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3篇文章
< 1 >
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：
基于分类梯度提升算法的推移质输沙率计算
1
作者 王言昕 江雨润 +2 位作者 吴小康 罗铭 黄尔 《水电能源科学》 北大核心 2025年第1期39-42,121,共5页
计算宽级配推移质运动是河流泥沙学科的难点之一。为探寻分类梯度提升算法在预测推移质输沙率方面的效果,筛选了3 060组天然河道输沙数据,将其划分为单一流域和综合流域两组,以此获取算法在这两种情况下的预测结果,并利用3种传统公式进... 计算宽级配推移质运动是河流泥沙学科的难点之一。为探寻分类梯度提升算法在预测推移质输沙率方面的效果,筛选了3 060组天然河道输沙数据,将其划分为单一流域和综合流域两组,以此获取算法在这两种情况下的预测结果,并利用3种传统公式进行对比,最后对单点进行多次重复调参验证调参次数对于算法预测性能的影响。结果表明,分类梯度提升算法对单一流域的预测效果优于综合流域;增加训练集和测试集的划分次数能够减轻划分方式带来的影响;多次重复调参可提高算法的预测性能;分类梯度提升算法相较于传统输沙率公式效果更好。 展开更多
关键词 分类梯度提升算法 推移质输沙率 机器学习 野外数据
原文传递
分类梯度提升算法(CatBoost)与蝙蝠算法(Bat)耦合建模预测中国西北部地区水面蒸发量 被引量：12
2
作者 董力铭 曾文治 雷国庆 《节水灌溉》 北大核心 2021年第2期63-69,共7页
为预测干旱、半干旱地区的水面蒸发量,以实测水面蒸发量为基准,利用我国西北部地区的45个气象站实测逐日最低气温、最高气温、相对湿度、风速及太阳辐射,建立基于蝙蝠算法的分类梯度提升算法模型(Bat-CB)并与原分类梯度提升算法模型(Cat... 为预测干旱、半干旱地区的水面蒸发量,以实测水面蒸发量为基准,利用我国西北部地区的45个气象站实测逐日最低气温、最高气温、相对湿度、风速及太阳辐射,建立基于蝙蝠算法的分类梯度提升算法模型(Bat-CB)并与原分类梯度提升算法模型(CatBoost)及随机森林模型(RF)进行对比。结果表明Bat-CB模型的预测能力与稳定性(RMSE为0.859~2.227 mm/d;MAE为0.540~1.328 mm/d;NSE为0.625~0.894;MAPE为0.162~0.328)最优,而CatBoost模型(RMSE为0.897~2.754 mm/d;MAE为0.531~1.77 mm/d;NSE为0.147~0.869;MAPE为0.161~0.421)对水面蒸发的预测能力略优于随机森林模型(RMSE为1.005~3.604 mm/d;MAE为0.644~2.479 mm/d;NSE为-1.242~0.894;MAPE为0.176~0.686)。此外,Bat-CB模型对于水面蒸发的季节及空间变异性具有较好的适应能力,而随机森林模型在夏季水面蒸发预测中表现最差。研究成果可用于干旱、半干旱地区水面蒸发量的预测。 展开更多
关键词 水面蒸发 机器学习 蝙蝠算法 随机森林模型 分类梯度提升算法
下载PDF
基于分类梯度提升算法和人工神经网络的食松和樱核圆柏的气孔导度模拟
3
作者 邵欣欣 雷国庆 +1 位作者 曾文治 黄介生 《中国农村水利水电》 北大核心 2023年第6期168-174,共7页
气孔导度是表征植物蒸腾状态的重要指标,气孔导度的准确量化对于地表水文循环研究具有重要意义。为探索提高气孔导度模拟准确性的方法,本研究利用分类梯度提升算法(CatBoost,CAT)和人工神经网络(Artificial Neural Network,ANN)两种机... 气孔导度是表征植物蒸腾状态的重要指标,气孔导度的准确量化对于地表水文循环研究具有重要意义。为探索提高气孔导度模拟准确性的方法,本研究利用分类梯度提升算法(CatBoost,CAT)和人工神经网络(Artificial Neural Network,ANN)两种机器学习模型对食松(Pinus edulis)与樱核圆柏(Juniperus monosperma)的气孔导度进行了模拟,并将二者的模拟结果与Ball-Berry模型和Medlyn模型进行了比较。机器学习模型以净光合速率A_(n)、叶表二氧化碳浓度C_(s)、相对湿度RH、饱和水汽压差VPD、叶片温度TL和黎明前叶水势LWP为输入变量,设计了3种建模策略:策略①输入变量为A_(n)、C_(s)和RH;策略②输入变量为A_(n)、C_(s)和VPD;策略③输入变量为A_(n)、C_(s)、RH、VPD、TL和LWP。结果表明①Ball-Berry模型和Medlyn模型模拟效果相近,RMSE分别0.0138和0.0139 mol/(m^(2)·s);②机器学习模型对气孔导度的模拟效果明显优于Ball-Berry模型和Medlyn模型,不同输入策略下CAT和ANN模型的RMSE相比于Ball-Berry模型分别降低了19.35%~45.65%和26.90%~55.07%;③机器学习模型中策略③模拟效果优于策略①和②,且ANN优于CAT,其中策略③中ANN模型的RMSE比策略①和②分别提高了36.70%和38.54%;④各模型和策略下对两种植物组成的整个数据集的气孔导度模拟与分别对食松和樱核圆柏的气孔导度模拟规律是一致的,其中对食松的气孔导度模拟结果优于樱核圆柏。研究表明,机器学习模型(特别是ANN模型)更适用于植物气孔导度的精准模拟,可为植物蒸腾能力估算和农业水文模拟提供实用工具。 展开更多
关键词 气孔导度 Ball-Berry模型 Medlyn模型 分类梯度提升算法 人工神经网络模型
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 下一页 到第 页
使用帮助 返回顶部