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2,822篇文章
< 1 2 … 142 >
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：
融合知识图谱和XGBoost的车辆故障诊断研究
1
作者 胡杰 陈林 +4 位作者 魏敏 耿黄政 张潇 卿海华 乔美昀 《机械科学与技术》 北大核心 2026年第1期163-172,共10页
为解决目前车企售后维修存在的过度依赖维修技师经验、维修手册查阅低效和维修历史数据未有效利用等问题,基于某车企闲置的售后维修数据,将知识图谱引入汽车故障领域。鉴于数据中部分字段的文本数据为长文本类型,提出一种基于规则预处... 为解决目前车企售后维修存在的过度依赖维修技师经验、维修手册查阅低效和维修历史数据未有效利用等问题,基于某车企闲置的售后维修数据,将知识图谱引入汽车故障领域。鉴于数据中部分字段的文本数据为长文本类型,提出一种基于规则预处理与深度学习模型实体抽取结合的方法,挖掘利用车辆维修历史数据,完成汽车故障知识图谱的构建。为有效利用汽车故障知识图谱协助维修技师进行故障诊断,设计了一种基于知识图谱的车辆故障诊断流程,该流程包含一种融合知识图谱多实体和XGBoost的故障诊断方法。实验对比和实际案例测试分别验证了故障诊断方法的有效性和流程的实际可用性。 展开更多
关键词 知识图谱 xgboost 故障诊断 深度学习 实体抽取
在线阅读 下载PDF
基于GWO-VMD和改进XGBoost的水轮机顶盖振动故障识别
2
作者 张彬桥 黄海洋 江雨 《大电机技术》 2026年第1期72-81,共10页
水轮机顶盖振动是影响水轮机运行稳定性和安全性的重要因素,深入分析其诱因并采取有效措施,有助于提高设备可靠性和运行效率。为了应对水轮机复杂振动信号在噪声干扰下难以提取故障特征的问题,本文提出了一种改进的变分模态分解(VMD)与... 水轮机顶盖振动是影响水轮机运行稳定性和安全性的重要因素,深入分析其诱因并采取有效措施,有助于提高设备可靠性和运行效率。为了应对水轮机复杂振动信号在噪声干扰下难以提取故障特征的问题,本文提出了一种改进的变分模态分解(VMD)与多尺度样本熵相结合的特征提取方法,并利用改进极端梯度提升(XGBoost)机器学习算法进行故障识别。首先,提出将皮尔逊相关系数作为VMD的适应度函数来进行自适应优化分解参数,并通过皮尔逊相关系数来筛选本征模态函数。然后,采用多尺度样本熵对筛选后的本征模函数(IMF)进行特征量化。最后,提出一种基于牛顿-拉夫逊优化算法(NRBO)优化XGBoost模型超参数,将提取到的故障特征数据集分为训练集和测试集输入优化后的XGBoost模型进行训练和故障识别。经实测振动数据集和对比实验验证,该方法能有效地提取振动故障信号,并有更高的故障识别准确率。 展开更多
关键词 水电机组 顶盖振动信号 变分模态分解 灰狼优化算法 多尺度样本熵 牛顿-拉夫逊优化算法 xgboost
在线阅读 下载PDF
基于XGBoost算法的滨江城市蓝绿空间生态网络构建与优化
3
作者 张晓瑞 王鑫 +2 位作者 李杰铭 项金铭 王振波 《环境生态学》 2026年第2期54-58,共5页
滨江城市蓝绿空间布局与生态网络完善对提升生态服务及人地协调意义重大。以长江沿岸的芜湖市为对象,整合蓝绿空间数据,结合MSPA与景观连通性划定57个生态源地,创新性引入贝叶斯优化的XGBoost算法构建生态阻力面,基于电路理论优化生态... 滨江城市蓝绿空间布局与生态网络完善对提升生态服务及人地协调意义重大。以长江沿岸的芜湖市为对象,整合蓝绿空间数据,结合MSPA与景观连通性划定57个生态源地,创新性引入贝叶斯优化的XGBoost算法构建生态阻力面,基于电路理论优化生态网络。结果显示:核心区为807 km^(2),57个生态源地中长江及周边流域为最大;XGBoost算法验证AUC值为0.99,F1值为0.93;识别135条生态廊道,呈中部密集、西部稀疏特征;补充东西部源地后,α指数为1.76、β指数为2.38、γ指数为0.82。最后提出分区策略,为长江沿岸城市生态网络构建提供量化支持,验证了机器学习提升生态规划科学性的价值。 展开更多
