuna框架预测砂土液化 被引量：3

10

作者 何家智 冯现大 刘天琦 《济南大学学报（自然科学版）》 CAS 北大核心 2024年第4期496-502,共7页

为了解决利用机器学习算法建立的部分砂土液化预测模型仅在特定地区实现高精确预测而泛化能力减弱的问题,从而扩大砂土液化预测模型适用范围,准确预测砂土液化,以更好地防治地震灾害,基于类别型特征提升算法CatBoost并结合自动超参数优... 为了解决利用机器学习算法建立的部分砂土液化预测模型仅在特定地区实现高精确预测而泛化能力减弱的问题,从而扩大砂土液化预测模型适用范围,准确预测砂土液化,以更好地防治地震灾害,基于类别型特征提升算法CatBoost并结合自动超参数优化框架Optuna进行调参训练,建立CatBoost-Optuna砂土液化预测模型;将标准贯入试验的地震液化数据集划分为训练集和测试集,利用5个评估指标评估所建立模型的预测结果,与测试集中多层感知机和支持向量机砂土液化预测模型的评估结果相比较,并以地震液化案例数据作为验证集,对比不同预测模型的预测效果。结果表明:与多层感知机和支持向量机砂土液化预测模型相比,所建立的模型在测试集中评估指标较大,有更好的预测效果;在验证集中,所建立模型的评估指标只有精准率略微减小,其他评估指标都保持稳定,而对比模型的评估指标只有召回率保持稳定,其他评估指标都有所减小,只有所建立模型的预测效果与在测试集中的预测效果保持一致,进一步证明所建立模型的泛化能力较强。 展开更多

关键词 岩土工程 砂土液化预测 机器学习 CatBoost算法 optuna框架 泛化能力

在线阅读 下载PDF 职称材料

基于Optuna-SAM-LSTM模型的TBM刀盘贯入度超前预测 被引量：1

11

作者 刘赫 满轲 +1 位作者 刘晓丽 宋志飞 《隧道建设(中英文)》 CSCD 北大核心 2024年第S2期329-341,共13页

为建立高效的全断面硬岩隧道掘进机(TBM)掘进参数预测模型以辅助驾驶员进行参数调整,依托引绰济辽工程数据,先采用3σ准则、奇异值分解等方法对工程数据进行处理,再根据灰色关联度法对模型的输入参数进行筛选,接着将自注意力机制(SAM)... 为建立高效的全断面硬岩隧道掘进机(TBM)掘进参数预测模型以辅助驾驶员进行参数调整,依托引绰济辽工程数据,先采用3σ准则、奇异值分解等方法对工程数据进行处理,再根据灰色关联度法对模型的输入参数进行筛选,接着将自注意力机制(SAM)融入到长短期记忆网络(LSTM)中,并使用Optuna程序对模型训练的最优超参数组合进行搜寻,最后构建出Optuna-SAM-LSTM预测模型。Optuna的10次搜寻试验结果表明:1)模型使用该程序对搜寻得到的超参数组合进行训练均能取得较高的预测精度,且预测结果较为稳定。2)SAM-LSTM模型在对刀盘贯入度进行超前预测时,在未来3个时间步上均展现出高拟合度和低误差;该模型与LSTM、SAM-RNN和RNN模型的预测结果对比显示,SAM-LSTM模型的预测精度显著高于其他3个模型,并且融入自注意力机制的模型预测精度均高于普通模型。3)所提出的Optuna-SAM-LSTM模型在刀盘贯入度的超前预测中表现出色,在实际工程中可为驾驶员留出充足的决策时间来调整参数,以确保TBM施工的安全性和效率。 展开更多

关键词 隧道工程 全断面硬岩隧道掘进机 掘进参数预测 深度学习 optuna程序 自注意力机制

在线阅读 下载PDF 职称材料

基于正则自编码器及Optuna寻优的异常用电数据清洗研究 被引量：8

12

作者 陈慧 陈适 +3 位作者 郭银婷 连淑婷 王康 韦先灿 《电力需求侧管理》 2023年第5期53-58,共6页

为有效解决用电信息采集系统中电量数据丢失问题,提出基于正则自编码器的缺失数据填补方法。首先,根据正则自编码器学习到的特征重构电量数据,实现缺失数据的修复。然后,通过对损失函数增加L21范数及正交约束实现正则化,提升模型的泛化... 为有效解决用电信息采集系统中电量数据丢失问题,提出基于正则自编码器的缺失数据填补方法。首先,根据正则自编码器学习到的特征重构电量数据,实现缺失数据的修复。然后,通过对损失函数增加L21范数及正交约束实现正则化,提升模型的泛化能力,并采用Optuna实现超参数的自动寻优。最后,实际数据集的测试结果表明:与其他自编码器相比,正则自编码器能够较为准确地补齐缺失数据。 展开更多