关键词 滨江城市 蓝绿空间 MSPA xgboost算法 电路理论 生态网络
在线阅读 下载PDF
基于混合策略ISSA-XGBoost的高速公路工程造价预测研究
4
作者 李珏 刘洋 《工程研究——跨学科视野中的工程》 2026年第1期70-84,共15页
高速公路造价预测是对高速公路建设项目前期阶段进行造价控制的重要手段。本文针对工程实践中小样本数据和工程造价特征指标之间高维、非线性关系的特点,融合正余弦算法和Lévy飞行改进的麻雀算法来优化XGBoost超参数,对高速公路项... 高速公路造价预测是对高速公路建设项目前期阶段进行造价控制的重要手段。本文针对工程实践中小样本数据和工程造价特征指标之间高维、非线性关系的特点,融合正余弦算法和Lévy飞行改进的麻雀算法来优化XGBoost超参数,对高速公路项目进行造价预测,同时与该改进麻雀算法优化的RF、SVM模型比较,结果表明ISSA-XGBoost模型具有更好的泛化性和可解释性,可为高速公路项目的投资决策提供可靠依据。 展开更多
关键词 高速公路 造价预测 Lévy飞行 改进麻雀算法 ISSA-xgboost
在线阅读 下载PDF
基于XGBoost的电商仓库出库订单预测及其调度决策应用研究
5
作者 付强 《中国物流与采购》 2026年第5期126-127,共2页
随着电子商务行业的迅猛发展,消费者需求呈现出高度随机性与波动性特征,给仓储中心出库作业带来了严峻挑战。本文构建了一种基于XGBoost(Extreme GradientBoosting)的出库订单预测与调度决策一体化框架。首先,结合电商业务特性构建多维... 随着电子商务行业的迅猛发展,消费者需求呈现出高度随机性与波动性特征,给仓储中心出库作业带来了严峻挑战。本文构建了一种基于XGBoost(Extreme GradientBoosting)的出库订单预测与调度决策一体化框架。首先,结合电商业务特性构建多维特征工程体系;其次,利用XGBoost算法对订单数据进行建模;最后,基于预测结果构建人员排班优化模型。实证结果表明,该方法在预测精度与调度成本控制方面均具有显著优势。 展开更多
关键词 特征工程 出库订单预测 xgboost 人员排班
原文传递
基于XGBoost-MIKE21耦合模型的缺资料水库富营养化模拟
6
作者 尹明波 窦明 +3 位作者 刘玉倩 李丽娜 李桂秋 贾瑞鹏 《南水北调与水利科技(中英文)》 北大核心 2026年第1期224-234,共11页
针对水质监测数据缺失导致的富营养化精准防控难题,提出基于XGBoost-MIKE21耦合模型的富营养化评价方法,旨在提升数据不足情况下的水质预测精度。以小浪底水库为研究对象,通过XGBoost挖掘水质变量间的相关性特征,采用分阶段数据延展策略... 针对水质监测数据缺失导致的富营养化精准防控难题,提出基于XGBoost-MIKE21耦合模型的富营养化评价方法,旨在提升数据不足情况下的水质预测精度。以小浪底水库为研究对象,通过XGBoost挖掘水质变量间的相关性特征,采用分阶段数据延展策略,对短序列的日尺度水质数据进行高精度延展(R^(2)>0.7),生成长序列年尺度数据。将延展数据代入MIKE21中,构建水动力-富营养化耦合模拟,系统地揭示了库区富营养化的年内变化情况。结果表明:模型水动力模块平均误差为5.72%,富营养化模块综合平均误差为12.65%,库区富营养化存在典型的季节性变化特征(夏季>秋季≈春季>冬季);富营养化主要受营养盐输入情况、水文气象条件及藻类生长动力学的综合影响,库区藻类生长由春季潜在磷限制向夏季氮磷协同限制转变。研究成果为缺资料水库的富营养化评价提供了可靠的技术路径。 展开更多
关键词 MIKE 21 xgboost 数据延展 富营养化模拟 小浪底水库
在线阅读 下载PDF
基于XGBoost+SHAP揭示四川生态脆弱性的驱动力因子及其生态保护评估
7
作者 陈柄桦 李状 +5 位作者 粟丰 张明山 刘瑞 白景昊 张云辉 罗欢 《地质通报》 北大核心 2026年第1期105-120,共16页
【研究目的】通过植被净初生产力单指标结合机器学习方法,克服传统综合指标体系的主观性局限,定量解析驱动机制,为四川省国土空间分区管控、生态保护修复及生态保护评估提供科学依据。【研究方法】基于IPCC生态脆弱性定义,以四川省2001... 【研究目的】通过植被净初生产力单指标结合机器学习方法,克服传统综合指标体系的主观性局限,定量解析驱动机制,为四川省国土空间分区管控、生态保护修复及生态保护评估提供科学依据。【研究方法】基于IPCC生态脆弱性定义,以四川省2001—2023年植被净初级生产力(NPP)为单一评价指标,结合空间自相关、热点分析与XGBoost+SHAP机器学习模型,系统揭示四川省生态脆弱性空间格局及驱动因子影响程度。【研究结果】研究显示:①四川省生态脆弱性整体较高,70%的区域处于中度及以上脆弱水平,空间分布呈西高东低特征,极度脆弱区集中于盆地边缘及横断山脉;②生态脆弱性受自然与人类活动因子交互作用控制,Pearson相关分析显示高程、平均气温、地表温度、降雨等为关键自然驱动因子,而SHAP值定量表明土地利用程度(贡献度最高)、地表温度及平均气温是核心驱动因素;③生态脆弱性空间集聚显著,热点区集中于川西高原及盆地边缘。【结论】生态脆弱性在空间上呈现显著的正相关关系,生态敏感性的空间集聚程度最高,其次为脆弱性,适应性则最低;土地利用程度、地表温度及平均气温是影响生态脆弱性指数变化的主要驱动因子。 展开更多
关键词 生态脆弱性 净初级生产力 Pearson相关分析 xgboost SHAP 生态地质调查工程 四川省
在线阅读 下载PDF
基于XGBoost-SHAP模型的北京市生态系统服务空间格局及驱动因素分析
8
作者 赵慧 刘茜 +1 位作者 张敏 李佳玉 《环境科学》 北大核心 2026年第2期1025-1037,共13页
研究生态系统服务之间的空间格局及其背后的驱动因素,对于强化生态管理及促进环境的可持续发展至关重要.以北京市为研究区域,应用InVEST模型对2000~2020年生境质量、碳储量、产水量以及土壤保持采用空间自相关、冷点/热点分析及双变量... 研究生态系统服务之间的空间格局及其背后的驱动因素,对于强化生态管理及促进环境的可持续发展至关重要.以北京市为研究区域,应用InVEST模型对2000~2020年生境质量、碳储量、产水量以及土壤保持采用空间自相关、冷点/热点分析及双变量空间自相关分析方法研究生态系统服务的空间相关性、权衡与协同关系,并通过XGBoost-SHAP模型剖析影响生态系统服务的关键因素.结果表明:①生境质量的高值区域主要集中在地势较高且人类活动干扰较小的地区;碳储量呈现出西北高、东南低的空间分布态势;产水量的高值区集中在城镇区域;土壤保持的高值区域主要分布在西南部,而在北部则呈现零散分布状态.②全局空间自相关分析显示,4种生态系统服务的全局Moran's I指数均通过显著性检验,且均表现出显著的高值聚集特征.③生境质量、碳储量和土壤保持之间存在显著的协同关系,而产水量与生境质量、碳储量、土壤保持之间则表现出一定的权衡关系.④XGBoost回归模型在训练集与测试集上均展现出良好的预测性能,且训练集的预测效果优于测试集.SHAP模型解析表明,高程是影响4种生态系统服务的关键驱动因子,坡度显著影响生境质量、碳储量和土壤保持,人口密度主要作用于生境质量和产水量,而年降水量则对产水量和土壤保持具有重要影响.研究结果可为北京市生态系统服务空间格局优化及生态保护策略的制定提供科学支撑. 展开更多