关键词 异常数据清洗 自编码器 正则化 optuna寻优

在线阅读 下载PDF 职称材料

基于5CV-Optuna-LightGBM回归模型的数据预测方法 被引量：2

13

作者 顾靓 谈子楠 荣静 《软件工程》 2024年第1期49-54,共6页

为解决各类复杂的数据预测问题,文章提出以五折交叉验证(5CV)、Optuna超参数优化和LightGBM回归预测模型为基础的5CV-Optuna-LightGBM混合回归预测模型。采用影响二手车价格的因素数据集,首先进行数据预处理与Pearson相关性分析,确定37... 为解决各类复杂的数据预测问题,文章提出以五折交叉验证(5CV)、Optuna超参数优化和LightGBM回归预测模型为基础的5CV-Optuna-LightGBM混合回归预测模型。采用影响二手车价格的因素数据集,首先进行数据预处理与Pearson相关性分析,确定37个特征指标。其次通过L1正则化对模型进行降噪处理,并利用交叉验证和Optuna算法不断优化模型,最终得到在5CV-Optuna-LightGBM回归预测模型下的数据预测结果。从准确率、花费时间等多个评价指标出发,开展实验分析模型的预测效果,得到准确率为99.433%、花费时间为15s、平均绝对误差为0.306%的结果,与其他模型对比,其预测值更加准确、建模效率更高、拟合度更高。 展开更多

关键词 Pearson 五折交叉验证 optuna LightGBM 正则化

在线阅读 下载PDF 职称材料

基于相似日和Optuna-LightGBM的智能控制柜内部环境预警评估方法 被引量：1

14

作者 尹康 钟婷婷 +1 位作者 黄昕颖 李丽 《电器与能效管理技术》 2023年第7期70-76,共7页

针对基于事件驱动的智能控制柜温湿度预测精度较低,无法及时对柜内温湿度异常进行预警的问题,提出了一种基于相似日和Optuna-LightGBM的温湿度预测方法。利用相似日算法选取合适的模型训练数据集,构建基于LightGBM的温湿度预测模型,用Op... 针对基于事件驱动的智能控制柜温湿度预测精度较低,无法及时对柜内温湿度异常进行预警的问题,提出了一种基于相似日和Optuna-LightGBM的温湿度预测方法。利用相似日算法选取合适的模型训练数据集,构建基于LightGBM的温湿度预测模型,用Optuna优化模型参数。最后,提出了一种基于曲线拐点检测的预警参数阈值计算方法,分析预测模型得到的温湿度曲线特性,实现温湿度预警。实验结果显示,所提方法的温度预测误差MAPE为0.35%,湿度预测误差MAPE为0.73%,可实现对柜内温湿度的精准预测并及时预警。 展开更多

关键词 轻量级梯度提升机 optuna 相似日算法 环境预警 温湿度控制系统

在线阅读 下载PDF 职称材料

基于Optuna超参数优化XGBoost的混凝土抗压强度预测模型 被引量：1

15

作者 李帅 陶伟 +1 位作者 喻晨阳 余沛 《邵阳学院学报(自然科学版)》 2024年第6期76-84,共9页

为实现对混凝土的抗压强度精确预测以提升工程设计水准和施工质量,基于Optuna超参数优化XGBoost梯度提升算法建立了高效的非线性预测模型。首先,通过从文献中收集的1110组混凝土试验数据,完成了XGBoost算法与LightGBM、NGBoost、CatBoos... 为实现对混凝土的抗压强度精确预测以提升工程设计水准和施工质量,基于Optuna超参数优化XGBoost梯度提升算法建立了高效的非线性预测模型。首先,通过从文献中收集的1110组混凝土试验数据,完成了XGBoost算法与LightGBM、NGBoost、CatBoost等算法的混凝土抗压强度预测精度对比;随后,采用Optuna算法对表现最佳的XGBoost模型进行超参数优化。结果表明,在训练集和测试集中,采用XGBoost算法预测混凝土抗压强度时的精度均高于其他3种算法;经过Optuna超参数优化后,XGBoost模型的预测精度又进一步提升;在测试集中,优化后的XGBoost模型还表现出良好的泛化能力。因此,优化XGBoost模型的混凝土强度预测能力得到证实,可为未来的工程实践提供参考。 展开更多