关键词 生态系统服务(ESs) 空间格局 权衡与协同 驱动因素 xgboost算法
原文传递
基于Ada-Xgboost模型的SAR图像植被覆盖度反演
9
作者 史晓瑞 毋琳 +3 位作者 孙晋锴 高子乐 黄亚博 李宁 《自然资源遥感》 北大核心 2026年第1期27-36,共10页
针对光学遥感卫星在云雨雾天气下无法提供有效植被覆盖度(fractional vegetation cover,FVC)数据的问题,该文提出一种基于合成孔径雷达(synthetic aperture Radar,SAR)图像的FVC反演方法。首先,提取Sentinel-1 SLC影像中的极化熵、各向... 针对光学遥感卫星在云雨雾天气下无法提供有效植被覆盖度(fractional vegetation cover,FVC)数据的问题,该文提出一种基于合成孔径雷达(synthetic aperture Radar,SAR)图像的FVC反演方法。首先,提取Sentinel-1 SLC影像中的极化熵、各向异性、极化角、协方差矩阵分量和雷达植被指数等25种SAR特征,结合Pearson相关性分析方法筛选出对FVC敏感的关键特征,将其用于反演研究区域的FVC;其次,为优化图像质量,采用欧洲航天局发布的全球10 m土地覆盖数据剔除非植被区域;最后,采用投票法构建Ada-Xgboost模型对开封市FVC进行反演。结果表明,Ada-Xgboost模型在捕捉FVC的空间分布特征和提高反演精度方面具有显著优势(决定系数R 2为0.7810,均方根误差为0.1793,均方误差为0.0321,平均绝对误差为0.1264,特征数量为7),相比于单一模型(Adaboost和Xgboost),有效降低了SAR特征的冗余性,并达到了与参考FVC更高的空间一致性。研究进一步表明SAR数据能够有效弥补光学遥感的局限性,可为大规模时序植被覆盖动态监测提供强有力的数据支撑。 展开更多
关键词 植被覆盖度 合成孔径雷达 Pearson相关性分析 Ada-xgboost 空间一致性
在线阅读 下载PDF
基于Transformer-XGBoost框架的轨交车辆电池多视角数据健康诊断研究
10
作者 王健 毛建 +4 位作者 唐超伟 孙小康 候晓双 王春生 廖垠钦 《电源技术》 北大核心 2026年第1期129-142,共14页
锂离子电池凭借其高能量密度和长寿命,在轨道交通与储能系统中得到了广泛应用,但随着充放电循环次数的增加,其健康状态(SOH)逐步衰退,给电池管理带来安全风险与维护挑战。传统的SOH预测方法主要依赖单一视角的增量容量分析(ICA)及常规... 锂离子电池凭借其高能量密度和长寿命,在轨道交通与储能系统中得到了广泛应用,但随着充放电循环次数的增加,其健康状态(SOH)逐步衰退,给电池管理带来安全风险与维护挑战。传统的SOH预测方法主要依赖单一视角的增量容量分析(ICA)及常规数据驱动模型,难以全面捕捉电池退化过程中电化学特性与时序动态的多尺度变化,导致预测精度和鲁棒性均受限。提出了一种基于多视角数据分析的SOH预测方法,通过融合电压视图与时间视图下的增量容量(IC)曲线信息构建多视图健康因子(HI),并设计了结合Transformer与极限梯度提升(XGBoost)的预测框架。其中,Transformer采用动态时间窗调整和双尺度注意力机制,以适应不同退化阶段下的时序特征提取。而XGBoost则通过引入物理信息约束,进一步提升了预测的稳定性与鲁棒性。在马里兰大学的PL13电池训练集中,该方法实现的均方根误差(RMSE)仅为3.13×10^(−3),决定系数R^(2)高达0.997;而在PL11电池测试集中,RMSE仅为4.57×10^(−3),R^(2)达到0.994,充分验证了该方法在多视角特征融合和动态时序建模方面的卓越性能。 展开更多
关键词 健康状态 多视角数据分析 TRANSFORMER xgboost 电池管理系统
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
11
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XGBoost-ConvLSTM喀斯特流域农业干旱及重心迁移预测——以贵州省为例
12
作者 郭站群 贺中华 +2 位作者 余欢 杨玉华 谭红梅 《水土保持研究》 北大核心 2026年第2期196-205,共10页
[目的]提高贵州省农业干旱的预测精度,以应对气候变化背景下日益加剧的干旱风险。[方法]基于1979—2023年贵州省标准化降水蒸散发指数(SPEI3)历史数据,构建了极度梯度提升树(XGBoost)和长短期记忆网络(LSTM)模型,并首次提出XGBoost-Conv... [目的]提高贵州省农业干旱的预测精度,以应对气候变化背景下日益加剧的干旱风险。[方法]基于1979—2023年贵州省标准化降水蒸散发指数(SPEI3)历史数据,构建了极度梯度提升树(XGBoost)和长短期记忆网络(LSTM)模型,并首次提出XGBoost-ConvLSTM混合模型,该模型融合了XGBoost、卷积神经网络(CNN)与LSTM,以更精准地捕捉干旱的时空特征。使用K值聚类结合泰森多边形将贵州省84个气象站点月均降雨进行了面积计算和子区域的划分,以评估各模型在3个子区域中农业干旱预警中的应用潜力。[结果](1)XGBoost-ConvLSTM模型在子区域Ⅰ,Ⅱ,Ⅲ的预测R^(2)分别为0.916,0.877,0.901,均优于XGBoost(0.760,0.853,0.735)和LSTM(0.760,0.778,0.710)。(2)贵州省未来30年农业干旱呈现显著的时空变化特征,2024—2026年为干旱高发期,尤其2024年干旱最为严重;2030年后干旱状况有所缓解。(3)通过重心模型对贵州省未来10年内的干旱重心迁移进行时空分析。研究表明贵州省干旱重心呈现阶段性和突变性的时空迁移特征,整体上由中南部逐步向北扩张。[结论]XGBoostConvLSTM用于贵州省的农业干旱预测,表现更优。贵州省农业干旱具有明显的阶段性与区域迁移特征,干旱过程呈现出复杂的时空耦合规律。XGBoost-ConvLSTM模型能够有效揭示这一规律,相较传统方法在刻画农业干旱动态方面更具优势。 展开更多
关键词 农业干旱 xgboost-ConvLSTM 重心迁移
在线阅读 下载PDF
基于XGboost-SHAP模型汉江流域生态系统服务权衡与协同及驱动力分析
13
作者 任万杰 司振江 +2 位作者 吕凯 赵梓添 李治军 《中国农村水利水电》 北大核心 2026年第1期97-105,共9页
旨在探讨汉江流域生态系统服务的空间分布、生态服务之间的权衡与协同关系,以及驱动这些服务变化的关键因素。选取了生境质量(HQ)、产水量(WY)、碳储存(CF)、土壤保持(SC)、净初级生产力(NPP)5项生态系统服务作为分析对象,并利用Spearma... 旨在探讨汉江流域生态系统服务的空间分布、生态服务之间的权衡与协同关系,以及驱动这些服务变化的关键因素。选取了生境质量(HQ)、产水量(WY)、碳储存(CF)、土壤保持(SC)、净初级生产力(NPP)5项生态系统服务作为分析对象,并利用Spearman方法评估了它们之间的协同效应和权衡关系,采用了XGBoost-SHAP模型进行驱动因素分析。结果显示:(1)各生态系统服务在时空尺度上表现出显著的不均衡性,在时间上,产水量和土壤保持呈现出先减少后增加的趋势,生境质量呈现出先增加后减少再增加的趋势,净初级生产力和碳储存呈现出持续增加的趋势;在空间上,产水量受降雨影响较大呈现东部地区产量较大,而其他4项生态系统服务总体呈现出东部数值较小。(2)产水量与其他四项服务呈现出明显的权衡关系,尤其是与碳储存的权衡关系最强,而其他4项服务之间则主要表现为协同效应。(3)降雨量是影响产水量的主要自然因素,而高程对净初级生产力、生境质量和碳储存有着重要影响,坡度则是土壤保持的关键决定因素。 展开更多