关键词 混凝土抗压强度 optuna XGBoost 预测模型 模型验证

在线阅读 下载PDF 职称材料

基于Optuna算法优化神经网络的间冷塔出塔水温计算 被引量：1

16

作者 李明涛 邢乐强 +4 位作者 刘春晓 孟勋彪 孙新峰 张焱 高利孝 《节能》 2024年第6期94-97,共4页

建立基于Optuna算法优化神经网络的间冷塔出塔水温计算模型,提取影响间接空冷系统性能主要参数的历史数据,利用归一化处理后的数据用于对Optuna算法优化神经网络模型的训练和验证,得到基于Optuna算法优化神经网络的间接空冷塔出塔水温... 建立基于Optuna算法优化神经网络的间冷塔出塔水温计算模型,提取影响间接空冷系统性能主要参数的历史数据,利用归一化处理后的数据用于对Optuna算法优化神经网络模型的训练和验证,得到基于Optuna算法优化神经网络的间接空冷塔出塔水温计算模型。结果表明,基于Optuna算法优化神经网络的间冷塔出塔水温计算模型,能够有效预测间冷塔出塔水温且误差在1%范围内,该计算模型对于快速预测间冷塔换热性能,实时指导间接空冷发电机组冷端运行优化具有重要意义。 展开更多

关键词 间接空冷系统 散热器 神经网络 optuna优化算法

在线阅读 下载PDF 职称材料

基于Optuna框架的L_(p)范数约束下多核支持向量机在违约风险预测中的应用

17

作者 郑怡昕 王重仁 《现代电子技术》 北大核心 2024年第6期147-153,共7页

针对违约数据存在数据量大、维度多、不平衡及噪声大等缺点,提出一种改进的支持向量机方法,即基于Optuna框架的L_(p)范数约束的代价敏感的多核支持向量机(L_(p)-Optuna-SVM)。该方法采用成本矩阵对不同预测错误赋予不同数值,通过多核学... 针对违约数据存在数据量大、维度多、不平衡及噪声大等缺点,提出一种改进的支持向量机方法,即基于Optuna框架的L_(p)范数约束的代价敏感的多核支持向量机(L_(p)-Optuna-SVM)。该方法采用成本矩阵对不同预测错误赋予不同数值,通过多核学习引入多核混合核函数组合;同时采用Optuna优化框架对犯错成本、核函数的参数和权重实现了自动化的调优过程;还在核函数权重上引入L_(p)范数约束,以提高模型对噪声和异常数据的鲁棒性。最后,对4种常用的基础核函数组合的L_(p)-Optuna-SVM进行探讨,并与单核支持向量机以及K邻近法、逻辑回归、高斯贝叶斯进行对比。结果表明,在给定数据集上,L_(p)-Optuna-SVM在违约数据上的g-mean和AUC均高于其他算法,并且在加了不同方差的噪声数据集上,该算法整体依旧保持较好的鲁棒性。 展开更多

关键词 多核支持向量机 optuna优化框架 L_(p)范数约束 多核学习 不平衡数据集 违约风险预测

在线阅读 下载PDF 职称材料

基于Optuna优化的SA-GRU山岭隧道沉降预测模型研究与应用

18

作者 田强 乔彪 +1 位作者 温通开 章颢缤 《交通与运输》 2026年第2期29-34,共6页

为解决山岭隧道施工期沉降预测精度不足等问题,构建基于自注意力机制与门控循环单元的Optuna-SA-GRU预测模型,并开发与之深度融合的BIM可视化平台。通过Optuna框架实现超参数自动优化,模型在测试中最大残差仅为1 mm,决定系数(R2)达0.92... 为解决山岭隧道施工期沉降预测精度不足等问题,构建基于自注意力机制与门控循环单元的Optuna-SA-GRU预测模型,并开发与之深度融合的BIM可视化平台。通过Optuna框架实现超参数自动优化,模型在测试中最大残差仅为1 mm,决定系数(R2)达0.92,预测精度显著优于支持向量机、BP神经网络等传统方法。在此基础上,利用C#/WPF与XBim技术,实现预测结果与隧道BIM模型在三维环境中的动态关联与可视化表达,支持沉降态势实时渲染、预测曲线联动展示与智能预警,形成“监测-预测-可视化-决策”的一体化管控流程。研究成果可为复杂地质条件下隧道沉降风险的精准预测与信息化管理提供技术参考。 展开更多