关键词 生态系统服务 汉江流域 权衡与协同 驱动因素 xgboost-SHAP模型
在线阅读 下载PDF
基于SMOGN-XGBoost的钢包下渣剩余钢水量预测
14
作者 樊士茜 段豪剑 +6 位作者 谢忠研 任英 张立峰 尹青 吴小林 赵德利 李亚辉 《特殊钢》 2026年第1期136-144,共9页
钢包结构直接影响炼钢工艺的效率、质量和经济性。为进一步优化钢包结构设计,基于钢包下渣水模拟数据,深入探讨了不同机器学习算法在预测开始下渣时剩余钢水量的效能,并针对钢包底部结构变量对下渣剩余钢水量的影响进行了预测分析。首先... 钢包结构直接影响炼钢工艺的效率、质量和经济性。为进一步优化钢包结构设计,基于钢包下渣水模拟数据,深入探讨了不同机器学习算法在预测开始下渣时剩余钢水量的效能,并针对钢包底部结构变量对下渣剩余钢水量的影响进行了预测分析。首先,采用SMOGN技术对钢包下渣水模拟数据进行过采样预处理,以平衡数据分布,构建包含训练集和测试集的剩余水量特征集。在此基础上,分别测试了LASSO,SVR,ElasticNet,MLP以及XGBoost五种机器学习模型对剩余水量的预测能力。通过决策系数、均方误差和平均绝对误差三个指标进行评估,结果表明,XGBoost模型的预测效果最优,是剩余钢水量预测模型的首选。最后,采用XGBoost模型分析了钢包模型底部结构变量,包括水口直径、水口凸起高度、钢包底部台阶高度和钢包底部台阶与水口距离等对钢包下渣剩余水量的影响。结果表明,当水口直径超过Φ40 mm时,剩余水量显著降低。降低水口凸起高度,以及增加钢包底部台阶高度,会显著降低钢包内剩余水量:当水口凸起高度超过26 mm时,剩余水量则将超过20 L;而当台阶高度超过11 mm且水口凸起高度低于11 mm时,剩余水量将减少到10 L以下。当台阶与水口距离增大时,剩余水量先减少,在距离大于100 mm后趋于稳定。研究结果为钢铁企业优化钢包结构、降低钢液浪费方面提供了重要参考,具有实际指导意义。 展开更多
关键词 钢包下渣 机器学习 钢包底部结构 xgboost 回归预测
在线阅读 下载PDF
基于线圈电流相轨迹-XGBoost的高压断路器故障诊断方法
15
作者 郑宏 鲍美军 +4 位作者 李孟 孙文星 卓坚熊 郭胡森 万书亭 《机械与电子》 2026年第2期72-78,83,共8页
针对高压断路器故障识别中存在的特征提取较为单一、诊断算法依赖参数选择等问题,提出一种基于线圈电流相轨迹-XGBoost的高压断路器故障诊断方法。首先分析分/合闸线圈电流的李雅普诺夫指数,指出了断路器发生故障时的线圈电流混沌变化特... 针对高压断路器故障识别中存在的特征提取较为单一、诊断算法依赖参数选择等问题,提出一种基于线圈电流相轨迹-XGBoost的高压断路器故障诊断方法。首先分析分/合闸线圈电流的李雅普诺夫指数,指出了断路器发生故障时的线圈电流混沌变化特性,基于平均互信息计算方法优化重构的延迟时间参数,进行电流信号的相空间重构。然后基于电流信号的相空间重构轨迹提取故障特征,形成由线圈电流相轨迹横坐标最大值、纵坐标最大值、内转折点到原点的欧氏距离和原点矩组成的特征向量,作为XGBoost识别模型的特征向量进行训练和故障识别,得到了准确的诊断结果。最后与峰值谷值特征、全局特征,以及SVM、KNN、RF和BP等模型进行对比分析,结果显示了所提方法在高压断路器故障诊断方面的优越性。 展开更多
关键词 高压断路器 线圈电流 xgboost模型 相空间重构 故障诊断
在线阅读 下载PDF
基于误差修正的CEEMDAN-SE-LSTM-Attention-XGBoost铁水温度预测模型
16
作者 卢磊 王涛 +1 位作者 贝太学 张维义 《自动化与仪表》 2026年第2期29-35,共7页
针对铁水温度预测过程中的非线性、非平稳性与时序依赖等问题,该文提出基于CEEMDAN信号分解、样本熵值(SE)重构、LSTM-Attention与XGBoost误差修正的组合预测模型。利用CEEMDAN对原始铁水温度序列进行多尺度分解,并结合样本熵对分量序... 针对铁水温度预测过程中的非线性、非平稳性与时序依赖等问题,该文提出基于CEEMDAN信号分解、样本熵值(SE)重构、LSTM-Attention与XGBoost误差修正的组合预测模型。利用CEEMDAN对原始铁水温度序列进行多尺度分解,并结合样本熵对分量序列进行重构。采用贝叶斯优化的LSTM结合Attention机制提升模型对时序与关键信息的捕捉能力,XGBoost对初步预测残差进行校正。以冶金工厂数据为基础,开展窗口长度优化、消融与对比实验。结果表明,该模型在R2、RMSE、MAPE及±10℃命中率等指标上均优于其他模型,实现了对铁水温度的高精度预测。 展开更多
关键词 铁水温度预测 CEEMDAN 样本熵重构 LSTM-Attention组合模型 贝叶斯优化 xgboost
在线阅读 下载PDF
基于BiLSTM-XGBoost模型的孔隙度预测方法
17
作者 徐音 杨飞 《石油化工应用》 2026年第1期70-75,共6页
针对传统岩心物性分析耗时昂贵、常规测井解释人为因素较多且易产生主观偏差等问题,建立一种快速、高精度、低成本的储层孔隙度预测方法,以支撑油气田高效勘探与开发。以乍得Bongor盆地7423条测井数据为样本,采用“数据驱动+模型融合”... 针对传统岩心物性分析耗时昂贵、常规测井解释人为因素较多且易产生主观偏差等问题,建立一种快速、高精度、低成本的储层孔隙度预测方法,以支撑油气田高效勘探与开发。以乍得Bongor盆地7423条测井数据为样本,采用“数据驱动+模型融合”策略结合BiLSTM对时序数据的双向特征提取能力及XGBoost处理高维非线性数据的高效性能,研究结果显示:该组合模型R^(2)达0.9998,MSE为0.0119,MAE为0.0351,显著优于单一模型。盲井验证中,相关系数达99.32%,MAE为0.0760,表明该方法能快速高效利用测井数据预测孔隙度,降低成本,减少主观性,为油气田开发管理提供有力技术支持。 展开更多
关键词 孔隙度预测 双向长短期记忆神经网络(BiLSTM) 极限梯度提升机(xgboost) 机器学习 测井数据
在线阅读 下载PDF
基于VMD-Transformer-LSTM-XGBoost的短期风电机组出力混合预测模型
18
作者 马虎林 李文清 +5 位作者 刘志月 马子旭 朱新彧 王健 施雅蓉 赵学靖 《统计学与应用》 2026年第1期265-282,共18页
风电功率时间序列具有明显的非平稳性和多尺度波动特征,使高精度短期预测面临较大挑战。针对传统模型难以同时刻画趋势、周期及高频扰动等不同时间尺度结构的问题,本文提出一种融合自适应变分模态分解(VMD)、模糊熵复杂度分析、Transfor... 风电功率时间序列具有明显的非平稳性和多尺度波动特征,使高精度短期预测面临较大挑战。针对传统模型难以同时刻画趋势、周期及高频扰动等不同时间尺度结构的问题,本文提出一种融合自适应变分模态分解(VMD)、模糊熵复杂度分析、Transformer-LSTM深度特征提取与XGBoost回归的两阶段短期风电功率预测方法。首先,以理论功率序列为分解对象,通过贝叶斯优化在训练集上自适应确定VMD的模态数与惩罚参数,并采用严格的零数据泄露策略。