关键词 山岭隧道 沉降预测 SA-GRU模型 optuna优化 深度学习

在线阅读 下载PDF 职称材料

基于多模态因素与用户分类的区域短期负荷可解释预测方法

19

作者 牛东晓 杜若芸 +3 位作者 赵焰佩 赵伟博 邱敏 许晓敏 《智慧电力》 北大核心 2026年第1期110-117,共8页

区域短期负荷的准确预测对保障电力系统稳定运行、优化能源资源配置具有重要作用。然而,区域短期负荷受到多种因素的综合影响,且不同用户群体的用电特性差异显著,传统预测方法在可解释性与精度方面存在不足。为此,提出一种基于多模态影... 区域短期负荷的准确预测对保障电力系统稳定运行、优化能源资源配置具有重要作用。然而,区域短期负荷受到多种因素的综合影响,且不同用户群体的用电特性差异显著,传统预测方法在可解释性与精度方面存在不足。为此,提出一种基于多模态影响因素与用户分类的区域短期负荷可解释性预测方法。首先,从日期属性、气象条件、社会经济指标等多个维度提取多模态特征,并采用标签编码法将多模态特征转换为数值标签作为后续负荷预测的输入特征;其次,考虑农业、工业、商业、居民等用户群体的用电行为与负荷响应的差异,构建基于贝叶斯优化(Optuna)的极端梯度提升(XGBoost)模型,分别进行负荷功率预测,并通过叠加4类用户的预测结果得到区域总负荷;最后,引入夏普利加可解释性(SHAP)方法分析各影响因素对负荷预测的贡献度以及不同因素之间的交互作用,提高模型的可解释性。以我国西北某区域实际数据为例进行验证,结果表明,所提组合模型具有更好的预测效果和更高的预测精度。 展开更多

关键词 区域短期负荷预测 optuna XGBoost 多模态影响因素 用户分类 可解释性预测

在线阅读 下载PDF 职称材料

基于梯度提升决策树算法的电力工程造价预测模型 被引量：3

20

作者 邵帅 赵祥 +2 位作者 敖慧凝 柳禾丰 王冬 《沈阳工业大学学报》 北大核心 2025年第3期302-308,共7页

[目的]电力工程造价预测在电网企业资源优化、财务稳定、风险管理、效率提升、项目决策、政策制定、市场秩序维护和投资者决策等方面具有重要意义。针对传统预测方法综合性能较差的问题,并考虑电力工程造价数据的小样本特性,提出了一种... [目的]电力工程造价预测在电网企业资源优化、财务稳定、风险管理、效率提升、项目决策、政策制定、市场秩序维护和投资者决策等方面具有重要意义。针对传统预测方法综合性能较差的问题,并考虑电力工程造价数据的小样本特性,提出了一种基于梯度提升决策树(gradient boosting decision tree,GBDT)的预测模型,通过优化训练过程中的残差,显著提升预测精度。[方法]从自然环境和技术因素出发,深入分析了电力工程造价的影响因子,筛选出11个影响电力工程造价的关键变量。通过数据清洗、特征编码和对数变换,构建适配GBDT模型的特征工程。采用Optuna框架进行超参数调优,并利用5折交叉验证法评估模型性能。模型优化以拟合优度作为评价指标,迭代寻找最优超参数,直至满足预测精度要求或达到最大迭代次数,最终建立结合Optuna框架的梯度提升决策树预测模型。以某地区变电工程造价数据为例,90%的数据样本作为训练集和验证集,10%的数据样本作为测试集,对比分析随机森林、神经网络、GBDT和结合Optuna的GBDT模型的预测效果,通过拟合优度与均方根误差进行性能评估。[结果]实验结果显示,结合Optuna的GBDT模型预测效果优于随机森林、神经网络及GBDT算法,预测值在真实值的±10元/kVA区间浮动。在验证集上,拟合优度为0.8923,均方根误差为8.01;在测试集上,拟合优度为0.8866,均方根误差为8.09。[结论]基于GBDT的电力工程造价预测模型能够精准预测电力工程造价,相较传统方法具有更高预测精度,尤其适用于电力工程造价类的小样本数据集。结合Optuna框架进行超参数调优,进一步提升了预测效果。未来研究将引入更多样本数据,并结合神经网络算法,探索更优的预测方案,助力电网企业实现高效运营与良性发展。 展开更多

关键词 电力工程 造价预测 梯度提升决策树 残差优化 对数变换 影响因子 特征工程 optuna框架

在线阅读 下载PDF 职称材料