随后,利用模糊熵度量各IMF的复杂度特征,将其重构为低频趋势、中频周期与高频扰动三类协同模态(Co-IMFs),以增强输入特征的物理可解释性与稳定性。在特征提取阶段,构建融合Transformer全局依赖建模能力与LSTM局部时序记忆能力的DeepBlock网络,并通过贝叶斯优化确定其最优结构与训练参数,最终由XGBoost完成非线性回归预测。基于甘肃瓜州某风电场2023~2025年15分钟分辨率数据的实验结果表明,所提出方法在MAE、RMSE与R²等指标上均优于多种基准模型及消融模型,验证了该两阶段多尺度混合框架在复杂风电功率预测任务中的有效性。 展开更多
关键词 风电功率预测 变分模态分解 Transformer LSTM xgboost 多尺度分析
在线阅读 下载PDF
融合PCC-LSTM-XGBoost的中长期光伏功率预测模型
19
作者 密伟 蒋旭 +2 位作者 晁梓博 潘风文 雷宇 《太阳能学报》 北大核心 2026年第2期155-164,共10页
针对传统光伏发电功率预测模型在预测精度和泛化能力上的不足,该文设计并实现一种耦合PCC、LSTM与XGBoost算法的预测模型。首先,利用皮尔逊相关系数(PCC)对影响太阳电池发电功率的多维度特征进行筛选,构建优化的输入特征集;其次,通过长... 针对传统光伏发电功率预测模型在预测精度和泛化能力上的不足,该文设计并实现一种耦合PCC、LSTM与XGBoost算法的预测模型。首先,利用皮尔逊相关系数(PCC)对影响太阳电池发电功率的多维度特征进行筛选,构建优化的输入特征集;其次,通过长短期记忆网络(LSTM)建模时间序列数据中的长期依赖关系,获得初步的功率预测;同时,引入极端梯度提升树(XGBoost)算法对光伏发电功率的特征进行非线性建模和预测。最后,通过LSTM和XGBoost的预测结果进行策略融合得到预测结果,以提高预测精度和泛化能力。实验结果表明,该文提出的融合模型在中长期光伏功率预测中具有更高的精度和稳定性,模型的预测效果显著优于传统方法。由此可见,该文提出的PCC-LSTM-XGBoost模型为光伏发电功率的精确预测提供了新的技术途径,特别适用于不同的气候条件场景下的光伏电站功率预测。 展开更多
关键词 光伏发电 预测 神经网络 集成学习 LSTM xgboost 参数提取
原文传递
基于DOA-XGBoost高效优化算法的风机基础力学参数反演方法
20
作者 梁贤哲 叶恺 +3 位作者 胡之晨 苏国韶 李鑫丞 陈贤杰 《水力发电》 2026年第1期105-111,共7页
针对时变风荷载下风机基础力学参数难以快速确定的问题,提出了一种融合梦境优化算法(DOA)与极端梯度提升(XGBoost)的风机基础力学参数反演方法。该方法以风机基础变形监测数据与数值模拟结果的时间序列均方根误差最小化为目标函数,利用... 针对时变风荷载下风机基础力学参数难以快速确定的问题,提出了一种融合梦境优化算法(DOA)与极端梯度提升(XGBoost)的风机基础力学参数反演方法。该方法以风机基础变形监测数据与数值模拟结果的时间序列均方根误差最小化为目标函数,利用DOA强大的全局搜索能力进行参数寻优。在寻优过程中,将积累历史样本数据用于训练XGBoost代理模型,以加速优化进程。基于数学测试函数的验证表明,与DOA相比,DOA-XGBoost算法显著提高全局寻优效率,同时大幅减少函数调用次数。在陆上风机案例中,该方法具有参数反演效率高、实用性强的特点,为时变风荷载作用下风机基础力学参数的高效确定提供了一个可靠的解决方案。 展开更多
关键词 风机基础 参数反演 基础变形 优化算法 DOA-xgboost算法
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 … 142 下一页 到第 页
使用帮助 返回顶部